Microsoft baru-baru ini memperkenalkan ML.NET 3.0, versi terbaru dari platform pembelajaran mesin perintisnya yang bersifat sumber terbuka, serbaguna, dan memungkinkan integrasi model pembelajaran mesin ke dalam aplikasi .NET. Microsoft mengumumkan versi lanjutan ini pada 27 November, dan pengembang dapat dengan mudah mengaksesnya melalui dotnet.microsoft.com.
Fitur luar biasa dari ML.NET 3.0 adalah kemampuan pembelajaran mendalamnya yang diperluas, mencakup deteksi objek, identifikasi entitas bernama, dan menjawab pertanyaan. Fungsionalitas ini diperkuat melalui integrasi dan kompatibilitas dengan model TorchSharp dan ONNX. Selain itu, peluncuran baru-baru ini juga meningkatkan integrasi sebelumnya dengan kerangka peningkatan gradien LightGBM.
ML.NET 3.0 memperkuat dukungannya untuk skenario pemrosesan data berkat penyempurnaan yang kuat dan perbaikan bug pada DataFrame. Ini juga memperkenalkan fitur interoperabilitas IDataView baru, menjadikan tugas yang berkaitan dengan pemuatan data, inspeksi, transformasi, dan visualisasi lebih kuat dari sebelumnya.
Dalam pembaruan yang dirilis pada bulan Mei, Microsoft telah mempublikasikan Deteksi Objek di ML.NET Model Builder ini. Fitur-fitur ini dibangun di atas API Deteksi Objek yang didukung TorchSharp, yang merupakan bagian dari ML.NET 3.0 terbaru. API Deteksi Objek mengadopsi beberapa teknik baru dari Microsoft Research dan didukung oleh arsitektur jaringan saraf berbasis Transformer yang dibuat dengan TorchSharp. Apalagi fitur deteksi objek ini disertakan dalam paket Microsoft ML.TorchSharp 3.0.0.
Selain hal-hal yang disebutkan di atas, ML.NET 3.0 menyediakan cara penting untuk pemrosesan bahasa alami termasuk menjawab pertanyaan yang kuat dan kerangka kerja pengenalan entitas bernama. Skenario ini telah dibuka dengan memanfaatkan fitur klasifikasi teks TorchSharp RoBERTa yang diperkenalkan di ML.NET 2.0. Selain itu, versi yang diperbarui hadir dengan kemampuan pembelajaran mesin otomatis (AutoML) baru dengan AutoML Sweeper yang kini membantu kesamaan kalimat, menjawab pertanyaan, dan mendeteksi objek.
DataFrame telah mengalami beberapa pembaruan di ML.NET 3.0, memperkuat skenario pemuatan data dengan data yang kini dapat diimpor dan diekspor ke database SQL. Hal ini dimungkinkan melalui ADO.NET, yang kompatibel dengan database yang mendukung SQL. DataFrame juga telah meningkatkan kinerja aritmatikanya dalam skenario kloning kolom dan perbandingan biner, serta peningkatan penanganan nilai nol saat melakukan operasi aritmatika. Hal ini menghasilkan lebih sedikit langkah yang diperlukan dalam transformasi data. Selain itu, perbaikan debugger telah dilakukan untuk memastikan keluaran yang lebih mudah dibaca untuk grid dengan nama kolom yang luas. Ini juga memperkenalkan serangkaian API baru untuk mendukung operasi tensor di bawah Tensor Primitives.
Sejalan dengan platform tanpa kode seperti AppMaster , Microsoft terus berinovasi dan berkembang. Raksasa teknologi ini juga secara bersamaan mengembangkan rencana untuk .NET 9 dan ML.NET 4.0. Sementara itu, perusahaan berkomitmen bahwa pengguna dapat mengharapkan peningkatan untuk Model Builder dan ML.NET CLI untuk melengkapi rilis ML.NET 3.0. Microsoft juga berencana untuk memperluas skenario dan integrasi pembelajaran mendalam sambil memperkenalkan penyempurnaan pada DataFrame. Terakhir, perusahaan mengungkapkan niatnya untuk memperluas API di System.Numerics.Tensors dan mengintegrasikannya ke dalam ML.NET.
