10 nền tảng AI để xây dựng ứng dụng hiện đại của bạn

Bây giờ chúng ta đã biết Kẻ hủy diệt sẽ đến với chúng ta, đã đến lúc kết bạn với Trí tuệ nhân tạo và hưởng lợi từ nó!


Trong một thời gian dài, lĩnh vực Trí tuệ nhân tạo và môn học phụ nổi tiếng nhất của nó, Machine Learning, được bao quanh bởi một hào quang bí ẩn. Bộ máy báo chí tuyên truyền đã được đưa ra bài báo sau khi bài báo báo trước sự trỗi dậy của những cỗ máy siêu thông minh, siêu độc lập và siêu ác, khiến nhiều người rơi vào tuyệt vọng (bao gồm cả bản thân tôi).

Và chúng ta có gì hôm nay để thể hiện cho tất cả tiếng ồn và khói? Một công nghệ AI không hoàn hảo, đáng xấu hổ sai lầm, và một con robot bị trục trặc, bị trục trặc, gần như bị ép buộc, đã biến thành một công dân. Heck, chúng tôi thậm chí còn có một thuật toán dịch ngôn ngữ tốt.

Nếu hôm nay, ai đó vẫn khăng khăng rằng ngày tận thế là đêm, thì đây là phản ứng của tôi:

Vậy AI, ML và tất cả những từ thông dụng đó là gì nếu không phải là sự kết thúc của loài người?

Vâng, đây là những cách mới để lập trình máy tính để giải quyết các vấn đề liên quan đến phân loại và dự đoán. Hãy đoán xem, cuối cùng chúng ta cũng có nhiều dịch vụ AI mà bạn có thể bắt đầu sử dụng ngay trong ứng dụng kinh doanh của mình và gặt hái những lợi ích to lớn.

Các nền tảng AI có thể làm gì cho các doanh nghiệp ngày nay?

Câu hỏi hay!

Trí tuệ nhân tạo rất chung chung trong ứng dụng của nó (ít nhất là về lý thuyết) đến nỗi nó không thể chỉ ra mục đích mà nó được phát triển. Nó giống như hỏi một bảng tính được phát triển để làm gì và người ta có thể làm gì với nó. Chắc chắn, nó đã được phát triển cho kế toán, nhưng ngày nay nó vượt xa trách nhiệm đó. Và kế toán không phải là chức năng duy nhất – mọi người sử dụng nó như một công cụ quản lý dự án, như một danh sách việc cần làm, như một cơ sở dữ liệu, và những gì không.

Tương tự với AI.

Nói một cách đơn giản, AI rất hữu ích cho các nhiệm vụ được xác định một cách lỏng lẻo và dựa vào việc học hỏi kinh nghiệm. Vâng, đó là những gì con người cũng làm, nhưng AI có lợi thế vì nó có thể xử lý hàng núi dữ liệu nhanh chóng và đưa ra kết luận nhanh hơn nhiều. Như vậy, một số ứng dụng điển hình của AI là:

  • Phát hiện khuôn mặt trong ảnh, video, v.v.
  • Phân loại và gắn thẻ hình ảnh, ví dụ, cho tư vấn của cha mẹ
  • Chuyển đổi lời nói thành văn bản
  • Phát hiện đối tượng trên phương tiện truyền thông (ví dụ: xe hơi, phụ nữ, v.v.)
  • Dự đoán giá cổ phiếu
  • Phát hiện tài trợ khủng bố (trong số hàng triệu giao dịch mỗi ngày)
  • Hệ thống khuyến nghị (mua sắm, âm nhạc, bạn bè, v.v.)
  • Captcha phá vỡ
  • Lọc thư rác
  • Phát hiện xâm nhập mạng

Tôi có thể tiếp tục và có thể hết trang (nói theo nghĩa bóng), nhưng tôi đoán bây giờ bạn đã hiểu ý. Đây là tất cả các ví dụ về các vấn đề mà con người đã đấu tranh để giải quyết thông qua các phương tiện điện toán truyền thống. Tuy nhiên, đây là những điều quan trọng vì họ có nhu cầu rất lớn trong kinh doanh và thế giới thực.

Vì vậy, không có gì khó chịu, hãy bắt đầu với danh sách các nền tảng AI hàng đầu của chúng tôi và xem những gì họ cung cấp.

