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.