Bagikan melalui

tutorial ML.NET

  • Artikel

Tutorial berikut memungkinkan Anda untuk memahami cara menggunakan ML.NET untuk membangun solusi pembelajaran mesin khusus dan mengintegrasikannya ke dalam aplikasi .NET Anda:

  • Analisis sentimen: menunjukkan cara menerapkan tugas klasifikasi biner menggunakan ML.NET.
  • GitHub klasifikasi masalah: menunjukkan cara menerapkan tugas klasifikasi multiclass menggunakan ML.NET.
  • Prediktor harga: menunjukkan cara menerapkan tugas regresi menggunakan ML.NET.
  • Pengelompokan iris: menunjukkan cara menerapkan tugas pengelompokan menggunakan ML.NET.
  • Rekomendasi: buat rekomendasi film berdasarkan peringkat pengguna sebelumnya
  • Klasifikasi gambar: menunjukkan cara melatih kembali model TensorFlow yang ada untuk membuat pengklasifikasi gambar kustom menggunakan ML.NET.
  • Deteksi anomali: menunjukkan cara membangun aplikasi deteksi anomali untuk analisis data penjualan produk.
  • Mendeteksi objek dalam gambar: menunjukkan cara mendeteksi objek dalam gambar menggunakan model ONNX yang telah dilatih sebelumnya.
  • Mengklasifikasikan sentimen ulasan film: belajar memuat model TensorFlow yang telah dilatih sebelumnya untuk mengklasifikasikan sentimen ulasan film.

Langkah berikutnya

Untuk contoh selengkapnya yang menggunakan ML.NET, lihat dotnet/machinelearning-samples GitHub repositori.