Машинное обучение с помощью F#

F# преуспевает в обработке и анализе данных и машинном обучении. В этой статье приводятся ссылки на некоторые значительные ресурсы, связанные с этим режимом использования F#.

Дополнительные сведения о других вариантах, доступных для машинного обучения и обработки и анализа данных, см. в руководстве F# Software Foundation по обработке и анализу данных с помощью F#.

ML.NET

ML.NET — это кроссплатформенная платформа машинного обучения с открытым кодом, созданная для разработчиков .NET. С помощью ML.NET можно создавать пользовательские модели машинного обучения с помощью C# или F# без необходимости покидать экосистему .NET. ML.NET позволяет повторно использовать все знания, навыки, код и библиотеки, которые у вас уже есть в качестве разработчика .NET, чтобы вы могли легко интегрировать машинное обучение в интернет, мобильные, настольные, классические, игры и приложения Интернета вещей.

Глубокое обучение с помощью TorchSharp

TorchSharp — это набор привязок с открытым исходным кодом для подсистемы Pytorch, доступной для глубокого обучения с помощью F#. Примеры в F# доступны в TorchSharpExamples.

FsLab

FsLab — это пространство инкубации сообщества F# для обработки и анализа данных с помощью F#.

См. также

• Записные книжки F#
• Руководство по доступу к данным с помощью F#
• Руководство по обработке и анализу данных с помощью F#