La dernière version 2.0 de ML .NET promue par Microsoft met à jour plusieurs éléments du framework open source de machine learning. Dévoilée le 10 novembre, ML.NET 2.0 est arrivée en tandem avec la dernière version de ML.NET Model Builder, un outil de développement visuel créant des modèles d'apprentissage automatique pour les applications .NET. Model Builder introduit un scénario de classification de texte qui est alimenté par l'API ML.NET Text Classification.

Présentée en avant-première en juin, l'API Text Classification propose aux développeurs de former des modèles personnalisés pour classer des données textuelles brutes. Elle utilise un modèle TorchSharp NAS-BERT pré-entraîné de Microsoft Research et les propres données du développeur pour affiner le modèle. Le scénario Model Builder prend en charge l'entraînement local sur les CPU ou les GPU compatibles CUDA.

Les autres évolutions

La dernière version de ML .NET comprend aussi d’autres éléments listés ci-dessous :

-La classification binaire, la classification multiclasse et les modèles de régression utilisant des pipelines d'apprentissage automatique préconfigurés facilitent l'initiation à l'apprentissage automatique.

-Le prétraitement des données peut être automatisé à l'aide d'AutoML Featurizer.

-Les développeurs peuvent choisir les formateurs qui sont utilisés dans le cadre d'un processus d'apprentissage. Ils peuvent également choisir les algorithmes de réglage utilisés pour trouver les hyperparamètres optimaux.

-Des options avancées de formation AutoML sont introduites pour choisir les formateurs et choisir une métrique d'évaluation à optimiser.

-Une API de similarité de phrases, utilisant le même modèle sous-jacent TorchSharp NAS-BERT, calcule une valeur numérique représentant la similarité de deux phrases.

Microsoft a donné quelques éléments sur les perspectives de ML.NET avec l’extension de la couverture du deep learning et l'accent mis sur l'utilisation du cadre LightBGM pour les tâches classiques d'apprentissage automatique telles que la régression et la classification. Les développeurs à l'origine de ML.NET ont également l'intention d'améliorer l'API AutoML pour augmenter les scénarios et les personnalisations. L’éditeur prévoit également de simplifier les flux d'apprentissage automatique.