Geekly articles weekly

Diumumkan oleh ML.NET 1.0

Kami baru-baru ini mengumumkan rilis ML.NET 1.0 . ML.NET adalah kerangka kerja pembelajaran mesin gratis, lintas platform, dan terbuka yang dirancang untuk memanfaatkan kemampuan pembelajaran mesin (ML) dalam aplikasi .NET.

gambar

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

ML.NET memungkinkan Anda untuk melatih, membuat, dan memberikan model pembelajaran mesin kustom menggunakan C # atau F # untuk skenario seperti analisis sentimen, klasifikasi masalah, peramalan, rekomendasi, dan banyak lainnya. Anda dapat memeriksa skenario dan tugas umum ini dalam contoh repositori sampel ML.NET kami.

ML.NET awalnya dikembangkan sebagai bagian dari Microsoft Research, tetapi kemudian berubah menjadi kerangka kerja yang signifikan yang digunakan oleh banyak produk Microsoft, seperti Windows Defender, Microsoft Office (ide untuk desain dalam PowerPoint, diagram yang direkomendasikan dalam Excel), Azure Machine Learning, visualisasi faktor kunci pengaruh di PowerBI dan sebagainya!

Sejak diluncurkan, ML.NET telah digunakan oleh banyak organisasi, seperti SigParser (mendeteksi spam di email) , William Mullens (klasifikasi masalah hukum) dan Evolution Software (menentukan tingkat kelembaban hazelnut) . Anda dapat mengikuti jalur ini dan banyak organisasi lainnya menggunakan ML.NET di Showcas Pelanggan ML.NET kami . Klien yang disajikan memberi tahu kami bahwa kemudahan penggunaan ML.NET, kemampuan untuk menggunakan kembali keterampilan .NET mereka, dan pelestarian penuh tumpukan teknis mereka di .NET adalah pendorong utama untuk menggunakan ML.NET.

Seiring dengan rilis ML.NET 1.0, kami juga menambahkan fitur pratinjau baru seperti Automated machine learning (AutoML), dan alat-alat baru seperti ML.NET CLI dan ML.NET Model Builder, yang berarti menambahkan model pembelajaran mesin ke Aplikasi Anda sekarang dilakukan hanya dengan mengklik kanan!

gambar

Sisa dari pos ini didedikasikan untuk percobaan baru ini.

  • Komponen utama dari ML.NET
  • Pembelajaran Mesin Otomatis (Pratinjau)
  • Pembuat Model ML.NET (Pratinjau)
  • ML.NET CLI (Pratinjau)
  • Memulai dengan ML.NET
  • Jalan di depan

Komponen utama dari ML.NET


ML.NET bertujuan untuk menyediakan alur kerja akhir untuk menggunakan ML dalam aplikasi .NET di berbagai tahap pembelajaran mesin (preprocessing, mendesain fitur, pemodelan, evaluasi dan commissioning). ML.NET 1.0 menyediakan komponen-komponen utama berikut:

  1. Presentasi data
    • Tipe data Pipeline ML Data Fundamental seperti IDataView (adalah tipe Pipeline Data fundamental)
    • Pembaca untuk mendukung membaca data dari file teks terbatas atau objek IEnumerable
  2. Dukungan untuk tugas pembelajaran mesin:
    • Klasifikasi biner
    • Klasifikasi Multiclass
    • Regresi
    • Peringkat
    • Deteksi Anomali
    • Clustering
    • Rekomendasi (pratinjau)
  3. Transformasi dan fitur data
    • Teks
    • Kategori
    • Pemilihan fitur
    • Normalisasi dan pemrosesan nilai-nilai yang hilang
    • Fitur gambar
    • Time Series (pratinjau)
    • Dukungan untuk integrasi model ONNX dan TensorFlow (pratinjau)
  4. Lainnya
    • Model pemahaman dan keterjelasan
    • Transformasi khusus yang ditentukan pengguna
    • Bagan operasi
    • Dukungan untuk manipulasi dataset dan validasi silang

Pembelajaran Mesin Otomatis (Pratinjau)


Memulai dengan pembelajaran mesin hari ini termasuk kurva belajar yang curam. Saat membuat model pembelajaran mesin kustom, Anda perlu mencari tahu tugas pembelajaran mesin mana yang harus dipilih untuk skenario Anda (misalnya, klasifikasi atau regresi?), Bagaimana mengonversi data ke format yang dapat dipahami oleh algoritma ML (misalnya, data teks -> vektor angka), dan selaraskan algoritma ML ini untuk kinerja terbaik. Jika Anda baru mengenal ML, masing-masing langkah ini bisa sangat sulit!

Pembelajaran Mesin Otomatis menyederhanakan perjalanan Anda dengan ML dengan secara otomatis mencari tahu bagaimana mengkonversi data input Anda dan memilih algoritma ML terbaik dengan pengaturan yang tepat, membuatnya mudah untuk membuat model ML kustom terbaik di kelasnya.

