Мы рады сообщить о выходе обновлений Model Builder и ML.NET. ML.NET — это кроссплатформенная среда машинного обучения с открытым исходным кодом (Windows, Linux, macOS) для разработчиков .NET.
ML.NET предлагает Model Builder (простой инструмент пользовательского интерфейса) и интерфейс командной строки, созданные для того, чтобы упростить создание пользовательских моделей ML с использованием AutoML.
Используя ML.NET, разработчики могут задействовать свои существующие инструменты и наборы навыков для разработки и внедрения ИИ в приложения, создавая пользовательские модели машинного обучения для распространенных сценариев, таких как анализ тональности текста, рекомендации, классификация изображений и многое другое!
Далее главные новинки:
В этом выпуске Model Builder добавлена поддержка нового сценария и устранены многие проблемы, о которых сообщили пользователи.
Разработка возможностей: В предыдущих версиях Model Builder после выбора набора данных из файла или с SQL Server у вас была возможность тольтко выбрать столбец для прогнозирования (Label). Любые другие столбцы в наборе данных были автоматически использованы для прогнозирования (Features). Любые столбцы, которые вы не хотели включать, приходилось изменять в самом наборе данных вне Model Builder, а затем загружать измененный набор данных.
В предыдущих версиях Model Builder было много шагов, которые вы должны были предпринять после генерации кода и модели Model Builder, чтобы использовать обученную модель в своем приложении, включая добавление ссылки на созданный проект библиотеки, установление для свойства «Copy to Output» значение «Copy If Newer» и добавление пакета Microsoft.ML NuGet в свое приложение.
Все это было упрощено и автоматизировано, поэтому теперь все, что вам нужно сделать, это скопировать + вставить код из Next Steps в Model Builder, а затем вы можете запустить свое приложение.
Это краткое описание фич и улучшений, добавленных в ML.NET за последние несколько месяцев.
We have been working hard to add more documentation across tutorials, how-to guides, and more for Model Builder, CLI, and ML.NET Framework. We have also simplified the table of contents for the ML.NET Docs so that you can easily discover the content.
Мы усердно работали над тем, чтобы добавить больше документации и учебных пособий, руководств и многого другого для Model Builder, CLI и ML.NET Framework. Мы также упростили оглавление для документов ML.NET, чтобы вы могли легко находить нужные данные.
Чтобы помочь пользователям освоить основы машинного обучения и ML.NET, мы создали набор обучающих видео. Можете посмотреть их здесь.
Мы добавили много сценариев для различных случаев использования с машинным обучением. Вы можете изучить и настроить эти образцы для вашего сценария. Вы можете найти больше образцов в репозитории ML.NET Samples на GitHub.
ML.NET предлагает Model Builder (простой инструмент пользовательского интерфейса) и интерфейс командной строки, созданные для того, чтобы упростить создание пользовательских моделей ML с использованием AutoML.
Используя ML.NET, разработчики могут задействовать свои существующие инструменты и наборы навыков для разработки и внедрения ИИ в приложения, создавая пользовательские модели машинного обучения для распространенных сценариев, таких как анализ тональности текста, рекомендации, классификация изображений и многое другое!
Далее главные новинки:
Обновления Model Builder
В этом выпуске Model Builder добавлена поддержка нового сценария и устранены многие проблемы, о которых сообщили пользователи.
Разработка возможностей: В предыдущих версиях Model Builder после выбора набора данных из файла или с SQL Server у вас была возможность тольтко выбрать столбец для прогнозирования (Label). Любые другие столбцы в наборе данных были автоматически использованы для прогнозирования (Features). Любые столбцы, которые вы не хотели включать, приходилось изменять в самом наборе данных вне Model Builder, а затем загружать измененный набор данных.
В предыдущих версиях Model Builder было много шагов, которые вы должны были предпринять после генерации кода и модели Model Builder, чтобы использовать обученную модель в своем приложении, включая добавление ссылки на созданный проект библиотеки, установление для свойства «Copy to Output» значение «Copy If Newer» и добавление пакета Microsoft.ML NuGet в свое приложение.
Все это было упрощено и автоматизировано, поэтому теперь все, что вам нужно сделать, это скопировать + вставить код из Next Steps в Model Builder, а затем вы можете запустить свое приложение.
Обновления ML.NET
Это краткое описание фич и улучшений, добавленных в ML.NET за последние несколько месяцев.
- Поддержка .NET Core 3
- Поддержка новых сценариев, таких как прогнозирование продаж, обнаружение аномалий
- Превью: собственный загрузчик баз данных, который позволяет проводить обучение непосредственно по реляционным базам данных
- Превью: Создание пользовательских моделей глубокого обучения для классификации изображений с помощью TensorFlow.
Обновление документации
We have been working hard to add more documentation across tutorials, how-to guides, and more for Model Builder, CLI, and ML.NET Framework. We have also simplified the table of contents for the ML.NET Docs so that you can easily discover the content.
Мы усердно работали над тем, чтобы добавить больше документации и учебных пособий, руководств и многого другого для Model Builder, CLI и ML.NET Framework. Мы также упростили оглавление для документов ML.NET, чтобы вы могли легко находить нужные данные.
Новые модули обучения для ML.NET
Чтобы помочь пользователям освоить основы машинного обучения и ML.NET, мы создали набор обучающих видео. Можете посмотреть их здесь.
Широкий выбор примеров для изучения
Мы добавили много сценариев для различных случаев использования с машинным обучением. Вы можете изучить и настроить эти образцы для вашего сценария. Вы можете найти больше образцов в репозитории ML.NET Samples на GitHub.
Попробуйте ML.NET и Model Builder сегодня!
- Начните работу с ML.NET здесь.
- Начните работу с Model Builder здесь.
- Гайды и другие ресурсы в документации ML.NET
- Примеры приложений с использованием ML.NET в репозитории ML.NET Samples GitHub