Anunciado el 27 de noviembre, la última versión del marco de aprendizaje automático multiplataforma y de código abierto ML.NET 3.0 de microsoft permite la integración de modelos de aprendizaje automático en aplicaciones y se enriquece con capacidades de aprendizaje profundo para la detección de objetos, el reconocimiento de entidades nombradas y la respuesta a preguntas. El soporte para estos escenarios de aprendizaje profundo fue posible gracias a integraciones e interoperabilidad con los modelos TorchSharp y ONNX. La versión 3.0 también actualiza la integración con el marco de mejora de gradiente LightGBM y proporciona un mejor soporte para escenarios de procesamiento de datos con mejoras y correcciones de errores para DataFrame y nuevas funciones de interoperabilidad. IDataView. La carga, inspección, transformación y visualización de datos también son más potentes.

El pasado mes de mayo, la firma de Redmond anunció la detección de objetos en ML.NET Model Builder. Estas capacidades aprovechan las API de detección de objetos impulsadas por TorchSharp e introducidas en ML.NET 3.0. La API de detección de objetos aprovecha algunas de las últimas técnicas de Microsoft Research y se basa en una arquitectura de red neuronal basada en Transformer creada con TorchSharp. La detección de objetos está incluida en el paquete Microsoft ML.TorchSharp 3.0.0. Este marco también ofrece algunos modos de procesamiento del lenguaje natural, incluida la respuesta a preguntas y el reconocimiento de entidades nombradas. Estos escenarios se desbloquean basándose en las funciones de clasificación de texto RoBERTa existentes de TorchSharp introducidas en ML.NET 2.0. El último entorno del editor estadounidense también está enriquecido con capacidades de aprendizaje automático (AutoML), en particular el escaneo AutoML, que ahora admite similitud de oraciones, respuesta a preguntas y detección de objetos.

Manejo mejorado de valores nulos

Se han realizado actualizaciones de DataFrame en ML.NET 3.0, incluidos escenarios de carga de datos ampliados, y ahora los datos se pueden importar y exportar a bases de datos SQL. Esto se hace a través de ADO.NET, que admite bases de datos compatibles con SQL. También en DataFrame, se ha mejorado el rendimiento aritmético en escenarios de clonación de columnas y comparación binaria. Se ha mejorado el manejo de valores nulos durante las operaciones aritméticas, lo que reduce la cantidad de pasos de transformación de datos. Se han realizado mejoras en el depurador para mejorar la legibilidad de los resultados de las columnas cuyos nombres alcanzan una longitud determinada. Tensor Primitives incluye un nuevo conjunto de API que admiten operaciones tensoriales. Microsoft está trabajando actualmente en futuras versiones .NET 9 y ML.NET 4.0. Antes de eso, la empresa planea actualizar Model Builder y ML.NET CLI a ML.NET 3.0. También planea ampliar los escenarios e integraciones de aprendizaje profundo y realizar mejoras en DataFrame. Finalmente, Microsoft dijo que continuará desarrollando las API System.Numerics.Tensors e integrándolas con ML.NET.