Was ist ein Machine Learning-Modell?

Ein Machine Learning-Modell ist ein Objekt (lokal in einer Datei gespeichert), das darauf trainiert wurde, bestimmte Arten von Mustern zu erkennen. Sie trainieren ein Modell anhand von Daten, indem Sie einen Algorithmus bereitstellen, mit dem diese Daten analysiert und zum Lernen verwendet werden können.

Nachdem Sie das Modell trainiert haben, können Sie es verwenden, um Daten zu analysieren, die es zuvor noch nicht gekannt hat, und um Vorhersagen über diese Daten zu treffen. Nehmen wir beispielsweise an, Sie möchten eine Anwendung erstellen, die die Emotionen eines Benutzers auf der Grundlage seiner Gesichtsausdrücke erkennen kann. Sie können ein Modell trainieren, indem Sie ihm Bilder von Gesichtern präsentieren, die jeweils durch eine bestimmte Emotion gekennzeichnet sind. Anschließend können Sie dieses Modell in einer Anwendung verwenden, die die Emotionen eines beliebigen Benutzers erkennen kann.

Verwendung von Machine Learning

Geeignete Machine Learning-Szenarien weisen häufig die folgenden allgemeinen Eigenschaften auf:

1. Sie umfassen eine wiederholte Entscheidung oder Auswertung, die Sie automatisieren können, und sie benötigen konsistente Ergebnisse.
2. Es ist schwierig oder unmöglich, die Lösung oder die Kriterien hinter einer Entscheidung explizit zu beschreiben.
3. Sie verfügen über beschriftete Daten oder vorhandene Beispiele, anhand derer Sie die Situation beschreiben und dem richtigen Ergebnis zuordnen können.

Windows Machine Learning verwendet das ONNX-Format (Open Neural Network Exchange) für Modelle. Sie können ein vortrainiertes Modell herunterladen, oder Sie können Ihr eigenes Modell trainieren. Weitere Informationen finden Sie unter Abrufen von ONNX-Modellen für Windows ML.

Erste Schritte

Sie können Ihre ersten Schritte mit Windows Machine Learning ausführen, indem Sie eines unserer vollständigen App-Tutorials befolgen oder direkt zu den Windows Machine Learning-Beispielen wechseln.