10 PG platformų, leidžiančių sukurti jūsų šiuolaikinę programą

Dabar, kai mes žinome, kad terminatoriai neatvyks pas mus, atėjo laikas susidraugauti su dirbtiniu intelektu ir juo naudotis.!


Ilgą laiką dirbtinio intelekto lauką ir garsiausią jo subdiscipliną – mašinų mokymąsi – apgaubė paslaptinga aura. Propagandinė spaudos technika išpumpavo straipsnį po straipsnio, nurodančio super intelektualių, super nepriklausomų ir super piktų mašinų atsiradimą, daugelį verčiant į neviltį (taip pat ir aš)..

O ką mes turime šiandien parodyti dėl triukšmo ir dūmų? AI technologija, kuri toli gražu nėra tobula, gėdinga klaidų, ir ribotas netinkamai veikiantis robotas, kuris beveik per jėgą virto a pilietis. Heck, dar neturime tinkamo kalbos vertimo algoritmo.

Jei šiandien kažkas vis dar reikalauja, kad arti praeities diena, tai mano reakcija:

Taigi, kas yra AI, ML ir visi tie žodžiai, jei ne žmonijos pabaiga?

Na, tai yra nauji kompiuterio programavimo būdai, skirti išspręsti problemas, susijusias su klasifikavimu ir numatymu. Ir atspėk, mes pagaliau turime daug AI paslaugų, kuriomis galite pradėti naudotis iškart savo verslo programoje ir gauti didžiulę naudą.

Ką šiandien gali padaryti PG platformos verslui??

Geras klausimas!

Dirbtinis intelektas yra toks bendras taikymo būdas (bent jau teoriškai), kad neįmanoma būtų nurodyti tikslo, kuriam jis buvo sukurtas. Tai panašu į klausimą, kokia buvo sukurta skaičiuoklė ir ką su ja galima padaryti. Aišku, ji buvo sukurta buhalterijai, tačiau šiandien ji žymiai viršija tą atsakomybę. Apskaita nėra vienintelė funkcija – žmonės ją naudoja kaip projekto valdymo įrankį, kaip todo sąrašą, kaip duomenų bazę, o kas ne.

Tas pats pasakytina ir apie AI.

Griežtai tariant, AI yra naudinga atliekant laisvai apibrėžtas užduotis, kurias atliekant reikia mokytis iš patirties. Taip, tai daro ir žmonės, tačiau PG turi pranašumą, nes gali greitai apdoroti daugybę duomenų ir padaryti išvadas daug, daug greičiau. Kai kurie tipiški PG taikymo atvejai yra šie:

  • Veido aptikimas nuotraukoje, vaizdo įraše ir kt
  • Vaizdų klasifikavimas ir žymėjimas, pavyzdžiui, tėvų patarimams
  • Kalbos į tekstą konvertavimas
  • Objektų aptikimas laikmenose (pvz., Automobilis, moteris ir pan.)
  • Akcijų kainų pokyčių prognozė
  • Terorizmo finansavimo nustatymas (tarp milijonų operacijų per dieną)
  • Rekomendacijų sistemos (apsipirkimas, muzika, draugai ir kt.)
  • „Captcha“ laužymas
  • Šlamšto filtravimas
  • Tinklo įsibrovimo aptikimas

Galėčiau tęsti ir tęsti puslapius (perkeltine prasme), bet, manau, dabar jums kilo mintis. Tai visi pavyzdžiai problemų, kurias žmonės stengėsi išspręsti naudodamiesi tradicinėmis skaičiavimo priemonėmis. Ir vis dėlto tai yra svarbu, nes jie turi didžiulį poreikį versle ir realiame pasaulyje.

Taigi, be jokio papildymo, pradėkime nuo mūsų populiariausių PG platformų sąrašo ir sužinokime, ką jie gali pasiūlyti.

„Amazon AI Services“

Kaip „Amazon“ greitai pašalina įmones iš verslo, taip ir AWS yra tokia dominuojanti platforma, kad beveik nieko kito nekyla į galvą. Tas pats pasakytina ir apie „Amazon AI Services“, kuriame pilna nepaprastai naudingų AI paslaugų.

