أعلن عن طريق ML.NET 1.0

لقد أعلنا مؤخرًا عن إصدار ML.NET 1.0 . ML.NET هو إطار تعليمي مجاني ومفتوح للمنصة ومفتوح المصمم للاستفادة من إمكانيات التعلم الآلي (ML) في تطبيقات .NET.



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

يسمح لك ML.NET بتدريب وإنشاء وتقديم نماذج مخصصة لتعلم الآلة باستخدام C # أو F # لسيناريوهات مثل تحليل المشاعر وتصنيف المشكلات والتنبؤ والتوصيات وغيرها الكثير. يمكنك التحقق من هذه السيناريوهات والمهام الشائعة في مستودع نماذج نموذج ML.NET .

تم تطوير ML.NET في الأصل كجزء من Microsoft Research ، لكنه تحول لاحقًا إلى إطار مهم تستخدمه العديد من منتجات Microsoft ، مثل Windows Defender ، و Microsoft Office (أفكار للتصميم في PowerPoint ، ومخططات موصى بها في Excel) ، و Azure Machine Learning ، وتصور للعوامل الرئيسية التأثيرات في PowerBI وهلم جرا!

منذ إطلاقه ، تم استخدام ML.NET من قبل العديد من المؤسسات ، مثل SigParser (الكشف عن البريد العشوائي في البريد الإلكتروني) ، وليم مولينز (تصنيف المسائل القانونية) و Evolution Software (تحديد رطوبة البندق) . يمكنك اتباع مسار هذه المنظمات والعديد من المنظمات الأخرى التي تستخدم ML.NET في ML.NET Customer Showcas . يخبرنا العملاء المقدمون أن سهولة استخدام ML.NET ، والقدرة على إعادة استخدام مهارات .NET الخاصة بهم ، والمحافظة الكاملة على مكدسهم الفني في .NET هي المحركات الرئيسية لاستخدام ML.NET.

إلى جانب إصدار ML.NET 1.0 ، نضيف أيضًا ميزات معاينة جديدة ، مثل التعلم الآلي الآلي (AutoML) ، وأدوات جديدة ، مثل ML.NET CLI و ML.NET Model Builder ، مما يعني إضافة نماذج لتعلم الآلة إلى يتم تنفيذ تطبيقاتك الآن فقط عن طريق النقر بزر الماوس الأيمن!



تم تخصيص الجزء المتبقي من هذا المنشور لهذه التجربة الجديدة.

• المكونات الرئيسية ل ML.NET
• التعلم الآلي الآلي (معاينة)
• ML.NET Model Builder (معاينة)
• ML.NET CLI (معاينة)
• الشروع في العمل مع ML.NET
• الطريق إلى الأمام

المكونات الرئيسية ل ML.NET

يهدف ML.NET إلى توفير سير العمل النهائي لاستخدام ML في تطبيقات .NET في مراحل مختلفة من التعلم الآلي (المعالجة المسبقة وتصميم الميزات والنمذجة والتقييم والتكليف). يوفر ML.NET 1.0 المكونات الرئيسية التالية:

1. عرض البيانات
   
   • أنواع بيانات خط أنابيب ML الأساسي مثل IDataView (هو نوع خط أنابيب أساسي للبيانات)
   • القراء لدعم قراءة البيانات من ملفات نصية محددة أو كائنات IEnumerable
2. دعم مهام التعلم الآلي:
   
   • التصنيف الثنائي
   • تصنيف متعدد الطبقات
   • تراجع
   • تصنيف
   • كشف الشذوذ
   • تجمع
   • توصية (معاينة)
3. تحويل البيانات و المميزات
   
   • نص
   • فئة
   • اختيار الميزة
   • تطبيع ومعالجة القيم المفقودة
   • صورة مميزة
   • سلسلة زمنية (معاينة)
   • دعم دمج طرازي ONNX و TensorFlow (معاينة)
4. آخر
   
   • نموذج الفهم والتفسير
   • التحولات المخصصة المعرفة من قبل المستخدم
   • مخطط العملية
   • دعم لمعالجة البيانات ومجموعة التحقق من الصحة

التعلم الآلي الآلي (معاينة)

يتضمن البدء بالتعلم الآلي اليوم منحنى تعليمي حاد. عند إنشاء نماذج مخصصة لتعلم الآلة ، تحتاج إلى معرفة مهمة التعلم الآلي التي تختارها لسيناريوك (على سبيل المثال ، التصنيف أو الانحدار؟) ، وكيفية تحويل البيانات إلى تنسيق تستطيع خوارزميات ML فهمه (على سبيل المثال ، البيانات النصية -> المتجهات العددية) ، و ضبط هذه الخوارزميات ML للحصول على أفضل أداء. إذا كنت جديدًا في ML ، فقد تكون كل خطوة من هذه الخطوات صعبة للغاية!

يعمل التعليم الآلي الآلي على تبسيط رحلتك باستخدام ML من خلال التعرف تلقائيًا على كيفية تحويل بيانات المدخلات الخاصة بك واختيار أفضل خوارزمية ML بالإعدادات الصحيحة ، مما يسهل إنشاء أفضل نماذج ML مخصصة في فئتها.

