10 פלטפורמות AI לבניית היישום המודרני שלך

עכשיו כשאנחנו יודעים שהסיומות לא יביאו אותנו, הגיע הזמן להתיידד עם בינה מלאכותית ולהפיק תועלת מכך!


במשך זמן רב תחום הבינה המלאכותית, ותחום המשנה המפורסם ביותר שלו, למידת מכונות, היה מוקף בהילה מסתורית. מכונות העיתונות התעמולה שפכו את המאמר אחרי מאמר שחזה את עלייתן של מכונות סופר-אינטליגנטיות, סופר-עצמאיות וסופר-רעות, וגרמו לרבים ליפול בייאוש (אני עצמי כלול).

ומה יש לנו היום להראות לכל הרעש והעשן? טכנולוגיית AI רחוקה מלהיות מושלמת, מביכה טעויות, ורובוט מוגבל, לא תקין, שהפך, כמעט בכוח, ל- אזרח. לעזאזל, אין לנו אפילו אלגוריתם של תרגום שפה הגון.

אם היום מישהו עדיין מתעקש שיום הדין קרוב, הנה התגובה שלי:

אז מה זה AI, ML, וכל אותם מילות מפתח, אם לא סוף האנושות?

ובכן, אלה דרכים חדשות לתכנות מחשב כדי לפתור את הבעיות הקשורות לסיווג ולחיזוי. ונחשו מה, סוף סוף יש לנו שירותי AI רבים שאפשר להתחיל להשתמש בהם מייד ביישום העסקי שלכם ולקצור יתרונות אדירים.

מה יכולות פלטפורמות ה- AI לעשות כיום לעסקים?

שאלה טובה!

בינה מלאכותית היא כל כך גנרית ביישום שלה (לפחות בתיאוריה), עד כי אי אפשר היה להצביע על המטרה שלשמה פותחה. זה כמו לשאול בשביל מה פותחה גיליון אלקטרוני ומה אפשר לעשות איתו. בטח, הוא פותח לצורך הנהלת חשבונות, אולם כיום הוא הרבה מעבר לאחריות זו. וחשבונאות אינה הפונקציה היחידה – אנשים משתמשים בה ככלי לניהול פרויקטים, כרשימת טודו, כמסד נתונים, ומה לא.

כך גם ב- AI.

באופן גס, AI שימושי למשימות המוגדרות באופן רופף וסומכים על למידה מהניסיון. כן, זה מה שבני האדם גם עושים, אך ל- AI יש יתרון שכן הוא יכול לעבד הרים של נתונים תוך זמן קצר ולהגיע למסקנות הרבה יותר מהר. ככאלה, חלק מהיישומים האופייניים של AI הם:

  • איתור פרצופים בתמונה, וידאו וכו ‘
  • סיווג ותיוג תמונות, למשל, לייעוץ הורי
  • דיבור להמרת טקסט
  • איתור אובייקטים בתקשורת (למשל מכונית, אישה וכו ‘)
  • תחזית תנועת מחירי המניות
  • מימון טרור איתור (בין מיליוני עסקאות ליום)
  • מערכות המלצות (קניות, מוזיקה, חברים וכו ‘)
  • שבירת קפצ’ה
  • סינון דואר זבל
  • גילוי חדירת רשת

יכולתי להמשיך עוד ועוד, וכנראה שנגמרו לי הדפים (מבחינה פיגורטיבית), אבל אני מניח שאתה מבין את הרעיון עכשיו. כל אלה הם דוגמאות לבעיות שבני אדם נאבקו לפתור באמצעות אמצעי מחשוב מסורתיים. ובכל זאת, אלה חשובים מכיוון שיש להם צורך אדיר בעסקים ובעולם האמיתי.

אז, בלי להתייחס יותר, בואו נתחיל ברשימת הפלטפורמות המובילות של AI ונראה מה יש להם להציע.

