Ved Build 2018 annoncerede Microsoft forhåndsvisningen af ​​ML.NET, en tværplatform, open source-maskinelæringsramme. Virksomhedens mål er.NET-udviklere, som får chancen for at udvikle deres helt egne modeller og tilføre tilpasset ML i deres apps uden at skulle have ekspertise i at udvikle eller indstille modeller for maskinlæring.

ML.NET muliggør ML-opgaver

NET blev oprindeligt udviklet af Microsoft Research og udviklet sig til en massiv ramme i løbet af de sidste ti år. Nu bruges det på tværs af mange produktgrupper i Microsoft, herunder Azure, Bing, Windows og mere.

Som vist i preview-frigivelsen aktiverer ML.NET ML-opgaver såsom klassificering (sentimentanalyse og tekstkategorisering) og regression (prisforudsigelse og prognoser).

Microsoft ML.NET-følelsesklassificeringsalgoritme

Ud over disse ML-kapaciteter pakker den første udgivelse af ML.NET også det første udkast til.NET API'er til træningsmodeller, ved hjælp af modeller til forudsigelse og kernekomponenterne i rammen, herunder transformer, algoritmer og kerne ML-datastrukturer.

ML.NET kan også udvides til at tilføje populære ML-biblioteker såsom TensorFlow, Accord.NET og CNTK. Microsoft erklærede i sin officielle meddelelse, at virksomheden er “ forpligtet til at bringe den fulde oplevelse af ML.NETs interne kapaciteter til ML.NET i open source. For at opsummere det hele, er ML.NET vores forpligtelse til at gøre ML stor i.NET. ”

ML.NET aktiverer flere scenarier over tid

ML.NET tillader andre situationer i fremtiden, såsom anomali-detektion, anbefalingssystemer og tilgange som dyb læring ved at udnytte populære dyb læringsbiblioteker som TensorFlow, Caffe2 og CNTK, og også generelle biblioteker til maskinindlæring såsom Accord.NET.

ML.NET vil også støtte og forbedre den oplevelse, som Azure Machine Learning og Cognitive Services leverer ved at tillade en kode-første tilgang, støtte app-lokal implementering og muligheden for at opbygge personlige modeller.

Bliv medlem af Microsoft på GitHub for at støtte udformningen af ​​ML's fremtid i.NET.