esercitazioni ML.NET

Le esercitazioni seguenti consentono di comprendere come usare ML.NET per creare soluzioni di Machine Learning personalizzate e integrarle nelle applicazioni .NET:

• Analisi del sentiment: applicare un'attività di classificazione binaria utilizzando ML.NET.
• Classificazione dei problemi di GitHub: applicare un'attività di classificazione multiclasse usando ML.NET.
• Previsione prezzi: applicare un'attività di regressione usando ML.NET.
• Clusterizzazione dell'Iris: applicare un compito di clusterizzazione usando ML.NET.
• Raccomandazione: Generare raccomandazioni sui film in base alle valutazioni utente precedenti
• Classificazione delle immagini: ripetere il training di un modello TensorFlow esistente per creare un classificatore di immagini personalizzato usando ML.NET.
• Rilevamento anomalie: creare un'applicazione di rilevamento anomalie per l'analisi dei dati di vendita del prodotto.
• Rilevamento degli oggetti nelle immagini: Individuare gli oggetti nelle immagini usando un modello ONNX preaddestrato.
• Classificare un'immagine dal modello ONNX di Visione personalizzata: rilevare gli oggetti nelle immagini usando un modello ONNX sottoposto a training nel servizio Visione personalizzata Microsoft.
• Classificare il sentiment delle recensioni di film: caricare un modello TensorFlow pre-addestrato per classificare il sentiment delle recensioni di film.

Passaggi successivi

Per altri esempi che usano ML.NET, vedere il repository GitHub dotnet/machinelearning-samples .