Most, hogy tudjuk, hogy a Termátorok nem jönnek hozzánk, itt az ideje, hogy barátságot tegyenek a mesterséges intelligenciával, és részesüljenek belőle.!


A mesterséges intelligencia mezőjét és annak leghíresebb alfegyelemét, a Machine Learning-t sokáig rejtélyes aura vette körül. A propaganda sajtógépek cikket pumpáltak cikk után, megjósolva a szuper intelligens, szuper független és szupergonos gépeket, ami sokan kétségbeesésbe esett (beleértve magamat is)..

És mit kell megmutatnunk ma az összes zajnak és füstnek? AI technológia, amely messze nem tökéletes, és zavarba ejtő hibák, és egy korlátozott, hibásan működő robot, amely majdnem erővel átalakult állampolgár. Hé, még nincs tisztességes nyelvi fordítási algoritmusunk.

Ha ma valaki továbbra is ragaszkodik ahhoz, hogy a végső nap közel van, akkor itt vagyok a reakcióm:

Tehát mi az AI, ML, és ezeknek a szóbeszédeknek, ha nem az emberiség vége?

Nos, ezek a számítógép programozásának új módjai az osztályozással és az előrejelzéssel kapcsolatos problémák megoldására. És tudod mit, végre sok olyan AI szolgáltatásunk van, amelyeket azonnal felhasználhat az üzleti alkalmazásában, és óriási előnyöket élvezhet.

Mit tehetnek ma az AI platformok a vállalkozások számára??

Jó kérdés!

A mesterséges intelligencia alkalmazásában olyan általános (legalábbis elméletileg), hogy lehetetlen lenne rámutatni arra a célra, amelyre fejlesztették ki. Olyan, mintha megkérdezzük, hogy egy táblát miként fejlesztettek ki, és mit lehet vele csinálni. Persze, a könyvelésre fejlesztették ki, de ma messze meghaladja ezt a felelősséget. És a számvitel nem az egyetlen funkció – az emberek projektmenedzsment eszközként, teendők listájaként, adatbázisként használják, és mi nem.

Ugyanez vonatkozik az AI-re.

Nagyjából szólva, az AI olyan feladatokhoz hasznos, amelyek lazán definiáltak és a tapasztalatból való tanulásra támaszkodnak. Igen, ez az, amit az emberek is tesznek, de az AI-nek van előnye, hogy időnként feldolgozza az adatok hegyeit, és sokkal, sokkal gyorsabban következtetéseket von le. Mint ilyen, az AI néhány tipikus alkalmazása a következő:

  • Arcfelismerés fotón, videón stb
  • Képek osztályozása és címkézése, például szülői tanácsadás céljából
  • Beszéd szöveggé konvertálása
  • Objektumok felismerése a médiában (pl. Autó, nő stb.)
  • Tőzsdei árfolyam-előrejelzés
  • A terrorizmus finanszírozásának felderítése (napi tranzakciók milliói között)
  • Ajánlási rendszerek (vásárlás, zene, barátok stb.)
  • Captcha törés
  • Spam szűrés
  • Hálózati behatolás észlelése

Folytathatnék és folytathatnám, és valószínűleg kifogynának az oldalak (ábrázolva), de azt hiszem, most már kapta az ötletet. Ezek mind példák a problémákra, amelyeket az emberek a számítástechnika hagyományos eszközeivel küzdenek meg. És mégis, ezek fontosak, mivel óriási szükségük van az üzleti életben és a való világban.

Tehát, minden további nélkül, kezdjük a legfontosabb AI platformok listájával, és nézzük meg, mit kínálnak.

Amazon AI Services

Ugyanúgy, ahogy az Amazon gyorsan kiszállítja a vállalatokat az üzleti életből, úgy az AWS is annyira teljes mértékben domináns platformként, hogy szinte semmi másra nem jut eszébe. Ugyanez vonatkozik Amazon AI Services, amely tele van hihetetlenül hasznos AI szolgáltatásokkal.

Íme néhány az AWS gondolatközvetítő szolgáltatása.

Amazon Comprehend: Segít megérteni a szöveges, nem strukturált adatok minden hegyét. Az egyik felhasználási eset a meglévő ügyfél-támogatási beszélgetések bányászása és annak kiderítése, hogy az elégedettségi szint milyen volt az idő múlásával, mi az ügyfél legnagyobb aggodalma, milyen kulcsszavakat használnak a legjobban stb..

Amazon előrejelzés: Nulla-beállítási szolgáltatás a meglévő idősor-adatok felhasználásához és a jövőre vonatkozó pontos előrejelzésekké alakításához. Ha kíváncsi arra, hogy milyen idősor-adatok állnak, akkor nézd meg ezt a cikket, amelyet nemrég írtam (keresse meg a Timescale nevű adatbázist a cikk vége felé).