Dịch vụ AI của Amazon

Giống như Amazon đang nhanh chóng đưa các công ty ra khỏi hoạt động kinh doanh, AWS cũng chiếm ưu thế hoàn toàn như một nền tảng mà gần như không có gì khác xuất hiện trong tâm trí. Tương tự với Dịch vụ AI của Amazon, nơi chứa đầy các dịch vụ AI cực kỳ hữu ích.

Dưới đây là một số dịch vụ tuyệt vời mà AWS có.

Amazon hiểu: Giúp bạn hiểu được tất cả các núi dữ liệu văn bản, không có cấu trúc mà bạn có. Một trường hợp sử dụng là khai thác các cuộc trò chuyện hỗ trợ khách hàng hiện tại và tìm hiểu mức độ hài lòng theo thời gian, mối quan tâm chính của khách hàng là gì, từ khóa nào được sử dụng nhiều nhất, v.v..

Dự báo của Amazon: Dịch vụ zero-setup để sử dụng dữ liệu chuỗi thời gian hiện tại của bạn và biến nó thành dự báo chính xác cho tương lai. Trong trường hợp bạn đang tự hỏi dữ liệu chuỗi thời gian là gì, hãy xem bài viết này tôi đã viết gần đây (tìm kiếm một cơ sở dữ liệu có tên Timescale vào cuối bài viết).

Amazon Lex: Xây dựng giao diện đàm thoại (văn bản và / hoặc trực quan) vào các ứng dụng của bạn. Đằng sau hậu trường đang chạy các mô hình Machine Learning được đào tạo của Amazon, giải mã ý định và thực hiện chuyển lời nói thành văn bản một cách nhanh chóng.

Cá nhân hóa Amazon: Dịch vụ đơn giản và không có cơ sở hạ tầng để tạo đề xuất cho khách hàng hoặc chính bạn! Bạn có thể nhập dữ liệu thương mại điện tử hoặc bất cứ thứ gì vào dịch vụ này và tận hưởng các đề xuất thú vị và chính xác cao. Tất nhiên, tập dữ liệu càng lớn, các khuyến nghị sẽ càng tốt.

Có rất nhiều dịch vụ AI khác mà Amazon có, và bạn có thể dành cả ngày để duyệt qua chúng. Tuy nhiên, đó là một hoạt động mà tôi hết lòng giới thiệu! ��

Lưu ý: Thật khó để tìm thấy một bản tóm tắt của tất cả các dịch vụ này trên các tài liệu AWS, nhưng nếu bạn truy cập https://aws.amazon.com/machine-learning, những dịch vụ này được liệt kê trong danh sách thả xuống dưới Dịch vụ AI của AI.

Kéo căng

Kéo căng là một thư viện (và cũng là một nền tảng) được tạo bởi nhóm đằng sau Google Brain. Nó là một triển khai của tên miền phụ ML được gọi là Mạng học thần kinh Deep Learning; điều đó có nghĩa là, TensorFlow là Google Lôi về cách đạt được việc học máy bằng mạng lưới thần kinh bằng cách sử dụng kỹ thuật học sâu.

Bây giờ, điều đó có nghĩa là TensorFlow tất nhiên không phải là cách duy nhất để sử dụng Mạng thần kinh – có rất nhiều thư viện ngoài kia, mỗi thư viện đều có ưu và nhược điểm..

Nhìn rộng ra, TensorFlow cho phép bạn cung cấp các khả năng Machine Learning cho nhiều môi trường lập trình khác nhau. Điều đó nói rằng, nền tảng cơ bản là khá trực quan, và chủ yếu dựa vào biểu đồ và trực quan hóa dữ liệu để hoàn thành công việc. Như vậy, ngay cả khi bạn là một người không lập trình, thì cũng có thể, với một số nỗ lực, để có được kết quả tốt từ TensorFlow.

Trong lịch sử, TensorFlow đã nhắm đến mục tiêu dân chủ hóa máy học của Sony. Theo hiểu biết của tôi, đó là nền tảng đầu tiên giúp ML trở nên đơn giản, trực quan và có thể truy cập ở mức độ này. Kết quả là, việc sử dụng ML bùng nổ và mọi người có thể đào tạo các mô hình một cách dễ dàng.

