Catatan
Akses ke halaman ini memerlukan otorisasi. Anda dapat mencoba masuk atau mengubah direktori.
Akses ke halaman ini memerlukan otorisasi. Anda dapat mencoba mengubah direktori.
F# unggul dalam ilmu data dan pembelajaran mesin. Artikel ini memberikan tautan ke beberapa sumber daya signifikan yang terkait dengan mode penggunaan F#ini.
Untuk informasi tentang opsi lain yang tersedia untuk pembelajaran mesin dan ilmu data, lihat Panduan F# Software Foundation untuk Ilmu Data dengan F#.
ML.NET
ML.NET adalah kerangka kerja pembelajaran mesin sumber terbuka dan lintas platform yang dibangun untuk pengembang .NET. Dengan ML.NET, Anda dapat membuat model ML kustom menggunakan C# atau F# tanpa harus meninggalkan ekosistem .NET. ML.NET memungkinkan Anda menggunakan kembali semua pengetahuan, keterampilan, kode, dan pustaka yang sudah Anda miliki sebagai pengembang .NET sehingga Anda dapat dengan mudah mengintegrasikan pembelajaran mesin ke dalam aplikasi web, seluler, desktop, game, dan IoT Anda.
Pembelajaran Mendalam dengan TorchSharp
TorchSharp adalah set pengikatan sumber terbuka untuk mesin Pytorch yang dapat digunakan untuk pembelajaran mendalam dari F#. Contoh dalam F# tersedia di TorchSharpExamples.
FsLab
FsLab adalah ruang inkubasi komunitas F# untuk ilmu data dengan F#.
Lihat juga
Berkolaborasi dengan kami di GitHub
Sumber untuk konten ini dapat ditemukan di GitHub, yang juga dapat Anda gunakan untuk membuat dan meninjau masalah dan menarik permintaan. Untuk informasi selengkapnya, lihat panduan kontributor kami.
