Llegamos a ustedes gracias a:



Noticias

Microsoft pone como código abierto el aprendizaje automático Infer.Net

[16/09/2018] Microsoft ha publicado a través de código abierto, su marco framework interplataforma Infer.Net para el aprendizaje automático basado en modelos.

Infer.Net se convertirá en parte del framework de aprendizaje automático ML.Net para desarrolladores de .Net, así Infer.Net amplía ML.Net para el modelado estadístico y el aprendizaje en línea. Ya se han dado varios pasos hacia la integración, incluyendo la configuración de un repositorio en la Fundación .Net.

Microsoft citó la aplicabilidad de Infer.Net a tres casos de uso:

  • Cuando un usuario tiene un amplio conocimiento sobre un campo específico y quiere resolver un problema de ese campo.
  • Para interpretar el comportamiento del sistema.
  • Para un sistema de producción que debe aprender a medida que llegan nuevos datos.

Desde el 2004, Infer.Net ha pasado de ser una herramienta de investigación a servir como el motor de aprendizaje automático en algunos productos de Microsoft en Office, Azure y Xbox. Con Infer.Net, los desarrolladores pueden incorporar el conocimiento de un campo en un modelo. El framework luego puede crear un algoritmo de aprendizaje automático personalizado directamente en ese modelo, por lo que en lugar de tener que asignar un problema en un algoritmo de aprendizaje existente, Infer.Net crea un algoritmo de aprendizaje basado en el modelo proporcionado por un desarrollador.

En Infer.Net, los modelos se describen a través de un programa probabilístico; los procesos reales se describen en un lenguaje que comprendan las máquinas. Este programa es compilado por el framework en un código de alto rendimiento para implementar una inferencia bayesiana determinista y aproximada, un enfoque que permite una escalabilidad sustancial. Microsoft ya ha utilizado esta metodología en un sistema que extrae automáticamente el conocimiento de miles de millones de páginas web.

Además, Microsoft soporta la inferencia bayesiana en línea, en la que un sistema aprende a medida que llegan nuevos datos. La compañía considera que esta técnica es crucial para los productos comerciales y de consumo que interactúan con los usuarios en tiempo real.

El aprendizaje automático basado en un modelo ofrece una ventaja en la interpretabilidad. Igualmente, el aprendizaje basado en un modelo se aplica a problemas con rasgos de datos tales como datos en tiempo real, datos heterogéneos, datos no etiquetados y datos con partes faltantes, y datos recolectados con sesgos conocidos.

Puede descargar Infer.Net a través de NuGet.