Документация по ML.NET

Узнайте, как использовать ML.NET с открытым кодом для создания пользовательских моделей машинного обучения и их интеграции в приложения. Учебники, примеры кода и многое другое.

основы ML.NET

Общие сведения

• Что такое API ML.NET?
• Что собой представляет построитель моделей?

video

• Основы машинного обучения

Концепция

• Задачи и алгоритмы машинного обучения
• Как выбрать алгоритм

Начало работы

• ML.NET на сайте Q&A

10-минутное руководство по началу работы

Краткое руководство

• Приступая к работе с API-интерфейсом ML.NET (code-first)
• Настройка построителя моделей в Visual Studio (минимальное написание кода)
• Установка CLI в macOS, Windows или Linux (минимальное написание кода)

Учебники

Обучение

• Прогнозное обслуживание (Model Builder)

Учебник

• Анализ тональности комментариев веб-сайта (построитель моделей)
• Прогнозирование цен с помощью построителя моделей
• Категоризация нарушения санитарных норм (построитель моделей и SQL Server)
• Классификация проблем поддержки (API)
• Классификация изображений с помощью API классификации изображений (API)
• Использование обнаружения объектов для распознавания дорожных знаков (Model Builder)
• Распознавание объектов на изображениях (API)
• Обнаружение аномалий в данных о продажах товаров (API)
• Прогнозирование спроса на прокат велосипедов (API и SQL Server)
• Создание приложения для рекомендации фильмов (API)

Практические руководства

Практическое руководство

• Загрузка данных из различных источников
• Подготовка данных для построения модели
• Обучение и оценка модели
• Прогнозирование с помощью обученной модели
• Сохранение и загрузка обученной модели
• Повторное обучение модели

Справочные материалы

Ссылка

• Справочник по ML.NET API
• Справочник по интерфейсу командной строки ML.NET
• Примеры ML.NET