שירותי AI של אמזון

בדיוק כמו שאמזון מוציאה חברות במהירות את העסק, כך גם AWS כל כך דומיננטית כפלטפורמה שכמעט שום דבר אחר לא עולה על הדעת. אותו דבר קורה שירותי AI של אמזון, שהוא מלא בשירותי AI שימושיים להפליא.

להלן כמה מהשירותים המפיצים את הדעת שיש ל- AWS.

אמזון מבינים: עוזר לך להבין את כל ההר של נתונים טקסטואליים ולא מובנים שיש לך. מקרה אחד לשימוש הוא כריית צ’ט של תמיכת לקוחות קיימים, וחישוב מה היו רמות שביעות הרצון לאורך זמן, מהן החששות העיקריים של הלקוח, אילו מילות מפתח משמשות הכי הרבה וכו ‘..

תחזית אמזון: שירות הגדרת אפס לשימוש בנתוני סדרות הזמן הקיימים שלך והפיכתם לתחזיות מדויקות לעתיד. במקרה שאתה תוהה מהם נתונים על סדרות זמן, עיין במאמר זה שכתבתי לאחרונה (חפש מסד נתונים בשם Timescale לקראת סוף המאמר).

אמזון לקס: בנה ממשקי שיחה (טקסטואלי ו / או חזותי) ליישומים שלך. מאחורי הקלעים פועל דגמי Machine Learning המאומנים של אמזון המפענחים כוונה ועושים דיבור לטקסט.

אמזון להתאים אישית: שירות פשוט ללא תשתית ליצירת המלצות עבור הלקוחות שלך, או לעצמך! אתה יכול להזין נתונים מסחר אלקטרוני או כמעט כל דבר לשירות זה, וליהנות מהצעות מדויקות ומעניינות במיוחד. כמובן שככל שמערכת הנתונים גדולה יותר, כך ההמלצות יהיו טובות יותר.

ישנם עוד הרבה שירותי AI שיש לאמזון, ואתה יכול ממש לבלות את כל היום בגלישה בהם. עם זאת, זו פעילות שאני ממליץ בכל לב! ��

הערה: קשה לאתר סיכום של כל השירותים הללו יחד במסמכי AWS, אך אם אתה עובר ל https://aws.amazon.com/machine-learning, אלה מופיעים בתפריט הנפתח תחת “שירותי AI.”

טנסור פלו

טנסור פלו היא ספריה (וגם פלטפורמה) שנוצרה על ידי הצוות שעומד מאחור מוח של גוגל. זהו יישום של תת-הדומיין של ML הנקרא רשתות עצביות של למידה עמוקה; כלומר, TensorFlow היא התהליך של גוגל כיצד להשיג למידה מכונה באמצעות רשתות עצביות בטכניקה של למידה עמוקה..

כעת, משמעות הדבר היא ש- TensorFlow היא כמובן לא הדרך היחידה להשתמש ברשתות עצביות – יש הרבה ספריות בחוץ, לכל אחת היתרונות והחסרונות שלה..

באופן כללי, TensorFlow מאפשרת לך את יכולות הלמידה של Machine Machine עבור סביבות תכנות רבות ושונות. עם זאת, פלטפורמת הבסיס די חזותית, ונשענת בעיקר על גרפים והדמיות נתונים כדי לבצע את העבודה. ככזה, גם אם אתה לא מתכנת, אפשר, במאמץ מסוים, להפיק תוצאות טובות מ- TensorFlow.

מבחינה היסטורית, TensorFlow נועדה “לדמוקרטיזציה” של למידת מכונות. כידוע לי זו הייתה הפלטפורמה הראשונה שהפכה את ה- ML לפשוט, חזותי ונגיש לתואר זה. כתוצאה מכך השימוש ב- ML התפוצץ ואנשים הצליחו להכשיר דגמים בקלות.