Amazon Lex: Építsen társalgási felületeket (szöveges és / vagy vizuális) az alkalmazásaiba. A színfalak mögött az Amazon által kiképzett Machine Learning modellek futnak, amelyek dekódolják a szándékot, és menet közben beszédeket tesznek szövegre.

Amazon testreszabása: Egyszerű és infrastruktúrát nem igénylő szolgáltatás ajánlások készítéséhez az ügyfeleknek vagy magának! Az e-kereskedelem adatait vagy akármit bármi megadhat e szolgáltatáshoz, és élvezheti a nagyon pontos és érdekes javaslatokat. Természetesen, minél nagyobb az adatkészlet, annál jobb ajánlások lesznek.

Sokkal több AI-szolgáltatás létezik az Amazon-nak, és egész nap egész nap eltöltheted őket. Mindazonáltal ez egy olyan tevékenység, amelyet teljes szívből ajánlom! ��

Megjegyzés: Nehéz megtalálni az összes szolgáltatás összefoglalóját az AWS-dokumentumokon, de ha a https://aws.amazon.com/machine-learning weblapra látogat, akkor ezeket az „AI szolgáltatások” legördülő menüben sorolhatja fel.

TensorFlow

TensorFlow egy könyvtár (és egy platform) is, amelyet a mögöttes csapat hozott létre Google Brain. Ez az ML al-domain, a Deep Learning Neural Networks elnevezésű megvalósítása; vagyis a TensorFlow a Google feladata, hogy miként érje el gépi tanulást idegi hálóval a mély tanulás technikájával.

Ez azt jelenti, hogy a TensorFlow természetesen nem az egyetlen mód a neurális hálózatok használatára – rengeteg könyvtár található odakint, mindegyiknek megvan a maga előnye és hátránya..

Általánosságban véve a TensorFlow lehetővé teszi az alapvető gépi tanulási képességeket számos különböző programozási környezetben. Ennek ellenére az alapplatform meglehetősen vizuális, és a munka elvégzéséhez többnyire grafikonokra és adatmegjelenítésekre támaszkodik. Mint ilyen, akkor is, ha nem programozó vagy, bizonyos erőfeszítésekkel jó eredményeket lehet elérni a TensorFlow alkalmazásból.

A TensorFlow történelmileg a gépi tanulás „demokratizálására” irányult. Tudomásom szerint ez volt az első olyan platform, amely az ML-t egyszerűvé, vizuálisvá és ehhez a szinthez hozzáférhetővé tette. Ennek eredményeként az ML használata felrobbant, és az emberek könnyedén képesek voltak a modellek kiképzésére.

A TensorFlow legjelentősebb értékesítési pontja Keras, amely egy könyvtár a Neural Networks programmal történő hatékony működtetéséhez. Így könnyű létrehozni egy egyszerű, teljesen csatlakoztatott hálózatot (perceptron):

modell = tf.keras.Sequential ()
# Sűrűn összekapcsolt réteget ad 64 egységgel:
model.add (layer.Dense (64, aktiválás = ‘relu’))
# Adj hozzá egy másikat:
model.add (layer.Dense (64, aktiválás = ‘relu’))
# Adjon hozzá egy softmax réteget 10 kimeneti egységgel:
model.add (layer.Dense (10, aktiválás = ‘softmax’))

Természetesen a konfigurálást, a képzést stb. Is meg kell tenni, de ők is ugyanolyan egyszerűek.

Nehéz hibát találni a TensorFlow-nál, figyelembe véve az ML-t a JavaScript-hez, a mobil eszközökhöz és még az IoT-megoldásokhoz is. A puristák szemében azonban egy „kevésbé” platform marad, amelyen minden Tom, Dick és Harry összezavarodhat. Tehát készülj fel néhány ellenállásra, amikor felfelé haladsz a képességi létrán, és „megvilágosodott” lelkekkel találkozol. ��

Ha újonc vagy, akkor nézd meg ezt A TensorFlow bevezető online tanfolyam.

Megjegyzés: A TensorFlow néhány kritikája megemlíti, hogy nem használhatja a GPU-kat, ami már nem igaz. Ma a TensorFlow nemcsak a GPU-vel működik, hanem a Google kifejlesztette egyetlen TPU nevű speciális hardverét (TensorFlow Processing Unit), amely felhőként is elérhető. szolgáltatás.

