Documentazione di ML.NET

Informazioni su come usare ML.NET open source per creare modelli di Machine Learning personalizzati e integrarli nelle app. Esercitazioni, esempi di codice e altre risorse illustrano come fare.

Nozioni di base su ML.NET

Panoramica

• Cos'è l'API ML.NET?
• Che cos'è Model Builder?

video

• Nozioni fondamentali sull'apprendimento automatico

Concetto

• Attività e algoritmi di apprendimento automatico
• Come scegliere un algoritmo

Introduzione

• ML.NET in Q&A

Per iniziare in 10 minuti

Avvio rapido

• Introduzione all'API ML.NET (Code First)
• Configurare Model Builder in Visual Studio (con poco codice)
• Installare l'interfaccia della riga di comando in macOS, Windows o Linux (con poco codice)

Esercitazioni

Formazione

• Manutenzione predittiva (Model Builder)

Esercitazione

• Analizzare la valutazione dei commenti di un sito Web (Model Builder)
• Stimare i prezzi (Model Builder)
• Categorizzare le violazioni di integrità (Model Builder e SQL Server)
• Categorizzare i problemi di supporto (API)
• Classificare le immagini con l'API di classificazione immagini (API)
• Usare il rilevamento degli oggetti per riconoscere i segnali stradali (Model Builder)
• Rilevare gli oggetti nelle immagini (API)
• Rilevare le anomalie nelle vendite di prodotti (API)
• Prevedere la domanda di noleggio biciclette (API e SQL Server)
• Creare un sistema di raccomandazione di film (API)

Guide pratiche

Guida pratica

• Caricare dati da origini diverse
• Preparare i dati per la creazione di un modello
• Eseguire il training di un modello e valutarlo
• Effettuare previsioni con un modello con training
• Salvare e caricare un modello sottoposto a training
• Ripetere il training di un modello

Riferimento

Riferimento

• Informazioni di riferimento sulle API ML.NET
• Riferimento interfaccia della riga di comando
• Esempi di ML.NET