På Build 2018 kunngjorde Microsoft forhåndsvisningen av ML.NET, et rammeverk for plattformer, open source-maskiner for læring. Selskapets mål er.NET-utviklere som vil få sjansen til å utvikle sine helt egne modeller og tilpasse tilpasset ML i appene sine uten å måtte ha kompetanse i å utvikle eller innstille maskinlæringsmodeller.

ML.NET muliggjør ML-oppgaver

NET ble opprinnelig utviklet av Microsoft Research og utviklet seg til et enormt rammeverk de siste ti årene. Nå brukes det på mange produktgrupper i Microsoft inkludert Azure, Bing, Windows og mer.

Som vist i forhåndsvisningsutgivelsen, aktiverer ML.NET ML-oppgaver som klassifisering (sentimentanalyse og tekstkategorisering) og regresjon (prisforutsigelse og prognoser).

Microsoft ML.NET sentimentklassifiseringsalgoritme

Foruten disse ML-mulighetene, pakker den første utgivelsen av ML.NET også det første utkastet av.NET API-er for treningsmodeller, ved å bruke modeller for prediksjon og kjernekomponentene i rammene, inkludert transforms, algoritmer og ML-datastrukturer.

ML.NET kan også utvides til å legge til populære ML-biblioteker som TensorFlow, Accord.NET og CNTK. Microsoft uttalte i sin offisielle kunngjøring at selskapet er « forpliktet til å bringe den fulle opplevelsen av ML.NETs interne evner til ML.NET i åpen kildekode. For å oppsummere det hele, er ML.NET vår forpliktelse til å gjøre ML bra i.NET. ”

ML.NET vil aktivere flere scenarier over tid

ML.NET vil tillate andre situasjoner i fremtiden, slik som anomalideteksjon, anbefalingssystemer og tilnærminger som dyp læring ved å utnytte populære dype læringsbiblioteker som TensorFlow, Caffe2 og CNTK, og også generelle maskinlæringsbiblioteker som Accord.NET.

ML.NET vil også støtte og forbedre opplevelsen som Azure Machine Learning and Cognitive Services gir ved å tillate en kode-første tilnærming, støtte app-lokal distribusjon og muligheten til å bygge personlige modeller.

Bli med Microsoft på GitHub for å støtte utformingen av fremtiden til ML i.NET.