Che cos'è un modello di Machine Learning?

Un modello di Machine Learning è un oggetto (archiviato localmente in un file) sottoposto a training per riconoscere determinati tipi di modelli. Il training di un modello viene eseguito su un set di dati, fornendogli un algoritmo che può usare per ragionare e apprendere da questi dati.

Dopo aver eseguito il training, puoi usare il modello per ragionare sui dati non visualizzati in precedenza ed effettuare previsioni su tali dati. Ad esempio, immagina di voler creare un'applicazione in grado di riconoscere le emozioni di un utente in base alle sue espressioni facciali. Puoi eseguire il training di un modello fornendogli immagini di visi ognuna con una determinata emozione, quindi usare tale modello in un'applicazione in grado di riconoscere le emozioni di qualsiasi utente.

Quando usare Machine Learning

Gli scenari di Machine Learning validi hanno spesso le proprietà comuni seguenti:

1. Implicano una decisione o una valutazione ripetuta che si vuole automatizzare e richiedere risultati coerenti.
2. È difficile o impossibile descrivere in modo esplicito la soluzione o i criteri alla base di una decisione.
3. Sono stati etichettati dati o esempi esistenti in cui è possibile descrivere la situazione ed eseguirne il mapping al risultato corretto.

Windows Machine Learning usa il formato Open Neural Network Exchange (ONNX) per i relativi modelli. Puoi scaricare un modello con training preliminare oppure eseguire il training del tuo modello. Per altre informazioni, vedi Ottenere modelli ONNX per Windows ML.

Operazioni preliminari

Per iniziare a usare Windows Machine Learning, seguire una delle esercitazioni complete sull'app o passare direttamente agli esempi di Windows Machine Learning.

Nota

Per informazioni su Windows Machine Learning, usa le risorse seguenti:

• Per porre domande tecniche o rispondere a domande tecniche su Windows Machine Learning, usa il tag windows-machine-learning in Stack Overflow.
• Per segnalare un bug, registra il problema in GitHub.