Điểm bán hàng quan trọng nhất của TensorFlow là Máy ảnh, đó là một thư viện để làm việc hiệu quả với Mạng nơ-ron lập trình. Ở đây, cách đơn giản để tạo một mạng đơn giản, được kết nối đầy đủ (perceptron):

mô hình = tf.keras.Sequential ()
# Thêm một lớp kết nối dày đặc với 64 đơn vị vào mô hình:
model.add (layer.Dense (64, kích hoạt = ‘relu’))
# Thêm cái khác:
model.add (layer.Dense (64, kích hoạt = ‘relu’))
# Thêm một lớp softmax với 10 đơn vị đầu ra:
model.add (layer.Dense (10, kích hoạt = ‘softmax’))

Tất nhiên cấu hình, đào tạo, vv, cũng cần phải được thực hiện, nhưng chúng cũng đơn giản như nhau.

Nó khó tìm thấy lỗi với TensorFlow, xem xét việc đưa ML lên JavaScript, thiết bị di động và thậm chí là các giải pháp IoT. Tuy nhiên, trong con mắt của những người theo chủ nghĩa thuần túy, nó vẫn là một nền tảng ít hơn mà mà mọi Tom, Dick và Harry có thể gây rối. Vì vậy, hãy sẵn sàng đối mặt với một số kháng cự khi bạn di chuyển lên các bậc thang kỹ năng và bắt gặp nhiều linh hồn khác được giác ngộ. ��

Nếu bạn là người mới, hãy xem cái này Khóa học trực tuyến giới thiệu TensorFlow.

Cũng lưu ý: Một số lời chỉ trích của TensorFlow đề cập rằng nó không thể sử dụng GPU, điều này không còn đúng nữa. Ngày nay, TensorFlow không chỉ hoạt động với GPU, mà Google đã phát triển phần cứng chuyên dụng duy nhất của mình có tên là TPU (Bộ xử lý TensorFlow), có sẵn dưới dạng Đám mây dịch vụ.

Dịch vụ Google AI

Cũng giống như các dịch vụ của Amazon, Google cũng có một bộ đám mây dịch vụ xoay quanh AI. Tôi không thể liệt kê ra tất cả các dịch vụ, vì chúng rất giống với các dịch vụ của Amazon. Tại đây, một ảnh chụp màn hình về những gì mà các nhà phát triển có sẵn để xây dựng nếu họ quan tâm:

Nói chung, có hai cách bạn có thể sử dụng các dịch vụ AI của Google. Cách đầu tiên là sử dụng một mô hình đã được Google đào tạo và bắt đầu áp dụng nó vào các sản phẩm của bạn. Thứ hai là cái gọi là Tự động dịch vụ, tự động hóa một số giai đoạn trung gian của Machine Learning, giúp, nói, các nhà phát triển ngăn xếp đầy đủ với chuyên môn ML ít hơn để xây dựng và đào tạo các mô hình một cách dễ dàng.

H2O

Tôi đoán là 2 2 trong H2O được coi là một chỉ số (giống như công thức hóa học của nước, tôi đoán vậy), nhưng nó khó chịu khi loại nó ra. Tôi hy vọng những người phía sau H2O đã giành được tâm trí rất nhiều!

H2O là một nền tảng nguồn mở cho Machine Learning được sử dụng bởi các tên tuổi lớn có trong Fortune 500.

Ý tưởng chính là làm cho nghiên cứu AI tiên tiến tiếp cận công chúng thay vì để nó nằm trong tay các công ty có túi tiền và đòn bẩy sâu. Một số sản phẩm được cung cấp theo nền tảng H2O, chẳng hạn như:

  • H2O: Nền tảng cơ bản để khám phá và sử dụng Machine Learning.
  • Nước lấp lánh: Tích hợp chính thức với Spark Spark cho các tập dữ liệu lớn.
  • H2O4GPU: Phiên bản tăng tốc GPU của nền tảng H2O.

H2O cũng tạo ra các giải pháp phù hợp cho doanh nghiệp và bao gồm:

  • AI không người lái: Không, Driverless AI không có gì để làm với những chiếc xe tự lái! Nó khác nhiều hơn trên các dòng cung cấp GoogleML AutoML – hầu hết các giai đoạn AI / ML được tự động hóa, dẫn đến các công cụ đơn giản hơn và nhanh hơn để phát triển với.
  • Hỗ trợ trả phí: Là một doanh nghiệp, bạn có thể chờ đợi để đưa ra các vấn đề về GitHub và hy vọng họ sẽ được trả lời sớm. Nếu thời gian là tiền bạc, H2O cung cấp hỗ trợ và tư vấn có trả tiền cho các công ty lớn.

