¿Qué es un modelo de Machine Learning?

Un modelo de aprendizaje automático es un objeto (almacenado localmente en un archivo) que se ha entrenado para reconocer determinados tipos de patrones. Se entrena un modelo a través de un conjunto de datos, lo que le proporciona un algoritmo que puede usar para razonar y aprender de esos datos.

Una vez que haya entrenado el modelo, puede usarlo para razonar sobre los datos que no ha visto antes y realizar predicciones sobre esos datos. Por ejemplo, supongamos que quiere crear una aplicación que pueda reconocer las emociones de un usuario en función de sus expresiones faciales. Puede entrenar un modelo proporcionándolo con imágenes de caras etiquetadas con una determinada emoción y, a continuación, puede usar ese modelo en una aplicación que pueda reconocer las emociones de cualquier usuario.

Cuándo usar Machine Learning

Los buenos escenarios de aprendizaje automático suelen tener las siguientes propiedades comunes:

1. Implican una decisión o evaluación repetidas que desea automatizar y necesitan resultados coherentes.
2. Es difícil o imposible describir explícitamente la solución o los criterios detrás de una decisión.
3. Ha etiquetado datos o ejemplos existentes en los que puede describir la situación y asignarla al resultado correcto.

Windows Machine Learning usa el Open Neural Network Exchange (ONNX) formato para sus modelos. Puede descargar un modelo entrenado previamente o puede entrenar su propio modelo. Consulte Obtener modelos ONNX para Windows ML para obtener más información.

Comenzar

Para empezar a trabajar con Windows Machine Learning, siga uno de nuestros tutoriales de aplicaciones completas o salte directamente a los ejemplos de Windows Machine Learning .

Nota

Use los siguientes recursos para obtener ayuda con Windows ML:

• Para formular o responder preguntas técnicas sobre Windows ML, use la etiqueta windows-machine-learning en Stack Overflow.
• Para notificar un error, envíe un problema en nuestra GitHub.