Čia yra keletas AWS teikiamų minčių paslaugų.

„Amazon Comprehend“: Padeda suvokti visus jūsų turimus tekstinius, nestruktūrizuotus duomenis. Vienas iš atvejų pavyzdžių yra minusuojant esamus klientų aptarnavimo pokalbius ir išsiaiškinant, koks buvo pasitenkinimo lygis bėgant laikui, kas kelia didžiausią susirūpinimą klientui, kokie raktiniai žodžiai naudojami dažniausiai ir pan..

„Amazon“ prognozė: Nulinio nustatymo paslauga, skirta naudoti esamus laiko eilučių duomenis ir paversti juos tiksliomis ateities prognozėmis. Jei jums įdomu, kokie yra laiko eilučių duomenys, pažiūrėkite į šį straipsnį, kurį neseniai parašiau (ieškokite duomenų bazės pavadinimu „Timescale“ straipsnio pabaigoje).

„Amazon Lex“: Sukurkite pokalbių sąsajas (tekstinę ir (arba) vaizdinę) savo programose. Užkulisiuose veikia „Amazon“ apmokyti mašinų mokymosi modeliai, kurie iššifruoja ketinimus ir skleidžia kalbėjimą tekstu..

Suasmeninkite „Amazon“: Paprasta ir nereikalaujanti infrastruktūros paslauga, kurianti rekomendacijas savo klientams ar sau! Į šią paslaugą galite įvesti el. Prekybos duomenis arba beveik bet ką ir mėgautis labai tiksliais bei įdomiais pasiūlymais. Žinoma, kuo didesnis duomenų rinkinys, tuo geresnės bus rekomendacijos.

Yra dar daugiau „AI“ paslaugų, kurias teikia „Amazon“, ir jūs galėtumėte praleisti visą dieną naršydami jose. Nepaisant to, tai veikla, kurią nuoširdžiai rekomenduoju! ��

Pastaba: sunku rasti visų šių paslaugų santrauką AWS dokumentuose, tačiau jei einate į https://aws.amazon.com/machine-learning, jos yra išvardytos išskleidžiamajame meniu skyrelyje „AI paslaugos“.

„TensorFlow“

„TensorFlow“ yra biblioteka (ir kartu ir platforma), kurią sukūrė komanda „Google Brain“. Tai yra ML padomenio, pavadinto „Deep Learning Neural Networks“, įgyvendinimas; tai yra, „TensorFlow“ yra „Google“ įsipareigojimas, kaip pasiekti kompiuterinį mokymąsi naudojant neuroninius tinklus, naudojant gilaus mokymosi metodą..

Tai reiškia, kad „TensorFlow“, žinoma, nėra vienintelis būdas naudoti neuroninius tinklus – ten yra daugybė bibliotekų, turinčių privalumų ir trūkumų..

Apskritai, „TensorFlow“ suteikia galimybę naudotis mašininio mokymosi galimybėmis daugelyje skirtingų programavimo aplinkų. Beje, bazinė platforma yra gana vizuali ir, norint atlikti darbą, daugiausia priklauso nuo grafikų ir duomenų vizualizacijų. Net jei nesate programuotojas, šiek tiek pastangų įmanoma pasiekti gerų rezultatų iš „TensorFlow“.

Istoriškai „TensorFlow“ buvo siekiama „demokratizuoti“ mašininį mokymąsi. Mano žiniomis, tai buvo pirmoji platforma, padariusi ML paprastą, vizualią ir prieinamą iki šio laipsnio. Dėl to ML naudojimas sprogo ir žmonės galėjo lengvai mokyti modelius.

