Beschreibung

In der Vorlesung Künstliche Intelligenz wird AutoML von ML.NET behandelt.

Hierzu sind sicher viele Themen für Projekt- oder Bachelorarbeiten denkbar.

Mindestens sind aber die folgenden Themen interessant:

Model Builder

Microsoft bietet den Model Builder als Plugin für Visual Studio für Windows an. Der Model Builder ist dabei letztlich nur eine graphische Oberfläche zur Erstellung von JSON-Konfigurationen für mlnet.

Der Model Builder ist leider nicht Open Source, aber man kommt dennoch recht gut an den nötigen Code heran, um die JSON-Struktur nachzubauen (in Microsoft.ML.ModelBuilder.Configuration.dll; würde ich Ihnen dann bei Beginn der Arbeit zeigen).

Aufgabe der Arbeit ist es, eine Cross-Platform Desktop App (z.B. .NET MAUI, Uno, Avalonia oder Blazor mit Photino oder Electron) mit ähnlicher Funktionalität wie den Model Builder zu bauen, die passende JSON-Konfigurationen erzeugt.

Beispielcode zum Erzeugen von JSON-Konfigurationen habe ich bereits geschrieben (wichtigster Einstiegspunkt ist Training_configuration_runs_mlnet_cli_successfully in MlIntegrationTests.cs). Dort wird demonstriert, wie man aus Code eine passende JSON-Konfiguration erzeugen und diese in ML.NET CLI laufen lassen kann.

Vergleich mit anderen AutoML Frameworks

Außerhalb von .NET existieren noch viele AutoML-Frameworks. Ein Vergleich von ausgewählten anderen Tools mit ML.NET wäre sicherlich sehr sinnvoll. Als Datengrundlage können dafür Daten vom UC Irvine Machine Learning Repository dienen.

Bekannte Frameworks sind u.A.:

• H2O AutoML
• auto-sklearn
• mljar-supervised
• AutoGluon

Weitere sind auf Übersicht gelistet.