tutoriales de ML.NET

Los siguientes tutoriales le ayudan a comprender cómo usar ML.NET para crear soluciones de aprendizaje automático personalizadas e integrarlas en sus aplicaciones .NET:

• Análisis de sentimiento: aplique una tarea de clasificación binaria mediante ML.NET.
• Clasificación de problemas de GitHub: aplique una tarea de clasificación multiclase mediante ML.NET.
• Predicción de precios: aplique una tarea de regresión mediante ML.NET.
• Agrupación en clústeres de Iris: aplique una tarea de agrupación en clústeres mediante ML.NET.
• Recomendación: Generación de recomendaciones de películas basadas en clasificaciones de usuario anteriores
• Clasificación de imágenes: vuelva a entrenar un modelo existente de TensorFlow para crear un clasificador de imágenes personalizado mediante ML.NET.
• Detección de anomalías: cree una aplicación de detección de anomalías para el análisis de datos de ventas de productos.
• Detectar objetos en imágenes: detecte objetos en imágenes mediante un modelo ONNX entrenado previamente.
• Clasificar una imagen del modelo ONNX de Custom Vision: detecte objetos en imágenes mediante un modelo ONNX entrenado en el servicio Microsoft Custom Vision.
• Clasificar el sentimiento de reseñas de películas: cargue un modelo TensorFlow previamente entrenado para clasificar el sentimiento de las reseñas de películas.

Pasos siguientes

Para obtener más ejemplos que usan ML.NET, consulte el repositorio dotnet/machinelearning-samples de GitHub.