Google AI szolgáltatások

Csakúgy, mint az Amazon szolgáltatásai, a Google is rendelkezik felhőcsomaggal szolgáltatások az AI körül forog. Tartózkodom attól, hogy felsoroljam az összes szolgáltatást, mivel ezek nagyon hasonlítanak az Amazon kínálatához. Itt van egy képernyőkép arról, hogy mit fejlesztők készíthetnek, ha érdekli őket:

Általánosságban véve kétféle módon lehet használni a Google AI szolgáltatásait. Az első az, hogy egy olyan modellt használjon, amelyet a Google már képzett, és csak kezdje el alkalmazni azt a termékekben. A második az úgynevezett AutoML szolgáltatás, amely automatizálja a Machine Learning több köztes szakaszát, és így például a teljes verem-fejlesztőknek kevesebb ML szakértelemmel segítik a modellek egyszerű felépítését és kiképzését.

H2O

A H2O-ban szereplő „2” állítólag alindex (gondolom, hogy hasonlít a víz kémiai összetételére), ám ezt megnehezíteni kell. Remélem az emberek mögött vannak H2O nem fogja ezt szem előtt tartani!

A H2O egy nyílt forrású platform a Machine Learning számára, amelyet a Fortune 500-ban szereplő nagy nevek használnak.

A fő gondolat az, hogy az élvonalbeli AI kutatás a nagyközönség felé érjen el, és ne hagyja, hogy mély zsebekkel és tőkeáttételű vállalatok kezében maradjon. Számos terméket kínálunk a H2O platformon, például:

  • H2O: A gépi tanulás feltárásának és használatának alapplatformja.
  • Szénsavas víz: Hivatalos integráció a Apache Spark nagy adatkészletekhez.
  • H2O4GPU: A H2O platform GPU-gyorsított verziója.

A H2O a vállalatra szabott megoldásokat is készít, ideértve a következőket:

  • Pilóta nélküli AI: Nem, a Driverless AI-nek nincs semmi köze az önjáró autókhoz! �� Ez inkább a Google AutoML-ajánlatainak vonalán áll – az AI / ML szakaszok többsége automatizált, olyan eszközöket eredményezve, amelyek egyszerűbbek és gyorsabbak a.
  • Fizetett támogatás: Vállalkozásként nem várhat meg, hogy felveti a GitHub kérdéseit, és abban reménykedhet, hogy hamarosan megkapják a válaszokat. Ha az idő pénz, a H2O fizetett támogatást és tanácsadást kínál nagyvállalatok számára.

Petuum

A Petuum kifejleszti a Szimfónia platform, amelyet arra terveztek, hogy ne csinálj-csinálj-gondolkodj az AI-t. Más szavakkal: ha fáradt a kódolásból és / vagy nem akarja megjegyezni több könyvtárat és kimeneti formátumot, a Symphony úgy érzi, mint egy nyaralás az Alpokban!

Noha a Symphony platformon nincs semmi „nyitott”, a funkciókat érdemes átélni:

  • Drag-and-drop felhasználói felület
  • Könnyen létrehozhat interaktív adatvezetékeket
  • Rengeteg szabványosított és moduláris építőelem a kifinomultabb AI alkalmazások létrehozásához
  • A programozás és az API felületek, akik úgy érzik, hogy a vizuális út nem elég hatékony
  • Automatizált optimalizálás GPU-kkal
  • Elosztott, nagyon skálázható platform
  • Több forrásból származó adatok összesítése

Sokkal több olyan funkció van, amelyek valóban úgy érzik, hogy a belépés akadálya jelentősen csökkent. Nagyon ajánlott!

Polyaxon

A Machine Learning és az AI manapság a legnagyobb kihívás nem a jó könyvtárak és algoritmusok (vagy akár a tanulási források) megtalálása, hanem a képzett mérnöki munka, amelyet alkalmazni kell a behemoth rendszerek kezelésére és az eredményekkel járó nagy adatterhelésre..

Még a tapasztalt szoftvermérnökök számára is túl sok kérés lehet. Ha így is érzed magad, Polyaxon érdemes megnézni.

A Polyaxon nem könyvtár vagy akár keret; inkább egy végpont megoldás a gépi tanulás minden szempontjának kezelésére, például:

  • Adatkapcsolatok és streaming
  • Hardveres gyorsítás
  • Konténerizálás és hangszerkesztés
  • Ütemezés, tárolás és biztonság
  • Csővezeték, optimalizálás, követés stb.
  • Műszerfal, API-k, vizualizációk stb.

Nagyon sok könyvtári és szolgáltatói agnosztika, mivel számos népszerű (nyílt és zárt forrású) megoldást támogatnak.

Természetesen továbbra is foglalkoznia kell egy bizonyos szintű telepítéssel és méretezéssel. Ha még ezt el akarja menekülni, a Polyaxon PaaS megoldást kínál, amely lehetővé teszi az infrastruktúrájuk rugalmas használatát.

DataRobot

Egyszerűen fogalmazva, DataRobot egy koncentrált Machine Learning megoldás a vállalkozás számára. Egészen vizuális, és célja, hogy gyorsan megértse az Ön adatait, és kihozza azokat a konkrét üzleti felhasználáshoz.

