الإعلان عن ML.NET 1.0

نحن متحمسون للإعلان عن إطلاق ML.NET 1.0 اليوم. يعد ML.NET إطارًا مجانيًا للتعلم عبر الأجهزة ومفتوحًا ومفتوحًا ومصممًا لجلب قوة تعلم الآلة (ML) إلى تطبيقات .NET.

https://github.com/dotnet/machinelearning

البدء: http://dot.net/ml

يسمح لك ML.NET بتدريب وبناء وشحن نماذج تعلم الآلة المخصصة باستخدام C # أو F # للسيناريوهات مثل تحليل المشاعر وتصنيف المشكلات والتنبؤ والتوصيات وغير ذلك. يمكنك التحقق من هذه السيناريوهات والمهام الشائعة في نماذج عينات ML.NET الخاصة بنا.

تم تطوير ML.NET في الأصل داخل Microsoft Research ، وتطورت إلى إطار مهم يستخدمه العديد من منتجات Microsoft مثل Windows Defender و Microsoft Office (أفكار تصميم Powerpoint وتوصيات Excel Chart) ومؤثرات Azure Machine Learning و PowerBI على سبيل المثال لا الحصر!

منذ إطلاق ML.NET من قِبل العديد من المؤسسات مثل SigParser (الكشف عن البريد الإلكتروني العشوائي) و William Mullens (تصنيف المشكلات القانونية) و Evolution Software (Moisture Level Detection للبندقين) . يمكنك متابعة رحلة هذه والعديد من المنظمات الأخرى باستخدام ML.NET في معرض العملاء ML.NET لدينا. يخبرنا هؤلاء المستخدمون أن سهولة استخدام ML.NET ، والقدرة على إعادة استخدام مهاراتهم في .NET والحفاظ على تكدس التكنولوجيا الخاصة بهم بالكامل في .NET هي برامج تشغيل أساسية لاستخدامهم لـ ML.NET.

إلى جانب إصدار ML.NET 1.0 ، نضيف أيضًا ميزات معاينة جديدة مثل قوة التعلم الآلي الآلي (AutoML) وأدوات جديدة مثل ML.NET CLI و ML.NET Model Builder مما يعني إضافة نماذج تعلم الآلة إلى تطبيقاتك الآن فقط انقر بزر الماوس الأيمن بعيدا!

يركز الجزء المتبقي من هذا المنشور على هذه التجارب الجديدة.

• ML.NET المكونات الأساسية
• آلة التعلم الآلي معاينة
• ML.NET نموذج باني معاينة
• ML.NET CLI معاينة
• الابتداء مع ML.NET
• الطريق إلى الأمام
• لقد ساعدت في بنائه

ML.NET المكونات الأساسية

يهدف ML.NET إلى توفير سير العمل النهائي لاستهلاك ML في تطبيقات .NET عبر عدة خطوات من تعلم الآلة (ما قبل المعالجة وهندسة الميزات والنمذجة والتقييم والتشغيل). يوفر ML.NET 1.0 المكونات الرئيسية التالية:

• تمثيل البيانات
  
  • أنواع بيانات خطوط أنابيب ML الأساسية مثل IDataView - نوع خط أنابيب البيانات الأساسي
  • القراء لدعم قراءة البيانات من ملفات نصية محددة أو IEnumerable من الكائنات
• دعم مهام التعلم الآلي:
  
  • التصنيف الثنائي
  • تصنيف متعدد الطبقات
  • تراجع
  • تصنيف
  • كشف الشذوذ
  • تجمع
  • توصية (معاينة)
• تحويل البيانات و المميزات
  
  • نص
  • الفئات
  • اختيار الميزة
  • التطبيع وفقدان التعامل مع القيمة
  • صورة مميزة
  • سلسلة زمنية (معاينة)
  • دعم تكامل طراز ONNX و TensorFlow (معاينة)
• آخر
  
  • فهم النموذج والشرح
  • التحولات المخصصة المعرفة من قبل المستخدم
  • عمليات المخطط
  • دعم معالجة مجموعة البيانات والتحقق من الصحة
  
  

آلة التعلم الآلي معاينة

يتضمن البدء بالتعلم الآلي اليوم منحنى تعليمي حاد. عند إنشاء نماذج مخصصة لتعلم الآلة ، يتعين عليك تحديد مهمة التعلم الآلي التي يجب عليك اختيارها لسيناريوك (مثل التصنيف أو الانحدار؟) ، قم بتحويل بياناتك إلى تنسيق تستطيع خوارزميات ML فهمه (مثل البيانات النصية -> المتجهات الرقمية) ، وضبط هذه الخوارزميات ML لتوفير أفضل أداء. إذا كنت جديدًا في ML ، فكل خطوة من هذه الخطوات يمكن أن تكون شاقة للغاية!

يجعل التعليم الآلي الآلي رحلتك مع ML أسهل من خلال التعرف تلقائيًا على كيفية تحويل بيانات المدخلات الخاصة بك واختيار أفضل خوارزمية ML أداءً باستخدام الإعدادات الصحيحة مما يتيح لك إنشاء نماذج ML مخصصة في فئتها بسهولة.

