ML.NET oktatóanyagok

Az alábbi oktatóanyagok segítenek megérteni, hogyan hozhat létre egyéni gépi tanulási megoldásokat ML.NET, és hogyan integrálhatja őket a .NET-alkalmazásokba:

• Hangulatelemzés: Egy bináris osztályozási feladat végzése ML.NET alkalmazásával.
• GitHub problémabesorolási: többosztályos besorolási feladat alkalmazása ML.NET használatával.
• Ár-előrejelzési: regressziós feladat alkalmazása az ML.NET használatával.
• Írisz-klaszterezés: klaszterezési feladat alkalmazása ML.NET használatával.
• javaslati: Filmes javaslatok létrehozása a korábbi felhasználói értékelések alapján
• Képosztályozás: Egy meglévő TensorFlow-modell újratanítása a személyre szabott képosztályozó létrehozásához az ML.NET használatával.
• Anomáliadetektálás: Alkalmazás készítése anomáliadetektáláshoz a termékértékesítési adatok elemzésére.
• Képek objektumainak észlelése: A képek objektumainak észlelése előre betanított ONNX-modell használatával.
• Kép kategorizálása a Custom Vision ONNX-modellből: Objektumok észlelése képeken a Microsoft Custom Vision szolgáltatásban betanított ONNX-modell használatával.
• A filmértékelések hangulatának besorolása: Egy előre betanított TensorFlow-modell betöltése a filmértékelések hangulatának besorolásához.

Következő lépések

A ML.NET használó további példákért lásd a dotnet/machinelearning-samples GitHub-adattárat.