A Microsoft lançou recentemente o ML.NET 3.0, a mais recente iteração de sua plataforma pioneira de aprendizado de máquina que é de código aberto, versátil e permite a integração de modelos de aprendizado de máquina em aplicativos .NET. A Microsoft anunciou esta versão avançada em 27 de novembro, e os desenvolvedores podem acessá-la facilmente em dotnet.microsoft.com.
O recurso notável do ML.NET 3.0 são seus recursos expandidos de aprendizado profundo, abrangendo detecção de objetos, identificação de entidade nomeada e resposta a perguntas. Essas funcionalidades foram potencializadas por integrações e compatibilidade com os modelos TorchSharp e ONNX. Além disso, a implementação recente também aprimora a integração anterior com a estrutura de aumento de gradiente LightGBM.
O ML.NET 3.0 fortalece seu suporte para cenários de processamento de dados, cortesia de seus poderosos aprimoramentos e correções de bugs no DataFrame. Ele também introduz novos recursos de interoperabilidade IDataView, tornando as tarefas relacionadas ao carregamento, inspeção, transformação e visualização de dados mais potentes do que antes.
Em uma atualização lançada em maio, a Microsoft divulgou a detecção de objetos neste ML.NET Model Builder. Esses recursos são construídos com base nas APIs de detecção de objetos habilitadas pelo TorchSharp, que fazem parte do ML.NET 3.0 mais recente. A API de detecção de objetos adota algumas técnicas novas da Microsoft Research e é apoiada por uma arquitetura de rede neural baseada em Transformer feita com TorchSharp. Além disso, esse recurso de detecção de objetos está incluído no pacote Microsoft ML.TorchSharp 3.0.0.
Além do mencionado acima, o ML.NET 3.0 oferece caminhos notáveis para o processamento de linguagem natural, incluindo respostas robustas a perguntas e estruturas de reconhecimento de entidades nomeadas. Esses cenários foram desbloqueados com a construção dos recursos de classificação de texto existentes do TorchSharp RoBERTa introduzidos no ML.NET 2.0. Além disso, a versão atualizada vem com novos recursos de aprendizado de máquina automatizado (AutoML) com o AutoML Sweeper agora auxiliando na similaridade de frases, resposta a perguntas e detecção de objetos.
O DataFrame passou por diversas atualizações no ML.NET 3.0, ampliando os cenários de carregamento de dados com dados agora importados e exportáveis para bancos de dados SQL. Isto é possível através do ADO.NET, que é compatível com bancos de dados com suporte SQL. O DataFrame também melhorou seu desempenho aritmético em cenários de clonagem de colunas e comparação binária, além de melhorar o tratamento de valores nulos durante a execução de operações aritméticas. Isso resulta em menos etapas necessárias na transformação de dados. Além disso, foram feitas melhorias no depurador para garantir uma saída melhor legível para grades com nomes de colunas extensos. Ele também introduz um novo conjunto de APIs para suportar operações de tensor em Tensor Primitives.
Na mesma linha de plataformas sem código como AppMaster , a Microsoft continua a inovar e melhorar. A gigante da tecnologia também está desenvolvendo planos simultaneamente para o .NET 9 e o ML.NET 4.0. Enquanto isso, a empresa prometeu que os usuários podem esperar atualizações do Model Builder e da CLI do ML.NET para complementar a versão do ML.NET 3.0. A Microsoft também planeja expandir cenários e integrações de aprendizagem profunda, ao mesmo tempo que introduz melhorias no DataFrame. Por fim, a empresa revelou a intenção de expandir as APIs em System.Numerics.Tensors e integrá-las ao ML.NET.
