Die Stimmungslage an der Börse auswerten oder Preisvorhersagen für Kunden machen? Mit ML.NET 1.4 können .NET-Entwicklerinnen und -Entwickler mit dem Modell-Generator in Visual Studio automatisiert eine Reihe von Szenarien für maschinelles Lernen als Modell generieren, auch ohne ML-Vorkenntnisse.
ML.NET 1.2 wurde mit neuen Features für den Model Builder und für die Preview des ML.NET CLI veröffentlicht. Zudem haben einige Komponenten des Frameworks für Machine Learning in .NET den Preview-Modus verlassen.
Microsoft hat ML.NET 1.0 als erstes Stable Release veröffentlicht. Das Framework für Machine Learning ist Open Source und kann cross-plattform verwendet werden. In ML.NET 1.0 sind neben den bereits bekannten Funktionen einige neue Preview-Features enthalten.
Microsoft hat den Release Candidate für Version 1.0 seines Machine-Learning-Frameworks ML.NET veröffentlicht. Der RC bereitet auf die finale Veröffentlichung von ML.NET 1.0 in diesem Quartal vor. ML.NET ist Open Source, kann cross-plattform verwendet werden und beinhaltet Previews für die Unterstützung von TensorFlow, ONNX und mehr.
Microsoft hat die neueste Version seines Frameworks für Machine Learning veröffentlicht: ML.NET 0.11 bringt neue Features und Breaking Changes mit.
Microsoft hat mit ML.NET 0.10 die neueste Version seines Machine-Learning-Frameworks veröffentlicht. Im Release werden einige wichtige Weichenstellungen vorgenommen, insbesondere soll IDataView den Datenaustausch von Libraries vereinfachen.
Microsoft veröffentlicht eine neue Version des Machine-Learning-Frameworks ML.NET 0.9 mit verbesserter Vorhersage, Performanz und Einbindungsmöglichkeit.
ML.NET 0.4 bringt erneut eine Reihe von neuen Features mit: Neues für das Natural Language Processing, eine Änderung am F#-API und eine Option für die parallele binäre Klassifikation sind mit dabei.
Microsofts Open-Source-Lösung für .NET-Machine-Learning bekommt ein Update – der monatliche Updatezyklus des auf der Build-Konferenz vorgestellten Previews geht weiter. Besonderer Fokus liegt diesmal auf mehreren neuen Learnern für die Regression und für die binäre bzw. multiple Klassifizierung sowie auf dem Export von ML.NET-Modellen in das ML-Standardformat ONNX.