Petuum

Petuum phát triển Bản giao hưởng nền tảng, được thiết kế để hỗ trợ AI-make-me-think AI hoạt động. Nói cách khác, nếu bạn mệt mỏi với việc viết mã và / hoặc don thì muốn ghi nhớ nhiều thư viện và định dạng đầu ra hơn, Symphony sẽ cảm thấy như một kỳ nghỉ ở dãy Alps!

Trong khi đó, không có gì khác, hãy mở ra về nền tảng Symphony, các tính năng rất đáng để sử dụng:

  • Giao diện người dùng kéo và thả
  • Dễ dàng xây dựng đường ống dữ liệu tương tác
  • Hàng tấn các khối xây dựng được tiêu chuẩn hóa và mô-đun để tạo ra các ứng dụng AI tinh vi hơn
  • Các giao diện lập trình và API cảm thấy cách trực quan không đủ mạnh
  • Tối ưu hóa tự động với GPU
  • Nền tảng phân tán, có khả năng mở rộng cao
  • Tổng hợp dữ liệu đa nguồn

Có nhiều tính năng khác sẽ thực sự khiến bạn cảm thấy rằng rào cản gia nhập đã được hạ xuống đáng kể. Rất khuyến khích!

Polyaxon

Thách thức lớn nhất hiện nay trong Machine Learning và AI không phải là tìm ra các thư viện và thuật toán tốt (hoặc thậm chí là tài nguyên học tập), mà là kỹ thuật lành nghề phải được áp dụng để đối phó với các hệ thống khổng lồ và tải dữ liệu cao dẫn đến kết quả.

Ngay cả đối với các kỹ sư phần mềm dày dạn, nó có thể là quá nhiều yêu cầu. Nếu bạn cũng cảm thấy như vậy, Polyaxon đáng xem.

Polyaxon là một thư viện hoặc thậm chí là một khung; thay vào đó, nó là một giải pháp kết thúc để kết thúc việc quản lý tất cả các khía cạnh của Machine Learning, chẳng hạn như:

  • Kết nối dữ liệu và truyền phát
  • Tăng tốc phần cứng
  • Container hóa và điều phối
  • Lập kế hoạch, lưu trữ và bảo mật
  • Đường ống, tối ưu hóa, theo dõi, vv.
  • Bảng điều khiển, API, trực quan hóa, v.v..

Nó rất nhiều thư viện và nhà cung cấp không tin tưởng, vì một số lượng lớn các giải pháp phổ biến (nguồn mở và đóng) được hỗ trợ.

Tất nhiên, bạn vẫn phải đối phó với việc triển khai và nhân rộng ở một mức độ nhất định. Nếu bạn muốn thoát khỏi điều đó, Polyaxon cung cấp giải pháp PaaS cho phép bạn sử dụng cơ sở hạ tầng của họ một cách linh hoạt.

DataRobot

Chỉ cần đặt, DataRobot là một giải pháp Machine Learning tập trung cho doanh nghiệp. Nó trực quan tất cả các cách và được thiết kế để nhanh chóng hiểu dữ liệu của bạn và sử dụng dữ liệu cụ thể.

Giao diện trực quan và bóng bẩy, cho phép những người không phải là chuyên gia có thể ngồi sau tay lái và tạo ra những hiểu biết có ý nghĩa.

DataRobot không có một loạt các tính năng; thay vào đó, nó tập trung vào ý nghĩa truyền thống của dữ liệu và cung cấp các khả năng vững chắc trong:

  • Học máy tự động
  • Hồi quy và phân loại
  • Chuỗi thời gian

Thường xuyên hơn không, đây là tất cả những gì bạn cần cho doanh nghiệp của bạn. Điều đó có nghĩa là, trong hầu hết các trường hợp, DataRobot là tất cả những gì bạn cần. ��

Thiết kế thần kinh

Mặc dù chúng tôi hướng tới chủ đề nền tảng AI mạnh mẽ, dễ sử dụng, Thiết kế thần kinh xứng đáng được đề cập đặc biệt.

