Microsoft presentó recientemente ML.NET 3.0, la última versión de su plataforma pionera de aprendizaje automático que es de código abierto, versátil y permite la integración de modelos de aprendizaje automático en aplicaciones .NET. Microsoft anunció esta versión avanzada el 27 de noviembre y los desarrolladores pueden acceder a ella fácilmente a través de dotnet.microsoft.com.
La característica sobresaliente de ML.NET 3.0 son sus capacidades ampliadas de aprendizaje profundo, que abarcan la detección de objetos, la identificación de entidades con nombre y la respuesta a preguntas. Estas funcionalidades fueron potenciadas por integraciones y compatibilidad con los modelos TorchSharp y ONNX. Además, la reciente implementación también mejora la integración anterior con el marco de aumento de gradiente LightGBM.
ML.NET 3.0 fortalece su soporte para escenarios de procesamiento de datos gracias a sus poderosas mejoras y correcciones de errores en DataFrame. También introduce nuevas funciones de interoperabilidad de IDataView, lo que hace que las tareas relacionadas con la carga, inspección, transformación y visualización de datos sean más potentes que antes.
En una actualización publicada en mayo, Microsoft había publicitado la detección de objetos en este ML.NET Model Builder. Estas características se construyen sobre las API de detección de objetos potenciadas por TorchSharp, que forman parte de la última versión de ML.NET 3.0. La API de detección de objetos adopta algunas técnicas novedosas de Microsoft Research y está respaldada por una arquitectura de red neuronal basada en Transformer creada con TorchSharp. Además, esta función de detección de objetos está incluida en el paquete Microsoft ML.TorchSharp 3.0.0.
Además de lo mencionado anteriormente, ML.NET 3.0 proporciona vías notables para el procesamiento del lenguaje natural, incluidas respuestas sólidas a preguntas y marcos de reconocimiento de entidades nombradas. Estos escenarios se han desbloqueado mediante la construcción de las funciones de clasificación de texto de TorchSharp RoBERTa existentes introducidas en ML.NET 2.0. Además, la versión actualizada viene con nuevas capacidades de aprendizaje automático automatizado (AutoML) y AutoML Sweeper ahora ayuda a la similitud de oraciones, la respuesta a preguntas y la detección de objetos.
DataFrame ha experimentado varias actualizaciones en ML.NET 3.0, ampliando los escenarios de carga de datos y ahora los datos se pueden importar y exportar a bases de datos SQL. Esto es posible a través de ADO.NET, que es compatible con bases de datos compatibles con SQL. DataFrame también ha mejorado su rendimiento aritmético en escenarios de clonación de columnas y comparación binaria, junto con un manejo mejorado de valores nulos al realizar operaciones aritméticas. Esto da como resultado que se requieran menos pasos en la transformación de datos. Además, se han realizado mejoras en el depurador para garantizar una salida mejor legible para las cuadrículas con nombres de columnas extensos. También presenta un nuevo conjunto de API para admitir operaciones tensoriales bajo Tensor Primitives.
En la misma línea que plataformas sin código como AppMaster , Microsoft continúa innovando y mejorando. El gigante tecnológico también está desarrollando simultáneamente planes para .NET 9 y ML.NET 4.0. Mientras tanto, la compañía se comprometió a que los usuarios pueden esperar actualizaciones de Model Builder y ML.NET CLI para complementar la versión ML.NET 3.0. Microsoft también planea expandir los escenarios e integraciones de aprendizaje profundo al tiempo que introduce mejoras en DataFrame. Por último, la empresa reveló su intención de ampliar las API en System.Numerics.Tensors e integrarlas en ML.NET.
