ML.NET Model Builder 2022

تتيح هذه الأداة للمطورين وعلماء البيانات نمذجة نماذج ML.NET مع قدر بسيط من الشفرة من خلال إعداد مدخلات البيانات، اختيار عمود الهدف واختيار خوارزميات التدريب. تعزل المهام الروتينية مثل تحميل البيانات والتقسيم والمعالجة المسبقة الأساسية، مما يتيح استكشافاً سريعاً لفِرَق النماذج (التصنيف، الانحدار، الترتيب) على مجموعة بيانات معروفة. يمكن للمستخدمين تجربة خيارات ميزات متعددة، وخيارات توسيع ونُظم ضبط المتدرب مع الحفاظ على سجل واضح وقابل لإعادة الإنتاج لكل تجربة. يركّز التدفق على القابلية لإعادة الإنتاج وتتبع السجل، ما يجعله مناسباً للفرق التي تعتمد تجارب بإصدارات وإحراز تحسينات تدريجية للنموذج. عملياً، يزوّد المستخدمون بمسار مجموعة البيانات أو بيانات في الذاكرة، ويحدّدون أعمدة الميزات ويعرّفون هدف المشكلة. يطبق النظام معالجة مسبقة قياسية (التعامل مع القيم المفقودة، تطبيع الميزات الرقمية، وترميز الميزات الفئوية عند الطلب)، يتبعه التدريب مع مدرّبي ML.NET. يحسب مقاييس التقييم مثل الدقة، RMSE أو AUC، اعتماداً على المهمة، ويجمع القطع الظاهرية وبيانات التعريف للنموذج. يدعم النظام التحقق المتبادل وتقسيمات التدريب/الاختبار كخيارات متقدمة لتفادي الإفراط في التكيّف. تُعرض النتائج في تقرير شفاف يتيح مقارنة مباشرة بين النماذج، مع قطع أثرية جاهزة للنشر أو التحسين لاحقاً. من يستفيد: مطوّري .NET ومهندسو ML وفِرَق علوم البيانات الذين يسعون لإرشاد أسرع وتجارب قابلة لإعادة الإنتاج. قيمة مميزة: تكامل ML.NET الأصلي، معلمات تجربة صريحة ومسارات تصدير آثار مناسبة للنشر في بيئات .NET. حالات الاستخدام: توقع فقدان العملاء، توقع الطلب، ومراقبة الجودة؛ حيث يوجه النموذج البسيط استراتيجيات البيانات قبل ترميز خطوط إنتاج. من خلال مركزة تكوين البيانات، واختيار الخوارزميات والتقييم في أداة واحدة، تقلل الفرق من تبديل السياق وتزيد من سرعة التكرار مع الحفاظ على حوكمة التتبع والأداء.