Svarbiausias „TensorFlow“ pardavimo taškas yra Keras, kuri yra biblioteka efektyviam programiniam darbui su neuroniniais tinklais. Štai kaip paprasta sukurti paprastą, visiškai sujungtą tinklą („perceptron“):

modelis = tf.keras.Sequential ()
# Prideda prie modelio tankiai sujungtą 64 vienetų sluoksnį:
modelis.add (layer.Dense (64, aktyvacija = ‘relu’))
# Pridėk kitą:
modelis.add (layer.Dense (64, aktyvacija = ‘relu’))
# Pridėkite „softmax“ sluoksnį su 10 išvesties vienetų:
model.add (layer.Dense (10, suaktyvinimas = ‘softmax’))

Žinoma, taip pat reikia atlikti konfigūraciją, mokymus ir pan., Tačiau ir jie yra tokie pat paprasti.

Sunku rasti „TensorFlow“ kaltės, atsižvelgiant į jos „ML“ į „JavaScript“, mobiliuosius įrenginius ir net internetinius sprendimus. Tačiau puristų akivaizdoje tai išlieka „mažesnė“ platforma, su kuria gali susipykti kiekvienas Tomas, Dikas ir Haris. Taigi, būkite pasirengę susidurti su tam tikru pasipriešinimu, kai pakilsite įgūdžių kopėčiomis ir susidursite su „šviesesnėmis“ sielomis. ��

Jei esate naujokas, tada patikrinkite tai „TensorFlow“ įvadinis internetinis kursas.

Taip pat atkreipkite dėmesį: kai kurioje „TensorFlow“ kritikoje minima, kad jis negali naudoti GPU, o tai netiesa. Šiandien „TensorFlow“ ne tik veikia su GPU, bet „Google“ sukūrė savo vienintelę specializuotą aparatinę įrangą, vadinamą TPU („TensorFlow Processing Unit“), kurią galima rasti kaip „Cloud“ tarnyba.

„Google AI“ paslaugos

Kaip ir „Amazon“ paslaugos, „Google“ taip pat turi debesų rinkinį paslaugos sukasi aplink AI. Susilaikysiu neišvardinęs visų paslaugų, nes jos yra gana panašios į „Amazon“ siūlomas paslaugas. Čia yra ekrano kopija, ką kūrėjai gali sukurti, jei juos domina:

Apskritai, dviem būdais galite naudoti „Google“ AI paslaugas. Pirmasis yra naudoti „Google“ jau išmokytą modelį ir tiesiog pradėti jį naudoti savo produktuose. Antrasis yra vadinamasis AutoML paslauga, automatizuojanti kelis tarpinius mašininio mokymosi etapus, padedanti, tarkime, „full stack“ kūrėjams, turintiems mažesnę ML kompetenciją, lengvai kurti ir mokyti modelius.

H2O

Manoma, kad „2“ H2O yra indeksas (manau, kad jis primena cheminę vandens formulę), bet jį vargti sudėtinga. Tikiuosi, kad žmonės atsiliks H2O neprieštaraus tiek!

H2O yra atvirojo kodo mašinų mokymosi platforma, kurią naudoja dideli vardai, įtraukti į „Fortune 500“.

Pagrindinė idėja yra užtikrinti, kad pažangiausi PG tyrimai būtų pasiekiami plačiajai visuomenei, o ne leisti jiems likti įmonėse, turinčiose gilias kišenes ir turinčias įtakos. H2O platformoje siūlomi keli produktai, tokie kaip:

  • H2O: Pagrindinė mašinų mokymosi tyrimo ir naudojimo platforma.
  • Gazuotas vanduo: Oficiali integracija į „Apache Spark“ dideliems duomenų rinkiniams.
  • H2O4GPU: GP2 pagreitinta H2O platformos versija.

H2O taip pat teikia sprendimus, pritaikytus įmonei, įskaitant:

  • Vairuotojo PG: Ne, „Driverless AI“ neturi nieko bendra su savarankiškai važiuojančiais automobiliais! �� Tai labiau atitinka „Google“ siūlomą „AutoML“ pasiūlymą – dauguma AI / ML etapų yra automatizuoti, todėl įrankiai yra paprastesni ir greitesni kuriant naudojant.
  • Mokama parama: Kaip įmonė negalite laukti, kol iškels „GitHub“ problemas ir tikėtis, kad netrukus į juos bus atsakyta. Jei laikas yra pinigai, „H2O“ siūlo mokamą paramą ir konsultacijas didelėms įmonėms.