دعم AutoML في ML.NET قيد المعاينة ، ونحن ندعم حاليًا الانحدار (المستخدم في سيناريوهات مثل التنبؤ بالأسعار) والتصنيف (يستخدم في السيناريوهات مثل تحليل المشاعر وتصنيف المستندات والكشف عن البريد العشوائي وما إلى ذلك) مهام ML.

يمكنك تجربة تجربة AutoML في ML.NET في ثلاثة عوامل نموذجية باستخدام ML.NET Model Builder أو ML.NET CLI أو باستخدام واجهة برمجة تطبيقات AutoML مباشرةً (يمكن العثور على عينات هنا ).

بالنسبة للمستخدمين الجدد على Machine Learning ، نوصي بالبدء في استخدام ML.NET Model Builder في Visual Studio و ML.NET CLI على أي نظام أساسي. واجهة برمجة تطبيقات AutoML هي أيضًا مفيدة جدًا للسيناريوهات التي ترغب في إنشاء نماذج فيها.

نموذج بناء معاينة

من أجل تبسيط رحلة مطوري .NET لإنشاء نماذج ML ، نحن متحمسون أيضًا للإعلان عن ML.NET Model Builder. مع ML.NET Model باني إضافة التعلم الآلي للتطبيقات الخاصة بك ليست سوى النقر بزر الماوس الأيمن بعيدا!

Model Builder عبارة عن أداة واجهة مستخدم بسيطة للمطورين تستخدم AutoML لإنشاء نماذج ML الأفضل في فئتها باستخدام مجموعة البيانات التي تقدمها. بالإضافة إلى ذلك ، ينشئ Model Builder أيضًا نموذجًا للتدريب ورمز استهلاك النموذج لأفضل أداء ، مما يتيح لك إضافة ML بسرعة إلى تطبيقك الحالي.

تعرف على المزيد حول ML.NET Model Builder

Model Builder قيد المعاينة حاليًا ، وسنود منك تجربة ذلك وإخبارنا برأيك!

ML.NET CLI معاينة

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

ML.NET CLI هي أداة dotnet تتيح إنشاء نماذج ML.NET باستخدام AutoML و ML.NET. يكرر ML.NET CLI بسرعة من خلال مجموعة البيانات الخاصة بك لمهمة ML محددة (تدعم حاليًا الانحدار والتصنيف) وتنتج أفضل نموذج.

يتيح CLI بالإضافة إلى إنتاج أفضل طراز للمستخدمين أيضًا إنشاء نموذج للتدريب ورمز استهلاك النموذج لأفضل أداء.

ML.NET CLI عبارة عن نظام أساسي متعدد الوظائف ، وهو إضافة سهلة إلى .NET CLI. يستخدم ملحق Model Builder Visual Studio أيضًا ML.NET CLI لتوفير إمكانيات منشئ النماذج.

يمكنك تثبيت ML.NET CLI من خلال هذا الأمر.

dotnet tool install -g mlnet 

توضح الصورة التالية مجموعة ML.NET CLI لتصميم مجموعة بيانات تحليل المشاعر.

تعرف على المزيد حول ML.NET CLI

ML.NET CLI هو أيضًا قيد المعاينة حاليًا ، ونحن نود منك تجربة ذلك ومشاركة أفكارك أدناه!

ابدأ!

إذا لم تكن قد قمت بذلك بالفعل ، فسيكون بدء استخدام ML.NET أمرًا سهلاً ويمكنك القيام بذلك في بضع خطوات بسيطة كما هو موضح أدناه. يوضح المثال التالي كيف يمكنك إجراء تحليل المشاعر باستخدام ML.NET .

 //Step 1. Create a ML Context var ctx = new MLContext(); //Step 2. Read in the input data for model training IDataView dataReader = ctx.Data .LoadFromTextFile<MyInput>(dataPath, hasHeader: true); //Step 3. Build your estimator IEstimator<ITransformer> est = ctx.Transforms.Text .FeaturizeText("Features", nameof(SentimentIssue.Text)) .Append(ctx.BinaryClassification.Trainers .LbfgsLogisticRegression("Label", "Features")); //Step 4. Train your Model ITransformer trainedModel = est.Fit(dataReader); //Step 5. Make predictions using your model 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 مصادر التعلم الأخرى مثل البرامج التعليمية والموارد الخاصة بـ ML.NET جنبًا إلى جنب مع نماذج ML.NET التي توضح السيناريوهات الشائعة مثل توصية المنتج واكتشاف الحالات الشاذة والمزيد في العمل.

ما هو التالي مع ML.NET

على الرغم من أننا متحمسون للغاية لإصدار ML.NET 1.0 اليوم ، إلا أن الفريق يبذل قصارى جهده من أجل تمكين الميزات التالية لإصدار ML.NET 1.0.

• تجربة AutoML لسيناريوهات ML إضافية
• تحسين الدعم لسيناريوهات التعلم العميق
• دعم لمصادر إضافية أخرى مثل SQL Server و CosmosDB وتخزين Azure Blob والمزيد.
• التدريجي على أزور للتدريب النموذجي والاستهلاك
• دعم سيناريوهات وميزات ML الإضافية عند استخدام Model Builder و CLI
• تكامل أصلي للتعلم الآلي على نطاق واسع مع .NET لـ Apache Spark و ML.NET
• أنواع ML جديدة في .NET مثل DataFrame