Nota
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare ad accedere o modificare le directory.
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare a modificare le directory.
F# eccelle nell'analisi scientifica dei dati e nell'apprendimento automatico. Questo articolo fornisce collegamenti ad alcune risorse significative correlate a questa modalità di utilizzo di F#.
Per informazioni su altre opzioni disponibili per l'apprendimento automatico e l'analisi scientifica dei dati, vedere la Guida di F# Software Foundation alla data science con F#.
ML.NET
ML.NET è un framework di Machine Learning open source e multipiattaforma creato per gli sviluppatori .NET. Con ML.NET è possibile creare modelli di Machine Learning personalizzati usando C# o F# senza dover uscire dall'ecosistema .NET. ML.NET consente di riutilizzare tutte le conoscenze, le competenze, il codice e le librerie già disponibili come sviluppatore .NET in modo da poter integrare facilmente Machine Learning nelle app Web, per dispositivi mobili, desktop, giochi e IoT.
Deep Learning con TorchSharp
TorchSharp è un set open source di associazioni per il motore Pytorch utilizzabile per l'apprendimento avanzato da F#. Gli esempi in F# sono disponibili in TorchSharpExamples.
FsLab
FsLab è uno spazio di incubazione della community F# per l'analisi scientifica dei dati con F#.
Vedere anche
Collabora con noi su GitHub
L'origine di questo contenuto è disponibile in GitHub, in cui è anche possibile creare ed esaminare i problemi e le richieste pull. Per ulteriori informazioni, vedere la guida per i collaboratori.
