ML.NET-oktatóanyagok
Az alábbi oktatóanyagok segítségével megismerheti, hogyan hozhat létre egyéni gépi tanulási megoldásokat a ML.NET használatával, és hogyan integrálhatja őket a .NET-alkalmazásokba:
- Hangulatelemzés: bemutatja, hogyan alkalmazható bináris besorolási feladat a ML.NET használatával.
- GitHub problémabesorolás: bemutatja, hogyan alkalmazható többosztályos besorolási feladat a ML.NET használatával.
- Ár-előrejelző: bemutatja, hogyan alkalmazható regressziós feladat a ML.NET használatával.
- Írisz-fürtözés: bemutatja, hogyan alkalmazhat fürtözési feladatot ML.NET használatával.
- Javaslat: filmjavaslatok létrehozása a korábbi felhasználói értékelések alapján
- Képbesorolás: bemutatja, hogyan taníthat be újra egy meglévő TensorFlow-modellt egyéni képosztályozó létrehozásához ML.NET használatával.
- Anomáliadetektálás: bemutatja, hogyan hozhat létre anomáliadetektálási alkalmazást a termékértékesítési adatok elemzéséhez.
- Objektumok észlelése a képeken: bemutatja, hogyan észlelhetők a képeken lévő objektumok egy előre betanított ONNX-modellel.
- A filmértékelések hangulatának besorolása: megtudhatja, hogyan tölthet be egy előre betanított TensorFlow-modellt a filmértékelések hangulatának besorolásához.
Következő lépések
A ML.NET-et használó további példákért tekintse meg a dotnet/machinelearning-samples GitHub adattárat.
Visszajelzés
https://aka.ms/ContentUserFeedback.
Hamarosan elérhető: 2024-ben fokozatosan kivezetjük a GitHub-problémákat a tartalom visszajelzési mechanizmusaként, és lecseréljük egy új visszajelzési rendszerre. További információ:Visszajelzés küldése és megtekintése a következőhöz: