10 AI-platforms om u moderne toepassing te bou

Noudat ons weet dat die terminators ons nie gaan kry nie, is dit tyd om vriende te maak met kunsmatige intelligensie en voordeel daaruit te trek.!


Die veld van kunsmatige intelligensie, en die beroemdste subdissipline, masjienleer, was lank omring deur ‘n geheimsinnige aura. Die propaganda-persmasjinerie het die artikel ná die artikel gepomp en voorspel dat die opkoms van super-intelligente, super-onafhanklike en super-bose masjiene is, waardeur baie in wanhoop val (myself ingesluit).

En wat het ons vandag om te wys vir al die geraas en rook? ‘N AI-tegnologie wat ver van perfek, verleentheid is foute, en ‘n beperkte, wanfunksionerende robot wat amper met geweld in ‘n burger. Heck, ons het nog nie eens ‘n ordentlike taalvertaalalgoritme nie.

As iemand vandag steeds aandring dat die dag naby is, is dit my reaksie:

Wat is AI, ML, en al die buzzwords, indien nie die einde van die mensdom nie??

Dit is ‘n nuwe manier om ‘n rekenaar te programmeer om die probleme met klassifikasie en voorspelling op te los. En raai wat, ons het uiteindelik baie AI-dienste wat u dadelik in u besigheidstoepassing kan begin gebruik en geweldige voordele kan verdien.

Wat kan die AI-platforms vandag vir ondernemings doen?

Goeie vraag!

Kunsmatige intelligensie is so generies in die toepassing daarvan (ten minste in teorie) dat dit onmoontlik sou wees om die doel waarvoor dit ontwikkel is, uit te wys. Dit is soos om te vra waarvoor ‘n sigblad ontwikkel is en wat ‘n mens daarmee kan doen. Sekerlik, dit is ontwikkel vir boekhouding, maar dit is vandag verreweg die verantwoordelikheid. En boekhouding is nie die enigste funksie nie; mense gebruik dit as ‘n projekbestuursinstrument, as ‘n lys van doeleindes, as ‘n databasis en wat nie.

Dieselfde geld vir AI.

Oor die algemeen is AI nuttig vir take wat losweg gedefinieër is en staatmaak op leer uit ervaring. Ja, dit is wat die mens ook doen, maar AI het ‘n voorsprong, want dit kan berge data vinnig verwerk en baie vinniger tot gevolgtrekkings kom. As sodanig is sommige van die tipiese toepassings van AI:

  • Gesigte op te spoor in ‘n foto, video, ens
  • Klassifisering en etikettering van prente, byvoorbeeld vir advies deur ouer
  • Spraak na teksomskakeling
  • Voorwerpopsporing in media (bv. ‘N motor, ‘n vrou, ens.)
  • Voorspelling van aandelepryse
  • Terrorismefonds opspoor (tussen miljoene transaksies per dag)
  • Aanbevelingstelsels (inkopies, musiek, vriende, ens.)
  • Kaptcha breek
  • Strooiposfiltrering
  • Netwerkindringing opsporing

Ek kon aanhou en aanhou en waarskynlik die bladsye oplos (figuurlik gesproke), maar ek dink jy kry nou die idee. Dit is alles voorbeelde van probleme wat mense deur tradisionele rekenaarmetodes probeer oplos. En tog is dit belangrik, aangesien dit ‘n geweldige behoefte in die sakewêreld en die regte wêreld het.

Begin dus met die lys van ons beste AI-platforms en kyk wat hulle te bied het.

Amazon AI-dienste

Net soos Amazon vinnig besig is om ondernemings uit die sak te jaag, so is AWS so geheel en al dominant as ‘n platform dat daar byna niks anders na vore kom nie. Dieselfde geld Amazon AI-dienste, wat volop is met ongelooflike nuttige AI-dienste.

Hier is ‘n paar van die gedugte dienste wat AWS lewer.

Amazon Comprehend: Help u om sin te maak uit al die berg van tekstuele, ongestruktureerde data wat u het. Een gebruiksgeval is om die bestaande kliëntediens-geselsies te ontgin en uit te vind wat die tevredenheidsvlakke mettertyd was, wat die grootste bekommernisse van die kliënt is, watter sleutelwoorde die meeste gebruik word, ens..

Amazon-voorspelling: Nul-instellingsdiens om u bestaande tydreeksdata te gebruik en om te skakel in akkurate voorspellings vir die toekoms. As u wonder wat die tydreeksdata is, kyk na die artikel wat ek onlangs geskryf het (kyk na die databasis Timescale aan die einde van die artikel).

Amazon Lex: Bou gespreksinterfaces (tekstuele en / of visuele) in u toepassings. Agter die skerms hardloop Amazon se opgeleide Machine Learning-modelle wat die voorneme dekodeer en spraak-vir-teks doen.

Amazon verpersoonlik: Eenvoudige diens sonder infrastruktuur om aanbevelings vir u kliënte, of vir uself, te skep! U kan e-handelsdata of bykans enigiets by hierdie diens invoer, en geniet baie akkurate en interessante voorstelle. Hoe groter die datastel, hoe beter sal die aanbevelings natuurlik wees.

Daar is nog baie meer AI-dienste wat Amazon het, en u kan die hele dag deurgaans deurbring. Nietemin, dit is ‘n aktiwiteit wat ek van harte aanbeveel! ��

Opmerking: dit is moeilik om ‘n opsomming van al hierdie dienste op die AWS-dokumente te vind, maar as u na https://aws.amazon.com/machine-learning gaan, word dit in die vervolgkeuse onder “AI Services” gelys.

TensorFlow

TensorFlow is ‘n biblioteek (en ook ‘n platform) wat geskep is deur die span agter Google-brein. Dit is ‘n implementering van die ML-subdomein genaamd Deep Learning Neural Networks; dit wil sê, TensorFlow is Google se taak om masjienleer met neurale nette te bewerkstellig met behulp van die tegniek van diep leer.

Nou, dit beteken dat TensorFlow natuurlik nie die enigste manier is om neurale netwerke te gebruik nie – daar is baie biblioteke daar buite, elk met sy voor- en nadele.

In die breë laat TensorFlow u die vaardighede om masjienleer vir baie verskillende programmeringsomgewings aan te leer. Dat gesê, die basisplatform is baie visueel en is meestal afhanklik van grafieke en datavisualisering om die werk gedoen te kry. As sodanig, selfs al is u nie-programmeerder, kan u met goeie moeite goeie resultate uit TensorFlow kry.

TensorFlow was histories daarop gemik om masjienleer te “demokratiseer”. Na my wete was dit die eerste platform wat ML eenvoudig, visueel en toeganklik vir hierdie graad gemaak het. As gevolg hiervan het die ML-gebruik ontplof, en mense kon modelle maklik oplei.

Die belangrikste verkooppunt van TensorFlow is Keras, wat ‘n biblioteek is om doeltreffend met Neural Networks programmeerbaar te werk. Dit is hoe eenvoudig dit is om ‘n eenvoudige, volledig gekoppelde netwerk (perceptron) te skep:

model = tf.keras.Sequential ()
# Voeg ‘n digverbindte laag met 64 eenhede by tot die model:
model.add (lae. dig (64, aktivering = ‘relu’))
# Voeg nog een by:
model.add (lae. dig (64, aktivering = ‘relu’))
# Voeg ‘n softmax-laag met 10 afvoer-eenhede by:
model.add (lae.Dig (10, aktivering = ‘softmax’))

Natuurlik moet konfigurasie, opleiding, ens. Ook gedoen word, maar dit is ook ewe eenvoudig.

TensorFlow is moeilik om foute te vind, met inagneming van die ingeboude ML op JavaScript, mobiele toestelle en selfs IoT-oplossings. In die oë van die puriste bly dit egter ‘n ‘mindere’ platform waarmee elke Tom, Dick en Harry kan rommel. Wees dus gereed om weerstand te bied as u op die vaardigheidsleer opklim en meer “verligte” siele teëkom. ��

As u ‘n newbie is, gaan kyk gerus TensorFlow-inleiding aanlynkursus.

Let ook op: Sommige kritiek op TensorFlow noem dat dit nie GPU’s kan gebruik nie, wat nie meer waar is nie. TensorFlow werk vandag nie net met GPU nie, maar Google het sy enigste gespesialiseerde hardeware, TPU (TensorFlow Processing Unit), ontwikkel wat as ‘n wolk beskikbaar is diens.

Google AI-dienste

Net soos die dienste van Amazon, het Google ook ‘n reeks wolke dienste draai om AI. Ek sal my nie weerhou om al die dienste op te lys nie, aangesien hulle baie ooreenstem met Amazon se aanbiedinge. Hier is ‘n skermkiekie van wat beskikbaar is vir ontwikkelaars om te bou as hulle belangstel:

Oor die algemeen is daar twee maniere waarop u Google se AI-dienste kan gebruik. Die eerste is om ‘n model te gebruik wat alreeds deur Google opgelei is en dit net op u produkte te begin toepas. Die tweede is die sogenaamde AutoML diens, wat verskeie tussentydse fases van masjienleer outomatiseer, en sê, byvoorbeeld, volledige stapelontwikkelaars met ‘n mindere ML-kundigheid om modelle maklik te bou en op te lei.

H2O

Die ‘2’ in H2O is veronderstel om ‘n subskrip te wees (lyk soos die chemiese formule vir water), maar dit is lastig om dit uit te tik. Ek hoop die mense agter H2O sal nie soveel omgee nie!

H2O is ‘n open source platform vir masjienleer wat gebruik word deur groot name wat by Fortune 500 ingesluit is.

Die belangrikste idee is om toonaangewende AI-navorsing die algemene publiek te laat bereik, eerder as om dit in die hande te hou van maatskappye met diep sakke en hefboomfinansiering. Verskeie produkte word onder die H2O-platform aangebied, soos:

  • H2O: Die basisplatform vir die verkenning en gebruik van masjienleer.
  • Sparkling Water: Amptelike integrasie met Apache Spark vir groot datastelle.
  • H2O4GPU: GPU-versnelde weergawe van die H2O-platform.

H2O maak ook oplossings op maat vir die onderneming, en dit sluit in:

  • Bestuurslose AI: Nee, bestuurderlose AI het niks met selfbestuurde motors te doen nie! �� Dit gaan meer oor Google se AutoML-aanbod – die meeste AI / ML-fases word geoutomatiseer, wat lei tot instrumente wat eenvoudiger en vinniger is om te ontwikkel met.
  • Betaalde ondersteuning: As ‘n onderneming kan u nie wag om GitHub-kwessies op te los nie en te hoop dat hulle binnekort beantwoord sal word. As tyd geld is, bied H2O betaalde ondersteuning en konsultasie vir groot ondernemings.

Petuum

Petuum ontwikkel die Symphony platform, wat ontwerp is om AI-werk nie te laat dink nie. Met ander woorde, as u moeg is vir kodering en / of nie meer biblioteke en uitvoerformate wil memoriseer nie, sal Symphony voel soos ‘n vakansie in die Alpe!

Daar is niks “oop” aan die Symphony-platform nie, maar die funksies is die moeite werd om te kwyl:

  • Sleep-en-trap-gebruikerskoppelvlak
  • Bou maklik interaktiewe pyplyne
  • Talle gestandaardiseerde en modulêre boustene om meer gesofistikeerde AI-toepassings te skep
  • Programmerings- en API-koppelvlakke wat die visuele manier voel is nie kragtig genoeg nie
  • Outomatiese optimalisering met GPU’s
  • Verspreide, hoogs skaalbare platform
  • Versameling van meervoudige bronne

Daar is baie meer funksies wat u regtig sal laat voel dat die toegangsversperring aansienlik verlaag is. Sterk aanbeveel!

Polyaxon

Die grootste uitdaging vandag in Masjienleer en AI is nie om goeie biblioteke en algoritmes (of selfs leerhulpbronne) te vind nie, maar die bekwame ingenieurswese wat toegepas moet word om die beheerstelsels en hoë datavrag wat daarmee gepaard gaan, te hanteer.

Selfs vir ervare sagteware-ingenieurs kan dit te veel gevra word. As jy ook so voel, Polyaxon is die moeite werd om te kyk.

Polyaxon is nie ‘n biblioteek of selfs ‘n raamwerk nie; dit is eerder ‘n oplossing tot einde vir die bestuur van alle aspekte van masjienleer, soos:

  • Dataverbindings en streaming
  • Hardewareversnelling
  • Houding en orkestrasie
  • Skedulering, berging en sekuriteit
  • Pypleiding, optimalisering, opsporing, ens.
  • Dashboarding, API’s, visualisering, ens.

Dit is amper biblioteek- en verskaffer-agnosties, omdat ‘n groot aantal gewilde (open en geslote bron) oplossings ondersteun word..

Natuurlik moet u nog steeds op ‘n sekere vlak met ontplooiing en skaal te werk gaan. As u selfs daaraan wil ontsnap, bied Polyaxon ‘n PaaS-oplossing waarmee u hul infrastruktuur elasties kan gebruik.

DataRobot

Eenvoudig gestel, DataRobot is ‘n gefokusde masjienleer-oplossing vir die onderneming. Dit is deurgaans visueel en is ontwerp om vinnig van u data gebruik te maak en dit konkreet te gebruik.

