Приблизительное время чтения: 7 минут.

Рассказ о том, как я создавал нейронную сеть на ML.NET и с какими трудностями столкнулся. Пример исходников внутри.

Читать далее

https://habr.com/ru/post/576726/?utm_source=habrahabr&utm_medium=rss&utm_campaign=576726

К сожалению, мир машинного обучения принадлежит python.

Он давно закрепился, как рабочий язык для Data Silence, с чем Microsoft решила поспорить. Так появился ML.NET, кросс-платформенная и открытая система машинного обучения для разработчиков .NET.

В данной статье, я хочу показать, что использовать ml.net - не сложнее, чем остальные варианты, которые есть, на реально работающем примере, ссылку на который оставлю внизу. Это канал в телеграмме, который в автоматическом режиме забирает данные, классифицирует их(это и будем рассматривать) и постит. Кому интересно, добро пожаловать.

Ознакомиться

https://habr.com/ru/post/548038/?utm_source=habrahabr&utm_medium=rss&utm_campaign=548038

Что будет в этой статье?

Это заключительная статья в цикле о жизни разработчиков IDE для баз данных. В этой части я расскажу, о том, как внедрение продуктовой аналитики повлияло на некоторые аспекты разработки.



Для понимания этой статьи не обязательно читать все три предыдущие, но будет полезно прочитать несколько первых параграфов первой части, так как они дают представление о контексте. Впрочем, вот некоторые тезисы, если нет возможности ознакомится с первой статьей:

• Мы делаем линейку IDE для СУБД MySQL, SQL Server, Oracle, PostgreSQL


• Это настольное приложение на .NET стеке со всеми вытекающими


• Парсинг SQL это сложная задача в плане производительности и памяти. Постоянно приходится применять разные трюки для оптимизации

Ссылки на предыдущие статьи цикла:



Часть 1. Сложности парсинга. Истории о доработке ANTLR напильником

Часть 2. Оптимизация работы со строками и открытия файлов

Часть 3. Жизнь расширений для Visual Studio. Работа с IO. Необычное использование SQL

Часть 4. Работа с исключениями, влияние данных на процесс разработки. Использование ML.NET




Читать дальше →

https://habr.com/ru/post/505270/?utm_source=habrahabr&utm_medium=rss&utm_campaign=505270

Многие дотнетчики знают Дмитрия shwars Сошникова (Microsoft) по его докладам, связанным с машинным обучением. А сейчас миры ML и .NET сближаются благодаря технологии ML.NET, так что очень пригодился бы новый доклад — и на DotNext он как раз будет (даже два, от Дмитрия и от Джеффа Просайза).



Но деятельность Дмитрия не ограничивается докладами — например, ещё он популяризует технологии разработки среди новичков, включая собственную дочь. И это не менее интересная тема: наверняка среди аудитории Хабра есть родители, которые думают, как правильнее приобщать детей к IT.



Поэтому в ожидании DotNext мы взяли интервью, где начали с биографии Дмитрия, потом подробно поговорили о детском IT-образовании — а в конце затронули машинное обучение и новые доклады о нём.
Читать дальше ->

https://habr.com/ru/post/470399/?utm_source=habrahabr&utm_medium=rss&utm_campaign=470399

Мы рады сообщить о выходе обновлений Model Builder и ML.NET. ML.NET — это кроссплатформенная среда машинного обучения с открытым исходным кодом (Windows, Linux, macOS) для разработчиков .NET.



ML.NET предлагает Model Builder (простой инструмент пользовательского интерфейса) и интерфейс командной строки, созданные для того, чтобы упростить создание пользовательских моделей ML с использованием AutoML.



Используя ML.NET, разработчики могут задействовать свои существующие инструменты и наборы навыков для разработки и внедрения ИИ в приложения, создавая пользовательские модели машинного обучения для распространенных сценариев, таких как анализ тональности текста, рекомендации, классификация изображений и многое другое!



Читать дальше ->

https://habr.com/ru/post/469095/?utm_source=habrahabr&utm_medium=rss&utm_campaign=469095

ML.NET — это кроссплатформенная среда машинного обучения с открытым исходным кодом (Windows, Linux, macOS) для разработчиков .NET. Работая с ML.NET, разработчики могут использовать существующие инструменты и навыки для разработки и внедрения AI в свои приложения, создавая пользовательские модели машинного обучения для распространенных сценариев, таких как Sentiment Analysis, Recommendation, Image Classification и многого другого!



Сегодня мы объявляем о выпуске ML.NET 1.0 RC (Release Candidate) (версия 1.0.0-preview), которая является последним превью-релизом перед выпуском окончательной версии ML.NET 1.0 RTM во 2 квартале 2019 года.



Скоро мы завершим первую веху интересного развития, которое началось в мае 2018 года, когда мы выпустили ML.NET 0.1 с открытым исходным кодом. С тех пор мы выпустили 12 превью-выпусков (один в месяц), как показано в роадмапе ниже:







Первое, что мы сделали в этом выпуске (ML.NET 1.0 RC) — наконец доделали основные правки в API. В следующем спринте мы сосредоточимся на улучшении документации и примеров, а также решении основных критических вопросов, если это будет необходимо. Читать дальше ->

https://habr.com/ru/post/447414/?utm_source=habrahabr&utm_medium=rss&utm_campaign=447414

Мы рады объявить о выпуске ML.NET 0.7 — последней версии кросс-платформенной и open source системы машинного обучения для разработчиков .NET (ML.NET 0.1 был выпущен на //Build 2018). Этот релиз направлен на расширение функциональности платформы. Подробнее под катом!



Читать дальше ->

https://habr.com/post/429402/?utm_source=habrahabr&utm_medium=rss&utm_campaign=429402