概念
结论
回顾我们在课程中学到的概念和技术。
-
机器学习基础：包括机器学习术语、机器学习流程以及机器学习的类型。
-
ML.NET 命令行工具：介绍了所有可用机器学习任务类型的基本命令行语法。
-
ML.NET 应用程序结构：包括自动生成的 .NET 项目结构，以及在应用程序中实现机器学习功能所需的 NuGet 包。
-
ML.NET 支持的监督学习任务：包括分类、回归、推荐、预测和排序。
-
ML.NET 支持的无监督学习任务：包括聚类和异常检测。
-
深度学习：深度学习的基础知识，以及 ML.NET 深度学习 API 的使用方法。
-
使用 AutoML：自动化机器学习流程中的尽可能多的步骤。
-
模型的保存与导入：使用 ML.NET API 将模型保存为文件，将模型转换为 ONNX 格式，以及使用预训练的 TensorFlow 模型。