Infer.NET
Infer.NET — свободная и открытая библиотека программного обеспечения для .NET, предназначенная для задач машинного обучения[1]. Она поддерживает выполнение байесовского вывода в графовых моделях и может использоваться для вероятностного программирования[2].
Общие сведения
| Infer.NET | |
|---|---|
| Тип | библиотека машинного обучения |
| Автор | Microsoft Research |
| Разработчики | Microsoft, .NET Foundation |
| Написана на | C# |
| Операционные системы | Microsoft Windows, macOS, Linux |
| Первый выпуск | 2008 |
| Аппаратные платформы | .NET Framework, .NET, Mono |
| Последняя версия | v0.4.2301.0301 (3 января 2023) |
| Репозиторий | github.com/dotnet/infer |
| Лицензия | MIT License |
| Сайт | dotnet.github.io/infer/ |
Обзор
Infer.NET использует модельно-ориентированный подход и применяется для решения различных задач машинного обучения, включая такие стандартные задачи, как классификация, рекомендации и кластеризация, а также для создания специализированных и отраслевых решений. Фреймворк используется в различных областях, таких как биоинформатика, эпидемиология, компьютерное зрение и информационный поиск[3].[4]
Разработка фреймворка была начата командой в исследовательском центре Microsoft в Кембридже, Великобритания, в 2004 году. Впервые он был выпущен для академического использования в 2008 году и позднее с открытым исходным кодом в 2018 году[4]. В 2013 году Microsoft была отмечена премией Patents for Humanity Award от US Patent and Trademark Office в категории «Информационные технологии» за Infer.NET и работы по передовым методам машинного обучения[5].[6]
Infer.NET используется внутри Microsoft в качестве движка машинного обучения в некоторых их продуктах, таких как Office, Azure и Xbox[7].
Исходный код распространяется по лицензии MIT License и доступен на GitHub[8]. Также доступен как пакет NuGet[9].
Примечания
- ↑ Microsoft's popular machine learning framework Infer.NET goes open source (англ.). mspoweruser.com (8 октября 2018). Дата обращения: 23 июня 2024. Архивировано 14 августа 2025 года.
- ↑ Millman, Rene Microsoft makes Infer.NET machine learning framework open-source (англ.). Internet of Business (8 октября 2018). Дата обращения: 23 июня 2024. Архивировано 13 августа 2025 года.
- ↑ Bandyopadhyay, Avimanyu Microsoft Open Sources Infer.NET AI Framework [For Humanity] (англ.) (13 октября 2018). Дата обращения: 23 июня 2024. Архивировано 29 августа 2025 года.
- ↑ 1 2 Speed, Richard Microsoft open-sources Infer.NET AI code just in time for the weekend (англ.). theregister.com. Дата обращения: 23 июня 2024. Архивировано 13 августа 2025 года.
- ↑ 2013 Award Recipients (англ.). uspto.gov. Дата обращения: 23 июня 2024. Архивировано 13 августа 2025 года.
- ↑ Microsoft Wins "Patents for Humanity" Award For Infer.NET From USPTO (англ.) (12 апреля 2013). Дата обращения: 23 июня 2024. Архивировано 14 августа 2025 года.
- ↑ Krill, Paul Microsoft open-sources Infer.Net model-based machine learning (англ.). InfoWorld (9 октября 2018). Дата обращения: 23 июня 2024. Архивировано 16 сентября 2019 года.
- ↑ dotnet/infer (англ.). GitHub (3 ноября 2020). Дата обращения: 23 июня 2024. Архивировано 26 августа 2025 года.
- ↑ Infer.Net 2.4.0 (англ.). nuget.org. Дата обращения: 23 июня 2024. Архивировано 15 декабря 2012 года.
Литература
- Knowles, D.; Parts, L.; Glass, D.; Winn, John Modeling skin and ageing phenotypes using latent variable models in Infer.NET (англ.). Microsoft (2010). Дата обращения: 23 июня 2024.
- Winn, John; Minka, Tom Probabilistic Programming with Infer.NET (англ.) (2009). Дата обращения: 23 июня 2024.
- Winn, John; Simpson, Angela; Custovic, Adnan; Y. F. Tan, Vincent Immune System Modeling with Infer.NET (англ.). Microsoft (2008). Дата обращения: 23 июня 2024.
Ссылки
- https://dotnet.github.io/infer/ — официальный сайт Infer.NET
- https://github.com/dotnet/infer — репозиторий на GitHub
- https://www.microsoft.com/en-us/research/group/machine-intelligence-and-perception/ — группа Machine Intelligence and Perception, Microsoft Research
- http://videolectures.net/abi07_winn_ipi/ — Infer.NET: практические вопросы реализации и обзор техник аппроксимации