נקודת המכירה המשמעותית ביותר של TensorFlow היא קרס, שהיא ספריה לעבודה יעילה עם רשתות עצב באופן תכנותי. הנה כמה פשוט ליצור רשת פשוטה ומחוברת לחלוטין (פרפטרון):

מודל = tf.keras.Sequential ()
# מוסיף לדגם שכבה מחוברת בצפיפות עם 64 יחידות:
model.add (שכבות. צפיפות (64, הפעלה = ‘relu’))
# להוסיף עוד:
model.add (שכבות. צפיפות (64, הפעלה = ‘relu’))
# הוסף שכבת softmax עם 10 יחידות פלט:
model.add (שכבות. צפיפות (10, הפעלה = ‘softmax’))

כמובן שיש לבצע גם תצורה, אימונים וכו ‘, אך גם הם פשוטים באותה מידה.

קשה למצוא פגמים עם TensorFlow, בהתחשב ב- ML הביא ל- JavaScript, מכשירים ניידים ואפילו פתרונות IoT. עם זאת, בעיני הפוריסטים, זה נותר פלטפורמה “פחותה” שכל טום, דיק והארי יכולים להתעסק איתם. לכן, היו מוכנים להתמודד עם קצת התנגדות כשאתם עולים בסולם המיומנות ונתקלים בנשמות “נאורות” יותר. ��

אם אתה בן / ת beginner, בדוק את זה קורס מבוא מקוון TensorFlow.

שימו לב: ביקורת מסוימת על TensorFlow מציינת שהיא לא יכולה להשתמש ב- GPUs, וזה כבר לא נכון. כיום TensorFlow לא עובד רק עם GPU, אלא שגוגל פיתחה את החומרה המיוחדת היחידה שלה בשם TPU (TensorFlow Processing Unit), הזמינה כענן. שירות.

שירותי AI של גוגל

ממש כמו שירותי אמזון, גם לגוגל יש חבילת ענן שירותים מסתובב סביב AI. אני אמנע מלפרט את כל השירותים, מכיוון שהם די דומים להצעות של אמזון. להלן צילום מסך של מה שעומד לרשות המפתחים לבנות אם הם מעוניינים:

באופן כללי, ישנן שתי דרכים בהן תוכלו להשתמש בשירותי ה- AI של גוגל. הראשון הוא להשתמש במודל שכבר הוכשר על ידי גוגל ופשוט להתחיל ליישם אותו במוצרים שלך. השני הוא מה שנקרא AutoML שירות, שמבצע אוטומציה של מספר שלבי ביניים של למידת מכונות, עוזר, למשל, למפתחי ערימות מלאים עם מומחיות ML פחותה לבנות ולהכשיר מודלים בקלות.

H2O

“2” ב- H2O אמור להיות תשתית (דומה לנוסחה הכימית של מים, אני מניח), אבל זה מעיק להקליד את זה. אני מקווה שהאנשים שמאחוריהם H2O לא אכפת לי כל כך!

H2O היא פלטפורמת קוד פתוח ללימוד מכונה המשמשת שמות גדולים הכלולים ב- Fortune 500.

הרעיון המרכזי הוא לגרום למחקרי AI מתקדמים להגיע לקהל הרחב ולא לתת לו להישאר בידי חברות עם כיסים ומינוף עמוקים. תחת פלטפורמת H2O מוצעים מספר מוצרים, כגון:

  • H2O: פלטפורמת הבסיס לחקירה ושימוש במכונת למידה.
  • מים מוגזים: אינטגרציה רשמית עם ניצוץ אפאצ’י עבור מערכי נתונים גדולים.
  • H2O4GPU: גרסת GPU מואצת של פלטפורמת H2O.

H2O מייצרת גם פתרונות המותאמים לארגון, וכוללים:

  • AI ללא נהג: לא, AI ללא נהגים לא קשור למכוניות שמניעות עצמית! �� זה יותר על הקווים של הצעת ה- AutoML של גוגל – מרבית שלבי ה- AI / ML הם אוטומטיים, וכתוצאה מכך כלים פשוטים ומהירים יותר לפיתוח באמצעות.
  • תמיכה בתשלום: כעסק אתה לא יכול לחכות להעלאת סוגיות GitHub ולקוות שהם יענו בקרוב. אם הזמן הוא כסף, H2O מציעה תמיכה וייעוץ בתשלום עבור חברות גדולות.

