documentatie voor ML.NET

Meer informatie over het gebruik van opensource-ML.NET om aangepaste machine learning-modellen te bouwen en te integreren in apps. Zelfstudies, codevoorbeelden en meer laten zien hoe u dit kunt doen.

basisbeginselen van ML.NET

Overzicht

• Overzicht van ML.NET
• Wat is de ML.NET-API?
• Wat is Model Builder?

video

• Basisbeginselen van machine learning

Concept

• Machine learning-taken & algoritmen
• Een algoritme kiezen

Aan de slag

• ML.NET op Q&A

Aan de slag over 10 minuten

Snelstart

• Aan de slag met de ML.NET-API (code-first)
• Model Builder instellen in Visual Studio (weinig code)
• De CLI installeren op macOS, Windows of Linux (weinig code)

Tutorials

Training

• Voorspellend onderhoud (Model Builder)

Zelfstudie

• Sentiment voor websitecommentaar analyseren (Model Builder)
• Prijzen voorspellen (Model Builder)
• Statusschendingen categoriseren (Model Builder & SQL Server)
• Ondersteuningsproblemen categoriseren (API)
• Afbeeldingen classificeren met afbeeldingsclassificatie-API (API)
• Objectdetectie gebruiken om verkeersborden te herkennen (Model Builder)
• Objecten in afbeeldingen detecteren (API)
• Afwijkingen in productverkoop detecteren (API)
• Vraag naar fietsverhuur voorspellen (API & SQL Server)
• Een filmbeveelaar bouwen (API)

Handleidingen

Instructies

• Gegevens uit verschillende bronnen laden
• Gegevens voorbereiden voor het bouwen van een model
• Een model trainen & evalueren
• Voorspellingen doen met een getraind model
• Een getraind model laden & opslaan
• Een model opnieuw trainen

Referentie

Referentie

• ML.NET API-verwijzing
• naslaginformatie over ML.NET CLI
• voorbeelden van ML.NET