Có rất nhiều điều để nói về NeuralDesigner, nhưng có rất nhiều việc phải làm! Cho rằng Mạng nơ-ron ít nhiều chiếm ưu thế trong phương pháp Máy học hiện đại, việc hợp tác với một nền tảng chỉ tập trung vào Mạng nơ-ron là điều hợp lý. Không có nhiều sự lựa chọn, không có phiền nhiễu – chất lượng hơn số lượng.

NeuralDesigner vượt trội theo nhiều cách:

  • Không cần lập trình. Ở tất cả.
  • Không yêu cầu xây dựng giao diện phức tạp. Tất cả mọi thứ được trình bày trong các bước hợp lý, dễ hiểu, dễ hiểu.
  • Một tập hợp các thuật toán tiên tiến và tinh tế nhất dành riêng cho Mạng thần kinh.
  • Song song hóa CPU và tăng tốc GPU cho hiệu năng cao.

Đáng giá nhìn? Chắc chắn!

Dự phòng.io

Pervision.io là một nền tảng để quản lý tất cả các khía cạnh của Machine Learning, ngay từ khi xử lý dữ liệu đến triển khai theo quy mô.

Dự đoán

Nếu bạn là nhà phát triển, Dự đoán là một đề nghị vô cùng hữu ích mà bạn nên xem xét. Về cốt lõi, Dự đoán là một nền tảng học máy có thể nhập dữ liệu từ ứng dụng của bạn (web, thiết bị di động hoặc cách khác) và nhanh chóng xây dựng dự đoán.

Don Tiết bị đánh lừa bởi cái tên – Dự đoán không chỉ dành cho dự đoán, mà còn hỗ trợ toàn bộ hoạt động của Machine Learning. Dưới đây là một số lý do thú vị để yêu nó:

  • Hỗ trợ Phân loại, Hồi quy, Khuyến nghị, NLP và những gì không.
  • Xây dựng để xử lý khối lượng công việc nghiêm trọng trong cài đặt Dữ liệu lớn.
  • Một số bản dựng sẵn mẫu cho những người vội vàng.
  • Đi kèm với Apache Spark, MLlib, HBase, Akka HTTP và Elaticsearch, phục vụ mọi nhu cầu có thể của một ứng dụng hiện đại, mạnh mẽ.
  • Kết hợp nhập dữ liệu từ nhiều nguồn, cho dù ở chế độ hàng loạt hay thời gian thực.
  • Được triển khai như một dịch vụ web thông thường – dễ tiêu thụ và cung cấp thức ăn.

Đối với hầu hết các dự án web ngoài kia, tôi không thể thấy được Dự đoán như thế nào. Đi trước và thử nó!

Phần kết luận

Ngày nay, không thiếu nền tảng hoặc nền tảng AI và ML; Tôi đã choáng ngợp với sự lựa chọn khi tôi bắt đầu nghiên cứu cho bài viết này. Do đó, tôi đã cố gắng thu hẹp danh sách này xuống còn những danh sách độc đáo hoặc thú vị. Nếu bạn nghĩ rằng tôi đã bỏ lỡ điều gì đó quan trọng, xin vui lòng cho tôi biết.

Coursera có một số khóa học máy tuyệt vời, vì vậy hãy kiểm tra nếu bạn quan tâm đến việc học.

Vậy, nền tảng nào là tốt nhất? Thật không may, không có câu trả lời rõ ràng. Một lý do mà hầu hết các dịch vụ này gắn liền với một chồng công nghệ hoặc hệ sinh thái cụ thể (chủ yếu là xây dựng cái mà Lừa gọi là vườn treo tường). Một lý do khác, quan trọng hơn, đó là vì hiện tại, các công nghệ AI và ML đã được thương mại hóa và có một cuộc đua cung cấp càng nhiều tính năng với mức giá càng thấp càng tốt. Không nhà cung cấp nào có thể không cung cấp những gì người khác đang cung cấp và bất kỳ ưu đãi mới nào cũng được các đối thủ cạnh tranh sao chép và phục vụ gần như chỉ sau một đêm.

Như vậy, tất cả đều phụ thuộc vào mục tiêu và mục tiêu của bạn là gì, bạn tìm thấy dịch vụ trực quan như thế nào, nhận thức của bạn về các công ty đằng sau nó là gì, v.v..

Nhưng bất kể trường hợp nào, không cần phải nói rằng AI cuối cùng đã có sẵn như một dịch vụ và sẽ cực kỳ không khôn ngoan khi không sử dụng nó. ��

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