На Build 2018 Microsoft объявила о выпуске ML.NET, кросс-платформенной среды машинного обучения с открытым исходным кодом. Целью компании являются разработчики.NET, которые получат возможность разрабатывать свои собственные модели и внедрять собственные ML в свои приложения, не имея опыта в разработке или настройке моделей машинного обучения.

ML.NET позволяет задачи ML

NET была изначально разработана Microsoft Research и превратилась в масштабную структуру за последние десять лет. Теперь он используется во многих группах продуктов в Microsoft, включая Azure, Bing, Windows и другие.

Как показано в предварительном выпуске, ML.NET включает задачи ML, такие как классификация (анализ настроений и категоризация текста) и регрессия (прогнозирование и прогнозирование цен).

Алгоритм классификации настроений Microsoft ML.NET

Помимо этих возможностей ML, в первом выпуске ML.NET также упакован первый проект API-интерфейсов.NET для обучающих моделей с использованием моделей для прогнозирования и основных компонентов инфраструктуры, включая преобразования, алгоритмы и основные структуры данных ML.

ML.NET также может быть расширен для добавления популярных библиотек ML, таких как TensorFlow, Accord.NET и CNTK. Microsoft заявила в своем официальном объявлении, что компания « намерена донести весь опыт внутренних возможностей ML.NET до ML.NET с открытым исходным кодом. Подводя итог, ML.NET - это наше стремление сделать ML великолепным в.NET ».

ML.NET позволит больше сценариев с течением времени

В будущем ML.NET разрешит другие ситуации, такие как обнаружение аномалий, системы рекомендаций и подходы, такие как глубокое обучение, за счет использования популярных библиотек глубокого обучения, таких как TensorFlow, Caffe2 и CNTK, а также общих библиотек машинного обучения, таких как Accord.NET.

ML.NET также будет поддерживать и расширять возможности, предоставляемые службами машинного обучения и когнитивного обслуживания Azure, предоставляя подход, основанный на коде, поддержку локального развертывания приложений и возможность создания личных моделей.

Присоединяйтесь к Microsoft на GitHub, чтобы поддержать формирование будущего ML в.NET.