dotnet/machinelearning-samples

解決する課題

このリポジトリは、.NET 開発者が ML.NET フレームワークを使用してアプリケーションに機械学習を統合するのに役立つ、実践的な例の包括的なコレクションを提供します。一般的な ML タスクにおいて、ML.NET API と実際の実装のギャップを埋めます。

仕組み

プロジェクトは主に 2 種類のサンプルに分類されています：

• Getting Started: コア コードの実装を示すために、特定の ML タスクに焦点を当てたシンプルなコンソール アプリケーション。
• End-to-End Apps: 本番環境に近い環境で ML モデルをデプロイする方法を示す、完全な Web およびデスクトップ アプリケーション（例：WebAPI、Razor、Azure Functions、Blazor）。

また、コマンド ライン インターフェース (CLI) と AutoML API を介した自動モデル生成のプレビュー機能も含まれており、提供されたデータセットに基づいてアルゴリズムとハイパーパラメーターが自動的に選択されます。

対象者

C# または F# を使用して .NET エコシステム内に機械学習機能（分類、回帰、コンピューター ビジョンなど）を実装したいと考えている .NET 開発者。

ハイライト

• 多様な ML タスク カバレッジ: 二項分類および多クラス分類、レコメンド システム、回帰、時系列予測、異常検出、クラスタリング、ランキングのサンプルが含まれています。
• コンピューター ビジョン: 画像分類（高レベル API、TensorFlow、TensorFlow Featurizer 経由）およびオブジェクト検出（ONNX 経由）の例。
• AutoML 統合: 二項分類、多クラス分類、および回帰のためのモデル トレーニングとコード生成を自動化するツール。
• デプロイ例: WebAPI、Azure Functions、Blazor アプリでモデルをスケーリングする方法を示します。