Partager via


TaskType type

Définit les valeurs de TaskType.
KnownTaskType peut être utilisé indifféremment avec TaskType. Cette énumération contient les valeurs connues que le service prend en charge.

Valeurs connues prises en charge par le service

Classification : La classification dans le Machine Learning et les statistiques est une approche d’apprentissage supervisée dans laquelle le programme informatique apprend à partir des données qui lui sont fournies et effectue de nouvelles observations ou classifications.
Régression : la régression signifie prédire la valeur à l’aide des données d’entrée. Les modèles de régression sont utilisés pour prédire une valeur continue.
Prévision : la prévision est un type spécial de tâche de régression qui traite des données de série chronologique et crée un modèle de prévision qui peut être utilisé pour prédire les valeurs dans un avenir proche en fonction des entrées.
ImageClassification : Classification d’images. La classification d’images multiclasses est utilisée lorsqu’une image est classée avec une seule étiquette d’un ensemble de classes, par exemple, chaque image est classée comme image d’un « chat », d’un « chien » ou d’un « canard ».
ImageClassificationMultilabel : Classification d’images Multilabel. La classification d’images multi-étiquettes est utilisée lorsqu’une image peut avoir une ou plusieurs étiquettes d’un ensemble d’étiquettes. Par exemple, une image peut être étiquetée avec « chat » et « chien ».
ImageObjectDetection : Détection d’objets d’image. La détection d’objets permet d’identifier les objets d’une image et de localiser chaque objet avec un cadre englobant, par exemple, localiser tous les chiens et les chats dans une image et dessiner un cadre englobant autour de chacun d’eux.
ImageInstanceSegmentation : Segmentation de l’instance d’image. La segmentation d’instance permet d’identifier les objets d’une image au niveau des pixels, en dessinant un polygone autour de chaque objet de l’image.
TextClassification : la classification de texte (également appelée étiquetage de texte ou catégorisation de texte) est le processus de tri des textes en catégories. Les catégories s’excluent mutuellement.
TextClassificationMultilabel : la tâche de classification multiétiquette affecte chaque échantillon à un groupe (zéro ou plus) d’étiquettes cibles.
TextNER : Reconnaissance d’entité nommée de texte, également appelée TextNER. La reconnaissance d’entité nommée (NER) est la possibilité de prendre du texte de forme libre et d’identifier les occurrences d’entités telles que des personnes, des emplacements, des organisations, etc.

type TaskType = string