Die koppelvlak is intuïtief en glad, wat nie-kundiges toelaat om agter die wiele te kom en betekenisvolle insigte te genereer.

DataRobot het nie ‘n oorvloed funksies nie; in plaas daarvan fokus dit op die tradisionele gevoel van data en bied dit vaste vaste vermoëns in:

  • Outomatiese masjienleer
  • Regressie en klassifikasie
  • Tyd reeks

Dikwels is dit al wat u nodig het vir u onderneming. Dit wil sê, in die meeste gevalle is DataRobot alles wat u nodig het. ��

NeuralDesigner

Terwyl ons besig is met maklike, kragtige AI-platforms, NeuralDesigner verdien ‘n spesiale vermelding.

Daar is nie veel te sê oor NeuralDesigner nie, maar daar is baie om te doen! Aangesien Neural Networks die moderne Machine Learning-metodologie min of meer oorheers het, is dit sinvol om te werk met ‘n platform wat uitsluitlik op Neural Networks fokus. Geen baie keuses, geen afleidings nie – kwaliteit bo kwantiteit.

NeuralDesigner presteer op baie maniere:

  • Geen programmering nodig nie. Enigsins.
  • Geen ingewikkelde koppelvlak-gebou is nodig nie. Alles is uitgelê in sinvolle, maklik verstaanbare, geordende stappe.
  • ‘N Versameling van die mees gevorderde en verfynde algoritmes wat spesifiek op Neural Networks bestaan.
  • CPU-parallelisering en GPU-versnelling vir hoë werkverrigting.

Die moeite werd a kyk? beslis!

Prevision.io

Pervision.io is ‘n platform vir die bestuur van alle aspekte van masjienleer, van dataverwerking tot ontplooiing op skaal.

PredictionIO

As u ‘n ontwikkelaar is, PredictionIO is ‘n ongelooflike nuttige aanbod waarna u moet kyk. In sy kern is PredictionIO ‘n platform vir masjienleer wat data vanaf u app (web, mobiel of andersins) kan inneem en vinnig voorspellings kan opbou.

Moenie mislei word deur die naam nie – PredictionIO is nie net vir voorspellings nie, maar ondersteun die volledige spektrum van masjienleer. Hier is ‘n paar goeie redes om daarvan te hou:

  • Ondersteuning vir klassifikasie, regressie, aanbevelings, NLP, en wat nie.
  • Bou om ernstige werklas in ‘n Big Data-instelling te hanteer.
  • Verskeie voorgebou templates vir die wat haastig is.
  • Word saamgebring met Apache Spark, MLlib, HBase, Akka HTTP en Elasticsearch, wat voorsiening maak vir elke moontlike behoefte aan ‘n robuuste, moderne app.
  • Gekombineerde inname van data uit verskeie bronne, hetsy in ‘n groep- of real-time-modus.
  • Ontplooi as ‘n tipiese webdiens – maklik om te verbruik en te voed.

Vir die meeste webprojekte daar buite sien ek nie hoe PredictionIO nie veel sin maak nie. Probeer gerus!

Afsluiting

Daar is tans geen tekort aan AI en ML raamwerk of platform nie; Ek was oorweldig met die keuse toe ek hierdie artikel begin ondersoek. As gevolg hiervan, het ek probeer om hierdie lys te verklein tot die unieke of interessante. Laat weet dit as u dink dat ek iets belangriks gemis het.

Coursera het van die wonderlike kursusse vir masjienleer gekry, so kyk of u belangstel om te leer.

Dus, watter platform is die beste? Daar is ongelukkig geen duidelike antwoord nie. Een rede waarom die meeste van hierdie dienste aan ‘n spesifieke tegnologiestapel of ekosisteem gekoppel is (meestal om ‘n ommuurde tuin te noem). Die ander, nog belangriker, die rede is dat AI- en ML-tegnologieë teen hierdie tyd al gekommoditeer is en dat daar ‘n wedloop is om soveel moontlikhede teen ‘n so laag as moontlik prys te bied. Geen verkoper kan dit bekostig om nie te bied wat die ander aanbied nie, en elke nuwe aanbod word amper oornag deur die mededingers gekopieër en bedien.

As sodanig kom dit alles neer op wat u stapel en doelwitte is, hoe intuïtief u vind dat die diens moet wees, wat u persepsie van die maatskappye daaragter is, ensovoorts.

Maar hoe dit ook al sy, dit spreek vanself dat AI uiteindelik as diens beskikbaar is, en dit sou uiters onverstandig wees om nie daarvan gebruik te maak nie. ��

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