接上篇 參加杭州 2019 AI Bootcamp有感與總結（1） - repeatedly - 博客園
午餐暢談的收穫
先感謝主辦方提供的午餐，中午午休的時候，大家聊了很多，或者說主要是聽大佬談。聊了杭州的.Net生態和作爲技術人的如何自我要求。我試着總結一下。
- 不要被編程語言限制，不要執着語言之爭，任何語言的存在自有其值得學習的地方
- 人工智能的應用場景將變得非常寬廣，會不斷深入人們的生活，爲人們帶來更便利的生活方式，未來可期
- 一家公司的技術選型，歸根結底還是人來選，不是單單看一個技術的好壞
- 未來社會因爲大數據的存在，應該是重信用的社會，一言一行爲人做事，大數據會給出這個人是否值得信任的判斷，將會極大的保證公正公平
- 開腦洞：藉助AI人工智能和機器學習，一見鍾情或許沒那麼難，因爲投其所好將變得非常簡單
- .Net程序員應該是多面的，Java或者其他編程語言都應該多看多瞭解
ML.NET Model Builder
ML.NET是面向.NET開發人員的跨平臺機器學習框架，而Model Builder是Visual Studio中的UI工具，它使用自動機器學習（AutoML）輕鬆地允許您訓練和使用自定義ML.NET模型。藉助ML.NET和Model Builder，您可以在沒有任何機器學習經驗的情況下爲情緒分析，價格預測等場景創建自定義機器學習模型！
摘自：ML.NET Model Builder 更新 - Bean.Hsiang - 博客園
活動現場演示了兩個實例
一個是情緒分析，判斷一個文本內容是否有負面情緒：負面情緒爲 0，正面情緒爲 1。
一個是貓VS狗訓練，識別圖片中的物體與貓狗有多少相似度。
關於ML.NET Model Builder的更多內容，請參考 什麼是模型生成器，它的工作原理是怎樣的？ - ML.NET | Microsoft Docs
AutoML訓練模型
AutoML中文意思是自動化機器學習，即藉助AutoML訓練模型可以自動化將機器學習用於數據訓練。
AutoML訓練模型將會支持越來越多的機器學習任務，已經支持的包括但不限於二元分類、多類分類和迴歸等等。甚至你可以自己實現機器學習算法，用以拓展AutoML。
參考：
小結
先籠統的羅列了一下大略，後續將更細化的把更多的收穫整理出來。敬請期待和支持。