Microsoft представляет платформу машинного обучения с открытым исходным кодом и кроссплатформенность
Упрощение доставки моделей машинного обучения
Это резюме исследования - лишь одно из многих, которые еженедельно распространяются в информационном бюллетене для ученых в области ИИ. Чтобы начать получать еженедельную рассылку, зарегистрируйтесь здесь.
Microsoft недавно представила ML.NET, платформу для создания специализированных библиотечных решений для машинного обучения. Хотя ML.NET является новым, он восходит к 2002 году, когда Microsoft Research приступила к проекту поиска и навигации по интеллектуальному анализу текста (TMSN) для использования в продуктах Microsoft.
Позднее в 2011 году проект был переименован в The Learning Code (TLC). По словам доктора Джеймса Маккаффри из Microsoft Research, ML.NET является потомком TLC, который превзошел своего родителя.
Машинное обучение в Microsoft с ML .NET
ML.NET был разработан, чтобы дать разработчикам платформу машинного обучения для языков C #, F # И VB.NET для создания, тестирования и развертывания конвейеров машинного обучения.
Он также поддерживает модели Python. Его текущая реализация включает 2773 тыс. Строк кода C # и примерно 74 тыс. Строк кода C ++, которые позволяют выполнять высокопроизводительные операции линейной алгебры с использованием инструкций SIMD. ML.NET поддерживает более 80 функций и 40 моделей машинного обучения.
Разработчики могут обучать модель машинного обучения или повторно использовать существующую модель стороннего производителя и запускать ее в любой среде в автономном режиме, что означает, что им не нужно иметь опыт работы с данными для использования фреймворка.
Возможное использование и эффекты
ML.NET был разработан в ответ на многочисленные запросы и идеи специалистов по данным в Microsoft, которые использовали его для разработки услуг и продуктов, используемых миллионами людей по всему миру.
Как бесплатная библиотека ML.NET упростит доставку моделей машинного обучения в крупные программные приложения. Платформа реализована простым в использовании способом, обеспечивающим масштабируемость для больших наборов данных, при этом предлагая высокую производительность и возможность унифицировать преобразования данных в рамках единого API.
А с учетом того, что машинное обучение быстро переходит из нишевой области в основной элемент разработки современных приложений, ML.NET поможет разработчикам перенести машинное обучение в тот же технологический стек, где они смогут более эффективно создавать и совместно использовать конвейеры машинного обучения.
Подробнее: https://arxiv.org/abs/1905.05715
Спасибо за чтение. Прокомментируйте, поделитесь и не забудьте подписаться на нашу еженедельную новостную рассылку AI Scholar, чтобы получать самые свежие и интересные исследования! Вы также можете подписаться на меня в Twitter и LinkedIn. Не забудьте 👏, если вам понравилась эта статья. Ваше здоровье!