Petuumas

Petuumas vystosi Simfonija platforma, kuri yra sukurta taip, kad nedaryčiau manęs galvojančio apie PG darbą. Kitaip tariant, jei pavargote nuo kodavimo ir (arba) nenorite įsiminti daugiau bibliotekų ir išvesties formatų, „Symphony“ jausis kaip atostogos Alpėse.!

Nors „Symphony“ platformoje nėra nieko „atvira“, verta atsisakyti šių funkcijų:

  • Nuvilkite vartotojo sąsają
  • Lengvai sukurkite interaktyvius duomenų perdavimo vamzdynus
  • Tonų standartizuotų ir modulinių elementų, kad būtų sukurtos sudėtingesnės AI programos
  • Programavimo ir API sąsajos, kurios jaučiasi vizualiai, nėra pakankamai galingos
  • Automatizuotas optimizavimas naudojant GPU
  • Platinta, labai keičiama platforma
  • Kelių šaltinių duomenų apibendrinimas

Yra dar daugybė funkcijų, kurios tikrai leis pajusti, kad patekimo į rinką kliūtys buvo žymiai sumažintos. Labai rekomenduojama!

Poliaksonas

Didžiausias šių dienų mašinų mokymosi ir AI iššūkis yra ne rasti geras bibliotekas ir algoritmus (ar net mokymosi išteklius), o kvalifikuota inžinerija, kuri turi būti taikoma susidoroti su behemotų sistemomis ir didelėmis duomenų apkrovomis..

Net patyrusiems programinės įrangos inžinieriams to gali būti per daug. Jei taip ir jautiesi, Poliaksonas verta pažiūrėti.

„Polyaxon“ nėra biblioteka ar net sistema; veikiau tai galutinis sprendimas visiems mašininio mokymosi aspektams, tokiems kaip:

  • Duomenų ryšiai ir duomenų srautas
  • Aparatūros spartinimas
  • Konteinerizavimas ir orkestravimas
  • Planavimas, saugojimas ir saugumas
  • Vamzdynų klojimas, optimizavimas, sekimas ir kt.
  • Informacijos suvestinė, API, vizualizacijos ir kt.

Tai gana agnostinė biblioteka ir teikėja, nes palaikoma daugybė populiarių (atvirojo ir uždarojo kodo) sprendimų..

Žinoma, jūs vis dar turite susidurti su diegimu ir masto didinimu tam tikru lygiu. Jei norite išvengti net to, „Polyaxon“ siūlo „PaaS“ sprendimą, leidžiantį elastingai naudotis jų infrastruktūra.

„DataRobot“

Paprasčiau pasakius, „DataRobot“ yra orientuotas mašinų mokymosi sprendimas įmonei. Jis yra visas vizualus ir skirtas greitai suprasti jūsų duomenis ir juos panaudoti konkrečiam verslo naudojimui.

Sąsaja yra intuityvi ir aptaki, leidžianti ekspertams atsidurti už ratų ir generuoti reikšmingas įžvalgas.

„DataRobot“ neturi daugybės funkcijų; Vietoj to, jis sutelkia dėmesį į tradicinį duomenų prasmę ir suteikia nepaprastas galimybes:

  • Automatizuotas mašinų mokymasis
  • Regresija ir klasifikacija
  • Laiko eilutės

Dažniausiai tai viskas, ko jums reikia jūsų įmonei. T. y., Daugeliu atvejų „DataRobot“ yra viskas, ko jums reikia. ��

„NeuralDesigner“

Nors mes kalbame apie lengvai naudojamas, galingas PG platformas, „NeuralDesigner“ nusipelno ypatingo paminėjimo.

