O que é um modelo de machine learning?

Um modelo de machine learning é um objeto (armazenado localmente em um arquivo) que foi treinado para reconhecer determinados tipos de padrões. Você treina um modelo em um conjunto de dados, fornecendo a ele um algoritmo que pode ser usado para ponderar e aprender com esses dados.

Depois de treinar o modelo, você pode usá-lo para ponderar dados que ele não viu antes e fazer previsões sobre esses dados. Digamos, por exemplo, que você deseja criar um aplicativo capaz de reconhecer as emoções de um usuário com base nas expressões faciais. É possível treinar um modelo fornecendo-lhe imagens de rostos marcadas com determinada emoção e, em seguida, usar esse modelo em um aplicativo que consiga reconhecer a emoção de qualquer usuário.

Quando usar o Machine Learning

Os bons cenários de machine learning geralmente têm as seguintes propriedades comuns:

1. Envolvem uma decisão ou uma avaliação repetida que você deseja automatizar e precisa de resultados consistentes.
2. É difícil ou impossível descrever explicitamente a solução ou os critérios por trás da decisão.
3. Você rotulou os dados ou os exemplos existentes em que pode descrever a situação e mapeá-la para o resultado correto.

O Windows Machine Learning usa o formato Open Neural Network Exchange (ONNX) para seus modelos. Você pode baixar um modelo previamente treinado ou pode treinar seu próprio modelo. Consulte Obter modelos ONNX para o Windows ML para obter mais informações.

Introdução

Você pode começar a usar o Windows Machine Learning seguindo um dos tutoriais de aplicativo completo ou indo direto para os exemplos do Windows Machine Learning.

Observação

Use os recursos a seguir para obter ajuda com o Windows ML:

• Para fazer perguntas ou responder a perguntas técnicas sobre o Windows ML, use a marca windows-machine-learning no Stack Overflow.
• Para relatar um bug, registre um problema no nosso GitHub.