Machine Learning (ML) berasal dari kata kunci yang bagus untuk dimiliki dalam aplikasi Anda menjadi fitur yang harus dimiliki yang berfungsi dan memberi nilai tambah. Ilmuwan data mengembangkan model ML di berbagai Kerangka ML seperti TensorFlow, Scikit-learn, PyTorch, Azure ML, dll. Sebelum ML.NET tersedia untuk semua pengembang, menambahkan fungsionalitas ML ke aplikasi .NET memerlukan pengetahuan di beberapa kerangka kerja ML untuk membangun dan melatih model ML. Hal ini juga menuntut waktu dan upaya tambahan untuk mengintegrasikan model tersebut ke dalam aplikasi .NET.
ML.NET membuat pekerjaan ini jauh lebih mudah bagi pengembang .NET dengan Model Builder, ekstensi Visual Studio grafis untuk membangun, melatih, dan menerapkan model ML kustom. Dengan menggunakan Pembuat Model ML.NET dan fungsionalitas AutoML-nya, pengembang yang tidak memiliki keahlian pembelajaran mesin, seperti saya, masih dapat mengembangkan dan menggunakan model ML dalam hitungan menit.
Tentang ML.NET
Sebelum kita masuk ke contoh kita, mari kita bicara sedikit tentang sejarah ML.NET dan statusnya saat ini.
ML.NET mengambil asal-usulnya dari proyek Microsoft Research tahun 2002 bernama TMSN, yang merupakan singkatan dari "pencarian dan navigasi penambangan uji." Kemudian diubah namanya menjadi TLC, "kode pembelajaran." Perang ML.NET berasal dari perpustakaan TLC. Awalnya, ini digunakan pada produk internal Microsoft.
Versi ML.NET 1.0 pertama yang tersedia untuk umum dirilis pada tahun 2019. Ini termasuk add-in Model Builder dan kemampuan AutoML (Automated Machine Learning).
Versi saat ini adalah 1.6.0. Detail selengkapnya tentang semua rilis dapat ditemukan di halaman rilis resmi ML.NET.
Beberapa tugas yang dapat kita lakukan dengan ML.NET adalah:
– Analisis sentimen
– Rekomendasi produk
– Prediksi Harga
– Segmentasi Pelanggan
– Deteksi objek
– Deteksi penipuan
– Deteksi lonjakan penjualan
– Klasifikasi gambar
– Perkiraan penjualan
Instal dan Konfigurasi
Versi Visual Studio minimum yang diperlukan adalah 16.6.1. Langkah-langkah berikut dilakukan pada Visual Studio 16.9.2. Jadi, jika Anda menggunakan versi yang berbeda, beberapa detail mungkin berbeda.
Instal Pembuat Model ML.NET
- Buka Penginstal Visual Studio
- Periksa pengembangan desktop .NET pilihan
- Di panel sebelah kanan, luaskan .NET desktop development> luaskan Opsional > centang Pembuat Model ML.NET (pratinjau)
Catatan:ML.NET Model Builder tersedia di .NET pengembangan lintas platform pilihan.
Aktifkan ML.NET Model Builder di Visual Studio
- Buka Alat > Opsi > Lingkungan > Fitur Pratinjau
- Periksa Aktifkan Pembuat Model ML.NET kotak centang
Membangun Model ML
Klik kanan pada proyek dan pilih Tambahkan > Pembelajaran Mesin
Pilih Skenario
Pilih Klasifikasi teks – kami akan menambahkan fitur analisis sentimen sederhana:
Pilih Lingkungan Pelatihan
Dalam kasus kami, ini adalah mesin lokal.
Tambahkan Data
Kami akan menggunakan file ZIP dataset Sentimen Berlabel UCI Sentences tersedia untuk diunduh.
Pilih Output yang Ingin Anda Prediksi
Dalam kasus kami, ini adalah kolom kedua sehingga kami akan memilih col1 . Kolom Input dipilih secara otomatis karena kami hanya memiliki dua kolom yang tersedia.
Latih Modelnya
Pilih waktu untuk berlatih dan klik Mulai pelatihan :
Gambar di bawah ini menunjukkan output dan hasil pelatihan:
Evaluasi Model
Jika kita memasukkan Janice baik ke dalam input data sampel, output menunjukkan kalimat ini positif dengan kepastian 100%:
Jika kita memasukkan Janice tidak sopan ke input data sampel, output menunjukkan kalimat ini tidak positif dengan kepastian 100%:
Menerapkan dan Menggunakan Model ML
Yang tersisa hanyalah menggunakan model yang kita buat di aplikasi kita. Kita perlu menambahkan referensi ke proyek model ML kita.
Juga, kita perlu menginstal Microsoft.ML dari NuGet.
Microsoft.ML hanya mendukung x64 dan x86 arsitektur prosesor. Jadi, pastikan untuk memilih salah satunya saat membuat aplikasi.
Dan itu saja. Di sini kita dapat melihat kode kita beraksi.
Kesimpulan
Seluruh proses mulai dari menginstal ML.NET hingga aplikasi pertama dengan fungsionalitas ML dapat dilakukan dalam beberapa menit. Tentu saja, ini adalah contoh yang sangat mendasar dengan satu-satunya tujuan untuk mengenal kerangka kerja ML.NET. Namun, bahkan tanpa pengalaman sebelumnya, saya dapat membuat aplikasi yang, dengan beberapa penyesuaian dan peningkatan, benar-benar dapat bekerja dalam skenario kehidupan nyata.
Yang mengatakan, ML.NET adalah alat. Anda akan dapat menggunakannya secara lebih efisien dengan lebih banyak pengetahuan tentang algoritme dan prinsip pembelajaran mesin.
Terima kasih telah bertahan sampai akhir dan berharap Anda akan bergabung dengan kami di artikel berikutnya di ML.NET.