Apie „NeuralDesigner“ nėra daug ką pasakyti, tačiau reikia nuveikti labai daug! Atsižvelgiant į tai, kad neuroniniai tinklai daugiau ar mažiau dominavo šiuolaikinėje mašinų mokymosi metodikoje, prasminga dirbti su platforma, kurioje pagrindinis dėmesys skiriamas tik neuroniniams tinklams. Nėra daug pasirinkimų ir nereikia blaškytis – kokybė yra didesnė nei kiekybė.

„NeuralDesigner“ išsiskiria įvairiais būdais:

  • Nereikia programuoti. Iš viso.
  • Nereikia kurti sudėtingos sąsajos. Viskas išdėstyta protingais, lengvai suprantamais, suplanuotais žingsniais.
  • Pažangiausių ir tobuliausių algoritmų, būdingų neuroniniams tinklams, rinkinys.
  • Aukšto našumo procesoriaus paralelizacija ir GPU pagreitis.

Verta a žiūrėk? Neabejotinai!

Prevision.io

Pervizija.io yra visų mašininio mokymosi aspektų valdymo platforma nuo duomenų apdorojimo iki diegimo mastu.

PrognozėIO

Jei esate kūrėjas, PrognozėIO yra nepaprastai naudingas pasiūlymas, į kurį turėtumėte atsižvelgti. Esmė „PredictionIO“ yra mašinų mokymosi platforma, galinti perimti duomenis iš jūsų programos (žiniatinklyje, mobiliajame įrenginyje ar kitu būdu) ir greitai sudaryti prognozes.

Neapsigaukite dėl pavadinimo – „PredictionIO“ skirtas ne tik numatymams, bet palaiko visą mašininio mokymosi spektrą. Čia yra keletas svarbių priežasčių, kodėl tai patinka:

  • Klasifikavimo, regresijos, rekomendacijų, NLP palaikymas ir kas ne.
  • Sukurkite, kad galėtumėte tvarkyti rimtus darbo krūvius, naudodami „Big Data“ nustatymą.
  • Keletas iš anksto pastatytų šablonai tiems, kurie skuba.
  • Komplektuojama su „Apache Spark“, „MLlib“, „HBase“, „Akka HTTP“ ir „Elasticsearch“, tenkinančiais visus įmanomus tvirtos, modernios programos poreikius.
  • Kombinuotas duomenų siuntimas iš kelių šaltinių tiek paketiniu, tiek realaus laiko režimu.
  • Diegiama kaip tipinė žiniatinklio paslauga – lengva vartoti ir tiekti.

Aš nematau, kaip daugumai interneto projektų yra daug prasmės. Eik į priekį ir išbandyk!

Išvada

Šiandien netrūksta AI ir ML sistemos ar platformos; Pradėjęs ieškoti šio straipsnio, buvau priblokštas pasirinkimo. Todėl aš bandžiau susiaurinti šį sąrašą iki unikalių ar įdomių. Jei manote, kad praleidau ką nors svarbaus, praneškite man.

„Coursera“ praleido keletą puikių mašinų mokymosi kursų, todėl patikrinkite, ar jus domina mokymasis.

Taigi, kuri platforma yra geriausia? Deja, nėra aiškaus atsakymo. Viena iš priežasčių, kodėl dauguma šių paslaugų yra susijusios su tam tikra technologijų kamino ar ekosistema (dažniausiai kuriančios vadinamą sieninį sodą). Kita, dar svarbesnė priežastis yra ta, kad iki šiol AI ir ML technologijos buvo pritaikytos prekėms, ir yra lenktynių suteikti kuo daugiau funkcijų už kuo mažesnę kainą. Nei vienas pardavėjas negali sau leisti nepasiūlyti to, ką siūlo kiti, ir bet koks naujas pasiūlymas konkurentams nukopijuojamas ir patiekiamas beveik per naktį.

Iš esmės viskas priklauso nuo to, koks yra jūsų kaminas ir tikslai, kaip intuityviai suprantate, kokia turi būti paslauga, koks yra jūsų supratimas apie įmones, kurios ją teikia, ir pan..

Bet kokiu atveju savaime suprantama, kad PG pagaliau prieinama kaip paslauga, ir būtų neprotinga ja nesinaudoti. ��

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