ML.NET-Tutorials

Folgende Tutorials unterstützen Sie dabei, ML.NET für das Erstellen von benutzerdefinierten Lösungen für maschinelles Lernen und deren Integration in Ihre .NET-Anwendungen zu verwenden.

• Standpunktanalyse: veranschaulicht, wie ein binärer Klassifizierungstask mithilfe von ML.NET angewendet wird.
• Klassifizierung von GitHub-Problemen: Veranschaulicht, wie ein Task des Typs Multiklassenklassifizierung mithilfe von ML.NET angewendet wird.
• Preisvorhersage: veranschaulicht, wie ein Regressionstask mithilfe von ML.NET angewendet wird.
• Iris-Clustering: veranschaulicht, wie ein Clusteringtask mithilfe von ML.NET angewendet wird.
• Empfehlung: Generieren von Filmempfehlungen basierend auf vorherigen Benutzerbewertungen
• Bildklassifizierung: Veranschaulicht, wie ein vorhandenes TensorFlow-Modell zum Erstellen einer benutzerdefinierten Bildklassifizierung mithilfe von ML.NET erneut trainiert wird.
• Anomalieerkennung: Veranschaulicht, wie eine Anwendung zur Anomalieerkennung bei Analysen zu Produktvertriebsdaten erstellt wird.
• Erkennen von Objekten in Bildern: Veranschaulicht, wie mithilfe eines vorab trainierten ONNX-Modells Objekte in Bildern erkannt werden.
• Klassifizieren der Stimmung von Filmkritiken: Laden eines vortrainierten TensorFlow-Modells zum Klassifizieren der Stimmung von Filmkritiken

Nächste Schritte

Weitere Beispiele für die Verwendung von ML.NET finden Sie im GitHub-Repository dotnet/machinelearning-samples.