Machine Learning für .NET Anwendungen

Mit dem neuen ML.NET Framework aus dem Hause Microsoft lassen sich bestehende .NET Applikationen mit geringem Aufwand durch KI-basierte Funktionalitäten, sprich Machine Learning Algorithmen erweitern. Was kann man nun im Detail mit diesem neuen Framework anstellen?

Machine Learning mit dem ML.NET Framework

• ML.NET ermöglicht es Entwicklern, eigene Modelle für das maschinelle Lernen zu erstellen und diese trainierten Modelle in .NET-Anwendungen einzubinden und dies auch ohne langjährige Erfahrung in der Entwicklung bzw. Optimierung von Machine Learning Modellen.
• Das ML.NET Framework wurde ursprünglich von Microsoft Research entwickelt und hat sich in den letzten Jahren zu einem bedeutenden Framework im Bereich Machine Learning entwickelt und wird auch in Microsoft eigenen Produkten, wie z.B. Windows, Cognitive Services, Bing, PowerPoint, Excel eingesetzt.
• ML.NET unterstützt Konzepte für das maschinelle Lernen wie Klassifikation (z.B.: Kategorisierung von Daten, Unterstützung der Textklassifizierung, Sentimentanalyse) und Regression (z.B. Preisvorhersage).
• Support für die Verwendung von TensorFlow-Modellen in Bildklassifizierungsszenarien und Textanalysen (NLP – Natural Language Processing).
• ML.NET unterstützt das ONNX-Format, ein offenes und interoperables Modellformat, das es ermöglicht, in einem Framework wie z.B. scikit-learn, TensorFlow, oder xgboost trainiertes Modell für die Verwendung in einem anderen Framework (wie in unserem Fall ML.NET) zu nutzen.

Am 5. April 2019 wurde ML.NET 1.0 RC (Release Candidate) freigegeben (Mehr Infos)

Weiterer Blogartikel zum Thema: 5 kostenlose eBooks über Machine Learning