Megjegyzés
Az oldalhoz való hozzáféréshez engedély szükséges. Megpróbálhat bejelentkezni vagy módosítani a címtárat.
Az oldalhoz való hozzáféréshez engedély szükséges. Megpróbálhatja módosítani a címtárat.
Az F# kimagasló az adatelemzésben és a gépi tanulásban. Ez a cikk hivatkozásokat tartalmaz az F#e használati módjához kapcsolódó néhány jelentős erőforrásra.
A gépi tanuláshoz és az adatelemzéshez elérhető egyéb lehetőségekről az F# Software Foundation adatelemzési útmutatója az F#-tal című témakörben olvashat.
ML.NET
ML.NET egy nyílt forráskódú és platformfüggetlen gépi tanulási keretrendszer, amely .NET-fejlesztők számára készült. A ML.NET c# vagy F# használatával egyéni ML-modelleket hozhat létre anélkül, hogy ki kellene lépnie a .NET-ökoszisztémából. ML.NET segítségével újra felhasználhatja a .NET-fejlesztőként már meglévő összes tudást, képességet, kódot és kódtárat, hogy egyszerűen integrálhassa a gépi tanulást a webes, mobil, asztali, játék- és IoT-alkalmazásokba.
Mély tanulás a TorchSharp használatával
A TorchSharp egy nyílt forráskódú kötéskészlet a Pytorch-motorhoz, amely az F#-ból való mélytanuláshoz használható. Az F#-ban példák érhetők el a TorchSharpExamplesben.
FsLab
Az FsLab egy F#-közösség inkubációs helye az F#-tal végzett adatelemzéshez.
Lásd még
Dolgozzon együtt velünk a GitHubon
A tartalom forrása a GitHubon található, ahol létrehozhat és áttekinthet problémákat és lekéréses kérelmeket is. További információért tekintse meg a közreműködői útmutatónkat.