يوجد دعم AutoML في ML.NET الآن في وضع المعاينة ، ونحن ندعم حاليًا مهام ML الرئيسية فقط - الانحدار (يستخدم في البرامج النصية مثل التنبؤ بالأسعار) والتصنيف (يستخدم في البرامج النصية مثل تحليل المشاعر وتصنيف المستندات و الكشف عن البريد المزعج ، وما إلى ذلك).

يمكنك تجربة AutoML في ML.NET في ثلاثة عوامل نموذجية: استخدام ML.NET Model Builder أو ML.NET CLI أو استخدام AutoML API مباشرة ( يمكن العثور على أمثلة هنا ).

للمبتدئين في التعلم الآلي ، نوصي بالبدء باستخدام ML.NET Model Builder في Visual Studio و ML.NET CLI على أي نظام أساسي. واجهة برمجة تطبيقات AutoML هي أيضًا مفيدة جدًا للبرامج النصية التي ترغب في إنشاء نماذج فيها.

منشئ النماذج (معاينة)

لتبسيط المسار لمطوري .NET لإنشاء نماذج ML ، يسعدنا أيضًا تقديم ML.NET Model Builder. باستخدام ML.NET Model Builder ، تتم الآن إضافة تعلم الآلة إلى التطبيقات الخاصة بك بمجرد النقر بزر الماوس الأيمن!

Model Builder عبارة عن أداة واجهة مستخدم بسيطة للمطورين الذين يستخدمون AutoML لإنشاء نماذج ML الأفضل في فئتها باستخدام مجموعة البيانات المتوفرة. بالإضافة إلى ذلك ، ينشئ Model Builder أيضًا نموذجًا للتدريب ورمز استهلاك النموذج للطراز الأكثر فعالية ، والذي يسمح لك بإضافة ML بسرعة إلى تطبيق موجود.



تعرف على المزيد حول ML.NET Model Builder

Model Builder حاليًا في الوضع الأول ، ونود منك أن تجربه وتشاركنا رأيك!

ML.NET CLI (معاينة)

ML.NET CLI (واجهة سطر الأوامر) هي أداة جديدة أخرى نقدمها!

ML.NET CLI هي أداة dotnet تسمح لك بإنشاء نماذج ML.NET باستخدام AutoML و ML.NET. يكرر ML.NET CLI أيضًا بسرعة عبر مجموعة البيانات الخاصة بك لمهمة ML محددة (يدعم حاليًا الانحدار والتصنيف) ويقوم بإنشاء أفضل نموذج.

يتيح CLI ، بالإضافة إلى إنشاء أفضل نموذج ، للمستخدمين أيضًا إنشاء نموذج للتدريب ورمز استهلاك النموذج لإنشاء النموذج الأكثر كفاءة.

يعد ML.NET CLI ملحقًا بسيطًا عبر النظام الأساسي إلى .NET CLI. بالمناسبة ، يستخدم ملحق Model Builder لـ Visual Studio أيضًا ML.NET CLI لتوفير ميزات.

يمكنك تثبيت ML.NET CLI من خلال هذا الأمر:
dotnet tool install -g mlnet

توضح صورة gif أدناه ML.NET CLI التي تنشئ مجموعة البيانات لتحليل المعنويات.



تعرف على المزيد حول ML.NET CLI

ML.NET CLI هو أيضًا في الوضع الأول ، ونود منك أن تجربه وتشاركنا رأيك!

ابدأ الآن!

إذا لم تكن قد قمت بذلك بالفعل ، فكن على دراية: من السهل البدء في استخدام ML.NET ، ويمكنك القيام بذلك في بضع خطوات بسيطة ، كما هو موضح أدناه. يوضح النموذج أدناه كيف يمكن إجراء تحليل المعنويات باستخدام 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); 

يمكنك أيضًا استكشاف العديد من الموارد التعليمية الأخرى ، مثل البرامج التعليمية وموارد نماذج ML.NET و ML.NET التي تعرض سيناريوهات شائعة مثل توصية المنتج واكتشاف الحالات الشاذة وغيرها الكثير.

ماذا سيحدث بعد ذلك في ML.NET

على الرغم من أننا سعداء جدًا بإصدار ML.NET 1.0 ، إلا أن فريقنا يعمل بالفعل بجد لتضمين الميزات التالية بعد إصدار 1.0:

• AutoML للنصوص ML الاختيارية
• تحسين التعلم العميق دعم البرمجة النصية
• دعم لمصادر إضافية أخرى مثل SQL Server و CosmosDB وتخزين Azure Blob وما إلى ذلك
• التحجيم أزور للتدريب النموذجي واستهلاك النموذج
• دعم البرامج النصية وميزات ML الإضافية عند استخدام Model Builder و CLI
• تكامل أصلي للتعلم القائم على المقياس باستخدام .NET لـ Apache Spark و ML.NET
• أنواع ML جديدة في .NET ، مثل DataFrame