Anunciado por ML.NET 1.0

Recientemente anunciamos el lanzamiento de ML.NET 1.0 . ML.NET es un marco de aprendizaje automático gratuito, multiplataforma y abierto diseñado para aprovechar las capacidades de aprendizaje automático (ML) en aplicaciones .NET.



github.com/dotnet/machinelearning
Inicio: dot.net/ml

ML.NET le permite entrenar, crear y entregar modelos personalizados de aprendizaje automático utilizando C # o F # para escenarios como análisis de sentimientos, clasificación de problemas, pronósticos, recomendaciones y muchos otros. Puede consultar estos escenarios y tareas comunes en nuestro repositorio de muestra ML.NET de muestra .

ML.NET se desarrolló originalmente como parte de Microsoft Research, pero más tarde se convirtió en un marco significativo utilizado por muchos productos de Microsoft, como Windows Defender, Microsoft Office (ideas para el diseño en PowerPoint, diagramas recomendados en Excel), Azure Machine Learning, visualización de factores clave influencias en PowerBI y demás!

Desde su lanzamiento, ML.NET ha sido utilizado por muchas organizaciones, como SigParser (detección de spam en el correo electrónico) , William Mullens (clasificación de problemas legales) y Evolution Software (determinación de la humedad de la avellana) . Puede seguir el camino de estas y muchas otras organizaciones usando ML.NET en nuestras vitrinas de clientes de ML.NET . Los clientes presentados nos dicen que la facilidad de uso de ML.NET, la capacidad de reutilizar sus habilidades .NET y la preservación completa de su stack técnico en .NET son los principales impulsores para usar ML.NET.

Junto con el lanzamiento de ML.NET 1.0, también estamos agregando nuevas características de vista previa, como el aprendizaje automático automatizado (AutoML) y nuevas herramientas, como ML.NET CLI y ML.NET Model Builder, lo que significa agregar modelos de aprendizaje automático a ¡Sus aplicaciones ahora se llevan a cabo solo haciendo clic derecho!



El resto de esta publicación está dedicado a este nuevo experimento.

• Componentes clave de ML.NET
• Aprendizaje automático automatizado (vista previa)
• ML.NET Model Builder (Vista previa)
• ML.NET CLI (Vista previa)
• Comenzando con ML.NET
• Camino por delante

Componentes clave de ML.NET

ML.NET tiene como objetivo proporcionar el flujo de trabajo final para usar ML en aplicaciones .NET en varias etapas del aprendizaje automático (preprocesamiento, características de diseño, modelado, evaluación y puesta en marcha). ML.NET 1.0 proporciona los siguientes componentes clave:

1. Presentación de datos.
   
   • Tipos de datos fundamentales de canalización de datos ML como IDataView (es un tipo fundamental de canalización de datos)
   • Lectores para admitir la lectura de datos de archivos de texto delimitados u objetos IEnumerable
2. Soporte para tareas de aprendizaje automático:
   
   • Clasificación binaria
   • Clasificación multiclase
   • Regresión
   • Ranking
   • Detección de anomalías
   • Agrupación
   • Recomendación (vista previa)
3. Transformación de datos y caracterización
   
   • Texto
   • Categorias
   • Selección de funciones
   • Normalización y procesamiento de valores perdidos.
   • Caracterización de imagen
   • Series temporales (vista previa)
   • Soporte para la integración de los modelos ONNX y TensorFlow (vista previa)
4. Otros
   
   • Modelo de comprensión y explicabilidad.
   • Transformaciones personalizadas definidas por el usuario
   • Tabla de operaciones
   • Soporte para manipulación de conjuntos de datos y validación cruzada

Aprendizaje automático automatizado (vista previa)

Comenzar hoy con el aprendizaje automático incluye una curva de aprendizaje empinada. Al crear modelos de aprendizaje automático personalizados, debe averiguar qué tarea de aprendizaje automático elegir para su escenario (por ejemplo, ¿clasificación o regresión?), Cómo convertir los datos a un formato que los algoritmos de ML puedan comprender (por ejemplo, datos de texto -> vectores numéricos), y ajuste estos algoritmos de ML para obtener el mejor rendimiento. Si eres nuevo en ML, ¡cada uno de estos pasos puede ser bastante difícil!

El aprendizaje automático automatizado simplifica su viaje con ML al descubrir automáticamente cómo convertir sus datos de entrada y elegir el mejor algoritmo de ML con la configuración correcta, lo que facilita la creación de los mejores modelos de ML personalizados.

