Tutoriels ML.NET
Les tutoriels suivants vous permettent de comprendre comment utiliser ML.NET pour créer des solutions d’apprentissage automatique personnalisées et les intégrer à vos applications .NET :
- Analyse des sentiments : montre comment appliquer une tâche de classification binaire avec ML.NET.
- Classification des problèmes GitHub : montre comment appliquer une tâche de classification multiclasse à l’aide de ML.NET.
- Prévision du prix : montre comment appliquer une tâche de régression avec ML.NET.
- Clustering Iris : montre comment appliquer une tâche de clustering avec ML.NET.
- Recommandation : générez des recommandations de films en fonction des évaluations utilisateur précédentes
- Classification d’images : montre comment réentraîner un modèle TensorFlow existant pour créer un classifieur d’images personnalisées avec ML.NET.
- Détection d’anomalie : montre comment créer une application de détection des anomalies pour une analyse des données de ventes de produits.
- Détecter des objets dans des images : montre comment détecter des objets dans des images à l’aide d’un modèle ONNX pré-formé.
- Classifier le sentiment des critiques de films : apprenez à charger un modèle TensorFlow pré-entraîné pour classifier le sentiment des critiques de films.
Étapes suivantes
Pour obtenir plus d’exemples utilisant ML.NET, consultez le dépôt GitHub dotnet/machinelearning-samples.
Commentaires
https://aka.ms/ContentUserFeedback.
Bientôt disponible : Tout au long de 2024, nous allons supprimer progressivement GitHub Issues comme mécanisme de commentaires pour le contenu et le remplacer par un nouveau système de commentaires. Pour plus d’informations, consultezEnvoyer et afficher des commentaires pour