Esercitazioni di ML.NET

Le esercitazioni seguenti consentono di comprendere l'uso di ML.NET per creare soluzioni di apprendimento automatico personalizzate e integrarle nelle applicazioni .NET:

• Analisi del sentiment: illustra come applicare un'attività di classificazione binaria usando ML.NET.
• GitHub issue classification (Classificazione dei problemi di GitHub): viene illustrato come applicare un'attività di classificazione multiclasse usando ML.NET.
• Previsione dei prezzi: illustra come applicare un'attività di regressione usando ML.NET.
• Clustering Iris: illustra come applicare un'attività di clustering usando ML.NET.
• Raccomandazione: generare le raccomandazioni per i film in base alle classificazioni degli utenti precedenti
• Classificazione delle immagini: illustra come eseguire di nuovo il training di un modello TensorFlow esistente per creare un classificatore di immagini personalizzato usando ML.NET.
• Rilevamento anomalie: informazioni su come creare un'applicazione di rilevamento delle anomalie per l'analisi dei dati di vendita dei prodotti.
• Rilevare gli oggetti in immagini: illustra come rilevare gli oggetti in immagini usando un modello ONNX con training preliminare.
• Classificare il sentiment delle recensioni di film: informazioni su come caricare un modello TensorFlow con training preliminare per classificare il sentiment delle recensioni di film.

Passaggi successivi

Per altri esempi in cui viene usato ML.NET, vedere il repository GitHub dotnet/machinelearning-samples.