Dukungan AutoML di ML.NET sekarang dalam mode pratinjau, dan saat ini kami hanya mendukung tugas-tugas ML utama - regresi (digunakan untuk skrip seperti Prediksi Harga) dan klasifikasi (digunakan untuk skrip seperti Analisis Sentimen, Klasifikasi Dokumen, Deteksi Spam, dll.).

Anda dapat mencoba AutoML di ML.NET dalam tiga faktor bentuk: menggunakan ML.NET Model Builder, ML.NET CLI, atau menggunakan API AutoML secara langsung ( contohnya dapat ditemukan di sini ).

Untuk pemula dalam pembelajaran mesin, kami sarankan memulai dengan ML.NET Model Builder di Visual Studio dan ML.NET CLI pada platform apa pun. API AutoML juga sangat berguna untuk skrip di mana Anda ingin membuat model dengan cepat.

Pembuat Model (Pratinjau)


Untuk menyederhanakan jalur bagi pengembang .NET untuk membuat model ML, kami juga senang memperkenalkan Pembuat Model ML.NET. Dengan ML.NET Model Builder, menambahkan pembelajaran mesin ke aplikasi Anda sekarang dilakukan hanya dengan klik kanan!

Model Builder adalah alat UI sederhana untuk pengembang yang menggunakan AutoML untuk membuat model ML terbaik di kelasnya menggunakan dataset yang disediakan. Selain itu, Model Builder juga menghasilkan pelatihan model dan kode konsumsi model untuk model yang paling efisien, yang memungkinkan Anda untuk dengan cepat menambahkan ML ke aplikasi yang ada.

gambar

Pelajari lebih lanjut tentang Pembuat Model ML.NET

Model Builder saat ini dalam mode pertama, dan kami ingin Anda mencobanya dan membagikan pendapat Anda kepada kami!

ML.NET CLI (Pratinjau)


ML.NET CLI (antarmuka baris perintah) adalah alat baru yang kami perkenalkan!

ML.NET CLI adalah alat dotnet yang memungkinkan Anda untuk menghasilkan model ML.NET menggunakan AutoML dan ML.NET. ML.NET CLI juga dengan cepat beralih pada dataset Anda untuk tugas ML tertentu (saat ini mendukung regresi dan klasifikasi) dan menciptakan model terbaik.

CLI, selain menciptakan model terbaik, juga memungkinkan pengguna untuk menghasilkan pelatihan model dan kode konsumsi model untuk membuat model yang paling efisien.

ML.NET CLI adalah lintas-platform dan addon sederhana untuk. NET CLI. Omong-omong, ekstensi Model Builder untuk Visual Studio juga menggunakan ML.NET CLI untuk memberikan fitur.

Anda dapat menginstal ML.NET CLI melalui perintah ini:
dotnet tool install -g mlnet

Gambar gif di bawah ini menunjukkan ML.NET CLI yang membuat dataset untuk analisis sentimen.

gambar

Pelajari lebih lanjut tentang ML.NET CLI

ML.NET CLI juga dalam mode mode pertama, dan kami ingin Anda mencobanya dan membagikan pendapat Anda kepada kami!

Mulailah sekarang!


Jika Anda belum melakukannya, perlu diketahui: memulai dengan ML.NET mudah, dan Anda dapat melakukannya hanya dalam beberapa langkah sederhana, seperti yang ditunjukkan di bawah ini. Sampel di bawah ini menunjukkan bagaimana analisis sentimen dapat dilakukan menggunakan 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);

Anda juga dapat menjelajahi berbagai sumber daya pendidikan lainnya, seperti tutorial, sumber daya untuk sampel ML.NET, dan ML.NET yang menunjukkan skenario populer seperti rekomendasi produk, deteksi anomali, dan banyak lainnya.

Apa yang akan terjadi selanjutnya di ML.NET


Meskipun kami sangat senang untuk merilis ML.NET 1.0, tim kami sudah bekerja keras untuk memasukkan fitur-fitur berikut setelah rilis 1.0:

  • AutoML untuk skrip ML opsional
  • Peningkatan Dukungan Script Pembelajaran Jauh
  • Dukungan untuk sumber tambahan lainnya seperti SQL Server, CosmosDB, penyimpanan Azure Blob, dll.
  • Skala biru untuk pelatihan model dan konsumsi model
  • Dukungan untuk skrip dan fitur ML tambahan saat menggunakan Model Builder dan CLI
  • Integrasi asli untuk pembelajaran mesin berbasis skala dengan .NET untuk Apache Spark dan ML.NET
  • Jenis ML baru di .NET, mis. DataFrame

Source: https://habr.com/ru/post/id451296/

More articles:


All Articles