zelfstudies voor ML.NET

In de volgende zelfstudies leert u hoe u ML.NET kunt gebruiken om aangepaste machine learning-oplossingen te bouwen en deze te integreren in uw .NET-toepassingen:

• Sentimentanalyse: Een binaire classificatietaak toepassen met behulp van ML.NET.
• GitHub-probleemclassificatie: Pas een classificatietaak met meerdere klassen toe met behulp van ML.NET.
• Prijsvoorspelling: Een regressietaak toepassen met behulp van ML.NET.
• Irisclustering: Een clustertaak toepassen met behulp van ML.NET.
• Aanbeveling: Filmaanbeveling genereren op basis van eerdere gebruikersbeoordelingen
• Afbeeldingsclassificatie: Een bestaand TensorFlow-model opnieuw trainen om een aangepaste afbeeldingsclassificatie te maken met behulp van ML.NET.
• Anomaliedetectie: Bouw een anomaliedetectietoepassing voor productverkoopgegevensanalyse.
• Objecten in afbeeldingen detecteren: objecten in afbeeldingen detecteren met behulp van een vooraf getraind ONNX-model.
• Categoriseer een afbeelding van het Custom Vision ONNX-model: objecten in afbeeldingen detecteren met behulp van een ONNX-model dat is getraind in de Microsoft Custom Vision-service.
• Sentiment van filmrecensies classificeren: Laad een vooraf getraind TensorFlow-model om het gevoel van filmrecensies te classificeren.

Volgende stappen

Zie de GitHub-opslagplaats dotnet/machinelearning-samples voor meer voorbeelden die gebruikmaken van ML.NET.