طرحت Microsoft مؤخرًا ML.NET 3.0، وهو أحدث إصدار لمنصة التعلم الآلي الرائدة الخاصة بها، وهي مفتوحة المصدر ومتعددة الاستخدامات وتتيح دمج نماذج التعلم الآلي في تطبيقات .NET. أعلنت شركة مايكروسوفت عن هذا الإصدار المتقدم في 27 نوفمبر، ويمكن للمطورين الوصول إليه بسهولة من خلال dotnet.microsoft.com.
الميزة البارزة لـ ML.NET 3.0 هي إمكانات التعلم العميق الموسعة، والتي تشمل اكتشاف الكائنات وتحديد الكيان المسمى والإجابة على الأسئلة. تم تمكين هذه الوظائف من خلال عمليات التكامل والتوافق مع نماذج TorchSharp وONNX. بالإضافة إلى ذلك، يعزز الإصدار الأخير أيضًا التكامل السابق مع إطار تعزيز التدرج LightGBM.
يعمل ML.NET 3.0 على تعزيز دعمه لسيناريوهات معالجة البيانات بفضل التحسينات القوية وإصلاحات الأخطاء في DataFrame. كما يقدم أيضًا ميزات جديدة لقابلية التشغيل البيني لـ IDataView، مما يجعل المهام المتعلقة بتحميل البيانات وفحصها وتحويلها وتصورها أكثر فعالية من ذي قبل.
في التحديث الذي تم إصداره في شهر مايو، قامت Microsoft بنشر اكتشاف الكائنات في برنامج ML.NET Model Builder. تم إنشاء هذه الميزات أعلى واجهات برمجة التطبيقات لاكتشاف الكائنات التي تدعم TorchSharp، والتي تعد جزءًا من أحدث إصدار من ML.NET 3.0. تتبنى واجهة برمجة التطبيقات Object Detection بعض التقنيات الجديدة من Microsoft Research وهي مدعومة ببنية شبكة عصبية قائمة على المحولات مصنوعة باستخدام TorchSharp. علاوة على ذلك، تم تضمين ميزة الكشف عن الكائنات هذه في حزمة Microsoft ML.TorchSharp 3.0.0.
بالإضافة إلى ما سبق، يوفر ML.NET 3.0 طرقًا ملحوظة لمعالجة اللغة الطبيعية بما في ذلك الإجابة القوية على الأسئلة وأطر التعرف على الكيانات المسماة. تم فتح هذه السيناريوهات من خلال إنشاء ميزات تصنيف النص TorchSharp RoBERTa الموجودة في ML.NET 2.0. علاوة على ذلك، يأتي الإصدار المحدث مزودًا بقدرات جديدة للتعلم الآلي الآلي (AutoML) مع AutoML Sweeper الذي يساعد الآن على تشابه الجمل والإجابة على الأسئلة واكتشاف الكائنات.
خضع DataFrame للعديد من التحديثات في ML.NET 3.0، مما أدى إلى تضخيم سيناريوهات تحميل البيانات حيث أصبحت البيانات الآن قابلة للاستيراد من قواعد بيانات SQL وتصديرها إليها. أصبح هذا ممكنًا عبر ADO.NET، المتوافق مع قواعد البيانات الداعمة لـ SQL. كما عزز DataFrame أداءه الحسابي في استنساخ الأعمدة وسيناريوهات المقارنة الثنائية، إلى جانب تحسين معالجة القيمة الخالية أثناء إجراء العمليات الحسابية. وينتج عن هذا خطوات أقل مطلوبة في تحويل البيانات. علاوة على ذلك، تم إجراء تحسينات على مصحح الأخطاء لضمان الحصول على مخرجات قابلة للقراءة بشكل أفضل للشبكات ذات أسماء الأعمدة الشاملة. كما يقدم أيضًا مجموعة جديدة من واجهات برمجة التطبيقات لدعم عمليات الموتر ضمن Tensor Primitives.
على غرار الأنظمة الأساسية التي لا تحتاج إلى تعليمات برمجية مثل AppMaster ، تواصل Microsoft الابتكار والتحسين. ويعمل عملاق التكنولوجيا أيضًا على تطوير خطط لـ.NET 9 وML.NET 4.0 بشكل متزامن. في غضون ذلك، التزمت الشركة بأنه يمكن للمستخدمين توقع ترقيات لـ Model Builder وML.NET CLI لاستكمال إصدار ML.NET 3.0. تخطط Microsoft أيضًا لتوسيع سيناريوهات التعلم العميق وعمليات التكامل مع تقديم تحسينات على DataFrame. وأخيرًا، كشفت الشركة عن نيتها توسيع واجهات برمجة التطبيقات في System.Numerics.Tensors ودمجها في ML.NET.