La compatibilidad con AutoML en ML.NET ahora está en modo de vista previa, y actualmente solo admitimos las principales tareas de ML: regresión (utilizada para scripts como Predicción de precios) y clasificación (utilizada para scripts como Análisis de opinión, Clasificación de documentos, Detección de spam, etc.).

Puede probar AutoML en ML.NET en tres factores de forma: usando ML.NET Model Builder, ML.NET CLI, o usando la API de AutoML directamente ( puede encontrar ejemplos aquí ).

Para los principiantes en el aprendizaje automático, recomendamos comenzar con ML.NET Model Builder en Visual Studio y ML.NET CLI en cualquier plataforma. La API de AutoML también es muy útil para los scripts en los que desea crear modelos sobre la marcha.

Model Builder (Vista previa)

Para simplificar el camino para que los desarrolladores de .NET creen modelos de ML, también nos complace presentar ML.NET Model Builder. Con ML.NET Model Builder, ¡ahora se agrega aprendizaje automático a sus aplicaciones con solo un clic derecho!

Model Builder es una herramienta de interfaz de usuario simple para desarrolladores que usan AutoML para crear los mejores modelos de ML utilizando el conjunto de datos proporcionado. Además de esto, Model Builder también genera entrenamiento de modelo y código de consumo de modelo para el modelo más eficiente, lo que le permite agregar ML rápidamente a una aplicación existente.



Obtenga más información sobre ML.NET Model Builder

Model Builder se encuentra actualmente en el primer modo, y nos gustaría que lo pruebe y comparta su opinión con nosotros.

ML.NET CLI (Vista previa)

¡ML.NET CLI (interfaz de línea de comandos) es otra herramienta nueva que presentamos!

ML.NET CLI es una herramienta dotnet que le permite generar modelos ML.NET utilizando AutoML y ML.NET. ML.NET CLI también itera rápidamente sobre su conjunto de datos para una tarea de ML específica (actualmente admite regresión y clasificación) y crea el mejor modelo.

La CLI, además de crear el mejor modelo, también permite a los usuarios generar un modelo de capacitación y un código de consumo para crear el modelo más eficiente.

ML.NET CLI es un complemento multiplataforma y simple para .NET CLI. Por cierto, la extensión Model Builder para Visual Studio también usa la CLI de ML.NET para proporcionar funciones.

Puede instalar la CLI de ML.NET a través de este comando:
dotnet tool install -g mlnet

La imagen gif a continuación muestra la CLI de ML.NET que crea el conjunto de datos para el análisis de sentimientos.



Obtenga más información sobre ML.NET CLI

¡ML.NET CLI también está en primer modo ahora, y nos gustaría que lo intentes y compartas tu opinión con nosotros!

Comience ahora!

Si aún no lo ha hecho, entonces sepa: comenzar con ML.NET es fácil, y puede hacerlo en unos pocos pasos simples, como se muestra a continuación. El siguiente ejemplo muestra cómo se puede realizar el análisis de sentimientos utilizando ML.NET .

 // 1.  ML Context var ctx = new MLContext(); // 2. Read  input    IDataView dataReader = ctx.Data .LoadFromTextFile<MyInput>(dataPath, hasHeader: true); // 3.    IEstimator<ITransformer> est = ctx.Transforms.Text .FeaturizeText("Features", nameof(SentimentIssue.Text)) .Append(ctx.BinaryClassification.Trainers .LbfgsLogisticRegression("Label", "Features")); // 4.    ITransformer trainedModel = est.Fit(dataReader); // 5.  ,    var predictionEngine = ctx.Model .CreatePredictionEngine<MyInput, MyOutput>(trainedModel); var sampleStatement = new MyInput { Text = "This is a horrible movie" }; var prediction = predictionEngine.Predict(sampleStatement); 

También puede explorar varios otros recursos educativos, como tutoriales, recursos para ML.NET, así como muestras de ML.NET que demuestran escenarios populares como recomendaciones de productos, detección de anomalías y muchos otros.

Lo que sucederá después en ML.NET

Aunque estamos muy contentos de lanzar ML.NET 1.0, nuestro equipo ya está trabajando duro para incluir las siguientes características después del lanzamiento de 1.0:

• AutoML para scripts ML opcionales
• Soporte mejorado de secuencias de comandos de aprendizaje profundo
• Soporte para otras fuentes adicionales como SQL Server, CosmosDB, Azure Blob Storage, etc.
• Escalado de Azure para capacitación y consumo de modelos
• Soporte para scripts adicionales y características de ML cuando se usa Model Builder y CLI
• Integración nativa para el aprendizaje automático basado en escala con .NET para Apache Spark y ML.NET
• Nuevos tipos de ML en .NET, por ejemplo, DataFrame