dotnet/machinelearning-samples

해결하는 문제

이 리포지토리는 .NET 개발자가 ML.NET 프레임워크를 사용하여 애플리케이션에 머신 러닝을 통합할 수 있도록 돕는 실용적인 예제 모음을 제공합니다. 다양한 일반적인 ML 작업에 대해 ML.NET API와 실제 구현 사이의 간극을 메워줍니다.

작동 방식

이 프로젝트는 두 가지 주요 유형의 샘플로 구성되어 있습니다:

• Getting Started: 핵심 코드 구현을 보여주기 위해 특정 ML 작업에 중점을 둔 간단한 콘솔 애플리케이션입니다.
• End-to-End Apps: 프로덕션 환경과 유사한 환경에서 ML 모델을 배포하는 방법을 보여주는 전체 웹 및 데스크톱 애플리케이션입니다(예: WebAPI, Razor, Azure Functions, Blazor).

또한 CLI(명령줄 인터페이스) 및 AutoML API를 통한 자동화된 모델 생성을 위한 미리보기 기능도 포함되어 있으며, 제공된 데이터셋을 기반으로 알고리즘과 하이퍼파라미터를 자동으로 선택합니다.

대상

C# 또는 F#를 사용하여 .NET 생태계 내에 머신 러닝 기능(예: 분류, 회귀, 컴퓨터 비전)을 구현하려는 .NET 개발자.

주요 특징

• 다양한 ML 작업 범위: 이진 및 다중 클래스 분류, 추천 시스템, 회귀, 시계열 예측, 이상 탐지, 클러스터링 및 순위 지정을 위한 샘플이 포함되어 있습니다.
• 컴퓨터 비전: 이미지 분류(고급 API, TensorFlow 및 TensorFlow Featurizer 통해) 및 객체 탐지(ONNX 통해)를 위한 예제입니다.
• AutoML 통합: 이진 분류, 다중 클래스 분류 및 회귀를 위한 모델 학습 및 코드 생성을 자동화하는 도구입니다.
• 배포 예제: WebAPI, Azure Functions 및 Blazor 앱에서 모델을 확장하는 방법을 보여줍니다.