Leseproben
Robin Sedlaczek Fairmas GmbH

„Wir haben gesehen, dass mit ML.NET ein ML Model mit nur wenigen Zeilen Code direkt in der eigenen Anwendung benutzt werden kann. Einfacher geht es fast nicht.“

Mit .NET Core werden nicht nur WPF und WinForms Teil der neuen quelloffenen Implementierung von .NET, Microsoft möchte nun auch Machine Learning für jedermann einsetzbar machen. Darum hält nunmehr Machine Learning mit dem ML.NET Framework Einzug in .NET Core. In dieser Artikelserie zeigen wir, was ML.NET kann, welche Möglichkeiten es dem Entwickler an die Hand gibt, wie das Tooling und die APIs aussehen und was unter der Haube passiert.

Mit ML.NET (Machine Learning für .NET) veröffentlicht Microsoft ein für die Softwareentwicklung revolutionäres Framework. Möchte man maschinelles Lernen in den eigenen Anwendungen einsetzen, ist es nicht länger notwendig, sich im Detail mit der Mathematik und der Implementierung von z. B. Transformations-, Klassifikations-, Regressions- oder SVM-Algorithmen auszukennen oder sich damit auseinanderzusetzen, denn all das bringt ML.NET mit. Das Tooling um das Framework herum tut seinen Rest: Es war nie einfacher, den richtigen Algorithmus für den gewünschten Anwendungsfall auszusuchen, die eigenen Daten darauf zu trainieren und schließlich in den eigenen Anwendungen einzusetzen. Damit dreht Microsoft den Spieß um: Daten und Anwendungsfall stehen im Vordergrund, nicht länger die Implementierung.

Kurze Rede, schnell zum Sinn: Ein Beispiel sagt mehr als tausend Worte. Starten wir also mit einer praktischen Demo, um das Gesagte zu untermauern.

Los geht’s

Um ein Cross-Plattform-Developer-Tooling anzubieten, bringt ML.NET ein Command Line Interface (CLI) mit. Wir werden später etwas mehr darüber erfahren. Für das erste schnelle Beispiel werden wir jedoch Visual Studio und die Model Builder Extension heranziehen. Die Erweiterung für Visual Studio benutzt unter der Haube seinerseits das CLI.

Die Extension kann über das Hauptmenü Extensions | Manage Extensions installiert oder alternativ über die Webseite heruntergeladen werden. Für diese erste Demo benutzen wir Visual Studio 2019. Nach erfolgreicher Installation beginnen wir mit einer einfachen, leeren .NET-Core-Konsolenanwendung. Im Kontextmenü des Projektknotens im Solution Explorer befindet sich ein neuer Eintrag: Add | Machine Learning. Die Auswahl öffnet den ML.NET Model Builder, wie in Abbildung 1 zu sehen.

Abbildung 1: Model Builder Extension in Visual Studio

Abbildung 1: Model Builder Extension in Visual Studio

Der Model Builder bietet einen einfachen Assistenten, der durch fünf Schritte führt. Zuerst wählen wir das Szenario aus, in diesem Fall Sentiment Analysis. Schritt zwei verlangt von uns die Daten, mit denen das neue Machine Learning Model erstellt und trainiert werden soll. Dazu laden wir das Wikipedia Detox Dataset herunter. Dieses enthält Userkommentare und eine Klassifikation, ob der Kommentar positive oder negative Aussagen im Sinne von Emotionalität enthält. Das ML Model soll mit diesen Daten trainiert werden, um zu bestimmen, ob ein beliebiger anderer Kommentar positive oder negative Aussagen enthält. Nach dem Download wählen wir die Datei im zweiten Schritt des Model Builders aus. Eine kleine Vorschau wird angezeigt, und die vorherzusagende Spalte muss ausgewählt werden. Für dieses Beispiel ist das die Spalte Sentiment.

Den vollständigen Artikel lesen Sie in der Ausgabe:

Windows Developer 9.19 - "Software zwischen Mensch und Maschine"

Alle Infos zum Heft
579901345ML einfach mit .NET
X
- Gib Deinen Standort ein -
- or -