אבק

Petuum מפתחת את סימפוניה פלטפורמה, שנועדה לא לעשות לי מחשבות AI לעבוד. במילים אחרות, אם נמאס לכם לקודד ו / או שלא תרצו לשנן עוד ספריות ותבניות פלט, סימפוניה תרגיש כמו חופשה בהרי האלפים!

אמנם אין שום דבר “פתוח” בפלטפורמת הסימפוניה, אך התכונות ראויות להזיל ריר:

  • ממשק גרירה ושחרור
  • בנה בקלות צינורות נתונים אינטראקטיביים
  • טונות של אבני בניין סטנדרטיות ומודולריות ליצירת יישומי AI מתוחכמים יותר
  • ממשקי תכנות וממשקי API המרגישים את הדרך החזותית אינם מספיק חזקים
  • מיטוב אוטומטי עם GPUs
  • פלטפורמה מבוזרת ומדרגית ביותר
  • צבירת נתונים מרובת-מקורות

יש עוד הרבה תכונות שבאמת יגרמו לכם להרגיש שהמחסום בכניסה הורד בצורה משמעותית. מומלץ מאוד!

פוליאקסון

האתגר הגדול ביותר כיום בתחום למידת מכונות ו- AI הוא לא למצוא ספריות ואלגוריתמים טובים (או אפילו משאבי למידה), אלא ההנדסה המיומנת שחייבת ליישם כדי להתמודד עם מערכות הבהמה ועומסי נתונים גבוהים המתקבלים..

אפילו עבור מהנדסי תוכנה מנוסים, זה יכול לשאול יותר מדי. אם גם אתה מרגיש ככה, פוליאקסון שווה להסתכל.

פוליאקסון אינה ספריה או אפילו מסגרת; במקום זאת, זהו פיתרון מקצה לקצה לניהול כל ההיבטים של למידת מכונות, כגון:

  • חיבורי נתונים וסטרימינג
  • האצת חומרה
  • מיכלי ותזמור
  • תזמון, אחסון ואבטחה
  • צנרת צינורות, אופטימיזציה, מעקב וכו ‘.
  • לוח מחוונים, ממשקי API, הדמיות וכו ‘.

זה די הרבה ספריות וספקים-אגנוסטי, מכיוון שמספר גדול של פתרונות פופולריים (קוד פתוח וסגור) נתמכים.

כמובן שאתה עדיין צריך להתמודד עם פריסה וקנה מידה ברמה מסוימת. אם אתה רוצה לברוח אפילו מזה, Polyaxon מציעה פיתרון PaaS המאפשר לך להשתמש בתשתיות שלהם בצורה אלסטית.

DataRobot

פשוט שים, DataRobot הוא פיתרון ממוקד למידת מכונה עבור הארגון. זה חזותי לאורך כל הדרך והוא נועד להבין את הנתונים שלך במהירות ולהשתמש בהם באופן עסקי קונקרטי.

הממשק אינטואיטיבי ומודק, ומאפשר למי שאינו מומחה להיכנס מאחורי הגלגלים ולייצר תובנות משמעותיות.

ל- DataRobot אין מגוון של תכונות; במקום זאת, הוא מתמקד בתחושת הנתונים המסורתית ומספק יכולות סולידיות בסלע:

  • למידת מכונות אוטומטית
  • רגרסיה ומיון
  • סדרת זמן

לעתים קרובות יותר מאשר לא, אלה כל מה שאתה צריך עבור העסק שלך. כלומר, ברוב המקרים, DataRobot הוא כל מה שאתה צריך. ��

NeuralDesigner

אמנם אנו בנושא פלטפורמות AI קלות לשימוש, עוצמתיות, NeuralDesigner ראוי לאזכור מיוחד.