Az interfész intuitív és karcsú, lehetővé téve a nem szakértők számára, hogy a kerekek mögé kerüljenek, és értelmes betekintést nyerjenek.

A DataRobotnak nincs sok funkciója; ehelyett a hagyományos adatok értelmére összpontosít, és szilárd képességeket biztosít:

  • Automatizált gépi tanulás
  • Regresszió és osztályozás
  • Idősorok

Leggyakrabban ezekre van szüksége a vállalkozásához. Vagyis a legtöbb esetben a DataRobot-ra van szükséged. ��

NeuralDesigner

Amíg a könnyen használható, erőteljes AI platformok témáján vagyunk, NeuralDesigner külön említést érdemel.

Nincs sok mondani a NeuralDesigner-ről, de még sok tennivaló! Tekintettel arra, hogy a neurális hálózatok többé-kevésbé uralták a modern gépi tanulási módszertant, érdemes olyan platformon dolgozni, amely kizárólag a neurális hálókra koncentrál. Nincs sok választás, nincs zavarás – a minőség felett a mennyiség.

A NeuralDesigner számos szempontból kiemelkedik:

  • Nincs szükség programozásra. Egyáltalán.
  • Nincs szükség összetett felületépítésre. Minden ésszerű, könnyen érthető, rendezett lépésekben van elrendezve.
  • A neurális hálózatokra jellemző legfejlettebb és legfejlettebb algoritmusok gyűjteménye.
  • CPU párhuzamosítás és GPU gyorsítás a nagy teljesítmény érdekében.

Érdemes a néz? Egyértelműen!

Prevision.io

Pervision.io egy platform a gépi tanulás minden szempontjának kezelésére, az adatok feldolgozásától kezdve az egész méretben történő telepítésig.

PredictionIO

Ha fejlesztő vagy, PredictionIO hihetetlenül hasznos ajánlat, amelyet érdemes megvizsgálnia. A PredictionIO lényege egy olyan gépi tanulási platform, amely az alkalmazásból származó adatokat (webes, mobil vagy más módon) képes kiszivárogtatni és gyorsan előrejelzéseket készíteni.

Ne tévesszen meg a név – a PredictionIO nemcsak a jóslatokra szolgál, hanem a gépi tanulás teljes spektrumát is támogatja. Íme néhány jó ok, amiért szeretik:

  • Támogatás a besoroláshoz, regresszióhoz, ajánlásokhoz, NLP-hez, és mi nem.
  • Építse fel a súlyos munkaterhelés kezelésére a Big Data beállításban.
  • Több előre gyártott sablonok azoknak, akik sietnek.
  • Az Apache Spark, az MLlib, a HBase, az Akka HTTP és az Elasticsearch csomagban van, biztosítva a robusztus, modern alkalmazás minden lehetséges igényét..
  • Több forrásból származó kombinált adatfelvétel, akár kötegelt, akár valósidejű módban.
  • Telepítve, mint egy tipikus webszolgáltatás – könnyen fogyasztható és táplálható.

A legtöbb internetes projektnél nem látom, hogy a PredictionIO milyen értelmetlen. Próbáld ki!

Következtetés

Ma nincs hiány az AI és az ML keretrendszerről vagy platformról; Megkönnyebbültem a választással, amikor elkezdtem kutatni ezt a cikket. Ennek eredményeként megpróbáltam szűkíteni ezt a listát az egyedi vagy érdekes listákra. Ha úgy gondolja, hogy valami fontosat hiányoztam, kérjük, ossza meg.

coursera megvan néhány nagyszerű gépi tanfolyam, tehát nézd meg, érdekli-e a tanulás.

Szóval melyik platform a legjobb? Sajnos nincs egyértelmű válasz. Ennek egyik oka, hogy ezeknek a szolgáltatásoknak a többsége egy adott technológiai köteghez vagy ökoszisztémához kapcsolódik (többnyire az úgynevezett fallal körülvett kert építéséhez). A másik, ennél is fontosabb ok az, hogy mára az AI és az ML technológiákat árucikkké változtatják, és verseny áll a versenyben, hogy minél több szolgáltatást biztosítsanak a lehető legalacsonyabb áron. Egyetlen eladó sem engedheti meg magának, hogy nem ajánlja azt, amit a többiek kínálnak, és minden új ajánlatot a versenytársak szinte egy éjszakán át lemásolnak és kiszolgálnak.

Mint ilyen, az az, hogy mi a verem és a célok, mennyire intuitívnak találja a szolgáltatást, mi a véleménye a mögötte lévő cégekről stb..

De bármi legyen is a helyzet, magától értetődik, hogy az AI végre elérhető szolgáltatásként, és rendkívül bölcs dolog lenne ezt nem használni. ��

Jeffrey Wilson Administrator
Sorry! The Author has not filled his profile.
follow me