机器学习（ML），也被称为人工智能（AI）正在成为世界上最流行的技术之一。机器学习几乎在每个行业都有应用，是谷歌、必应和DuckDuckGo等搜索引擎的骨干。
机器学习/人工智能是指根据某些结果做出有针对性的具体决定。ML/AI的一些最流行的用途是在聊天机器人人工智能，自然语言处理，产品推荐和情感分析。
今天，大多数企业经理和首席执行官会告诉你，他们真的很关心雇用合适的人才。他们面临的最大挑战之一是找到能够在适当技术中应用ML技术的机器学习专家。
你想知道更多关于.NET开发人员是否仍有意义以及机器学习与之有什么关系吗？
在2022年，.NET仍然具有相关性吗？
微软开发的.NET框架是一个开源的、跨平台的应用程序开发软件工具。.NET是一个全栈框架，用于构建网站、网络和桌面应用程序、游戏等。最新版本的.NET 6是在2021年11月发布的。
现在呢？在最初发布近6年后，毫无疑问，.NET仍然非常流行。事实上，.NET是专业开发者中最受欢迎的开发工具之一。
世界上许多最大的公司在他们的网络应用中使用.NET软件，包括三星、戴尔、摩根大通和思科。GoDaddy、StackOverflow和英特尔等公司都使用.NET来构建他们的网络资源。
.NET似乎很快就会无疾而终。
.NET中机器学习的范围
机器学习有各种各样的应用。ML可用于欺诈检测、垃圾邮件和恶意软件检测、图像识别、语音识别等等。
更具体地说，机器学习被应用于网络应用程序和网络服务以获得额外的功能。亚马逊网络服务、微软Azure、IBM云和谷歌云都将机器学习作为其功能的一个重要部分。
Python是开发者最常用于机器学习应用的语言。Python是一种动态的、轻量级的语言，它有许多框架和数据库，旨在处理解决机器学习中的问题所需的大量数据。
在.NET环境中，使用Python可能会阻碍生产过程，特别是当项目的一部分被用C#这样的语言编写时。.NET有自己的机器学习库，叫做ML.NET，可以弥补这个问题。
适用于.NET开发者的ML.NET
有了ML.NET，.NET开发者可以在他们的网络应用中加入情感分析、语音检测和智能搜索等功能。ML.NET可与Windows、Azure、PowerBI和其他可视化工具配合使用。
ML.NET库提供了完整的工作流程，用于将机器学习应用于使用.NET框架的应用程序。让我们来看看这个工作流程。
ML.NET工作流程
ML.NET允许开发者为.NET应用程序建立和集成机器学习模型。这些模型要经过一个工作流程，具体如下。
- 数据被收集，然后作为一个对象被加载
- 建立管道
- 将机器学习算法应用于数据，结合管道提取特征
- 对模型进行训练，然后进行评估以进行改进
- 根据模型评估做出预测
这个工作流程是机器学习领域的标准，并且在ML.NET中是非常快的。
高性能
我们将ML.NET与SciKit-Learn（一个流行的Python ML框架）和H20（一个云人工智能框架）进行了并排比较，以确定哪一个可以表现得最好。ML.NET的表现优于其他两个框架，证明在较大的数据集上更可靠，在较小的数据集上更快。
库支持
ML.NET是开源的，并与其他ML库集成，如TenserFlow、ONNX和Infer.NET。
ML.NET的优点
.NET开发人员不需要是机器学习或人工智能专家，就可以使用ML.NET。ML.NET使开发人员能够无缝地建立和测试模型，因为它预先打包了几个可供部署的模型。开发人员可以简单地加载数据，而ML.NET可以处理其余的事情。
ML.NET也使企业应用开发者的生产过程变得顺畅，因为编程语言的整合有了重叠。处理一种语言工具，如C#，来部署一个应用程序要比处理多种语言要容易得多。
ML.NET也能很好地与各种可视化工具合作。Microsoft Azure、PowerBI、甚至Jupyter Notebook都与ML.NET兼容。
.NET和机器学习的未来
ML和.NET的未来是什么？它们的未来似乎是光明的。在未来十年，软件工程工作预计将增长22%。这种增长包括机器学习工程师和.NET开发人员职位。
随着ML成为科技行业越来越重要的一部分，.NET开发人员将很快需要将机器学习技术加入他们的技能组合。
微软继续开发.NET，随着时间的推移增加越来越多的功能。用不了多久，ML.NET就会成为企业应用机器学习集成的行业标准。
ML和.NET开发将继续存在
机器学习和.NET不会有什么发展。这两种技术预计将并肩发展，而且似乎没有尽头。ML.NET将继续扩大，给越来越多的.NET开发者一个机会，为机器学习和人工智能生态系统做出贡献。