אין הרבה מה לומר על NeuralDesigner, אבל יש הרבה מה לעשות! בהתחשב בעובדה שרשתות עצביות שלטו פחות או יותר במתודולוגיה המודרנית של Machine Learning, הגיוני לעבוד עם פלטפורמה שמתמקדת אך ורק ברשתות עצביות. אין הרבה אפשרויות, אין הסחות דעת – איכות על פני כמות.

NeuralDesigner מצטיין במובנים רבים:

  • אין צורך בתכנות. בכלל.
  • אין צורך בבניית ממשק מורכבת. הכל מונח בצעדים מסודרים, קלים להבנה, קלים.
  • אוסף האלגוריתמים המתקדמים והמעודנים ביותר הספציפיים לרשתות עצביות.
  • הקבלה של מעבד ותאוצה של GPU לביצועים גבוהים.

שווה א תראה? בהחלט!

Prevision.io

Pervision.io היא פלטפורמה לניהול כל ההיבטים של למידת מכונות, החל מעיבוד נתונים לפריסה בסדר גודל.

חיזויIO

אם אתה מפתח, חיזויIO היא הצעה שימושית להפליא שעליכם לבדוק בה. בבסיסה, PredictionIO היא פלטפורמת למידת מכונה שיכולה להכיל נתונים מהאפליקציה שלך (אינטרנט, נייד או אחרת) ולבנות במהירות תחזיות..

אל תוליך שולל תחת השם – חיזויIO אינו מיועד רק לחיזויים, אלא תומך בכל הקשת של למידת מכונות. הנה כמה סיבות מגניבות לאהוב את זה:

  • תמיכה בסיווג, רגרסיה, המלצות, NLP, ומה לא.
  • בנה לטפל בעומסי עבודה רציניים במסגרת Big Data.
  • כמה שנבנו מראש תבניות לאלה שממהרים.
  • מגיע יחד עם Apache Spark, MLlib, HBase, Akka HTTP ו- Elasticsearch, המספקים כל צורך אפשרי של אפליקציה מודרנית וחזקה..
  • שילוב נתונים משולב ממקורות מרובים, בין אם במצב אצווה או בזמן אמת.
  • פרוס כשירות אינטרנט טיפוסי – קל לצריכה והזנה.

עבור רוב הפרויקטים ברשת בחוץ, אני לא רואה כיצד PredictionIO לא הגיוני הרבה. קדימה לנסות את זה!

סיכום

לא חסר כיום מסגרת או פלטפורמה של AI ו- ML; הוצפה אותי הבחירה כשהתחלתי לחקור מאמר זה. כתוצאה מכך ניסיתי לצמצם רשימה זו למיוחדת או מעניינת. אם אתה חושב שפספסתי משהו חשוב, אנא הודע לי.

קורסרה קיבלתי כמה מקורסי לימוד מכונה נהדרים אז בדוק אם אתה מעוניין ללמוד.

אז איזו פלטפורמה הכי טובה? למרבה הצער, אין תשובה ברורה. סיבה אחת לכך שרוב השירותים הללו קשורים לערמת טכנולוגיה או מערכת אקולוגית מסוימת (לרוב בבניית מה שמכונה גינה מוקפת חומה). הסיבה האחרת, החשובה יותר, היא שעד עכשיו טכנולוגיות AI ו- ML עברו סחורה וישנו מירוץ לספק כמה שיותר תכונות במחיר נמוך ככל האפשר. אף ספק לא יכול להרשות לעצמו לא להציע את מה שהאחרים מציעים, וכל הצעה חדשה תועתק ותוגש על ידי המתחרים כמעט בן לילה.

ככאלה, הכל מסתכם במה הערימה והיעדים שלכם, כמה אינטואיטיבי אתם מוצאים את השירות להיות, מהי התפיסה שלכם לגבי החברות שמאחוריו וכן הלאה.

אך מה שלא יהיה, למותר לציין כי AI זמין סוף סוף כשירות, וזה יהיה מאוד לא חכם שלא לעשות בו שימוש. ��

Jeffrey Wilson Administrator
Sorry! The Author has not filled his profile.
follow me
    Like this post? Please share to your friends:
    Adblock
    detector
    map