documentatie voor ML.NET

Leer hoe je het open source ML.NET gebruikt om aangepaste Machine Learning-modellen te bouwen en de modellen in apps te integreren. Met zelfstudies, codevoorbeelden en meer leer je hoe je dit doet.

basisbeginselen van ML.NET

Overzicht

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

video

• Basisbeginselen van machine learning

Concept

• Machine learning-taken en -algoritmen
• Een algoritme kiezen

Aan de slag

• ML.NET op Q&A

In 10 minuten aan de slag

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)

Zelfstudies

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)

Procedures

Instructies

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

Verwijzing

Referentie

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