10 AI платформи за изграждане на вашето съвременно приложение

Сега, когато знаем, че Терминаторите не идват да ни вземат, е време да се сприятелим с изкуствения интелект и да се възползваме от него!


Дълго време полето на изкуствения интелект и най-известната му поддисциплина, машинно обучение, бяха заобиколени от мистериозна аура. Машината за пропагандна преса изпомпваше статия след статия, предсказваща възхода на свръх интелигентни, супер независими и супер зли машини, карайки мнозина да изпаднат в отчаяние (включително и аз).

И какво имаме днес да покажем за целия шум и дим? AI технология, която далеч не е перфектна, смущаваща грешки, и ограничен, неправилно функциониращ робот, който почти със сила се превърна в a гражданин. По дяволите, ние все още нямаме приличен алгоритъм за превод на език.

Ако днес някой все още настоява, че съдбата е близо, ето моята реакция:

И така, какво е AI, ML и всички тези модни думи, ако не краят на човечеството?

Е, това са нови начини за програмиране на компютър за решаване на проблемите, свързани с класификацията и прогнозирането. И познайте какво, най-накрая имаме много AI услуги, които можете да започнете да използвате веднага в своето бизнес приложение и да получите огромни ползи.

Какво могат да направят платформите AI за бизнеса днес?

Добър въпрос!

Изкуственият интелект е толкова общ в приложението си (поне на теория), че не би било невъзможно да се посочи целта, за която е разработен. Това е като да попитате за какво е разработена електронна таблица и какво може да се направи с нея. Разбира се, тя е разработена за счетоводство, но днес тя далеч надхвърля тази отговорност. И счетоводството не е единствената функция – хората го използват като инструмент за управление на проекти, като списък с тодо, като база данни и какво ли още не.

Същото важи и за AI.

Грубо казано, AI е полезен за задачи, които са слабо дефинирани и разчитат на учене от опит. Да, това правят и хората, но AI има предимство, тъй като може да обработва планински данни за нула време и да прави заключения много, много по-бързо. Като такива, някои от типичните приложения на AI са:

  • Откриване на лица в снимка, видео и др
  • Класифициране и маркиране на изображения, например за родителски съвети
  • Преобразуване на реч в текст
  • Откриване на обекти в медиите (например кола, жена и т.н.)
  • Предсказване на движението на цените на акциите
  • Откриване на финансиране на тероризма (сред милиони транзакции на ден)
  • Системи за препоръки (пазаруване, музика, приятели и т.н.)
  • Captcha чупене
  • Филтриране на спам
  • Мрежово откриване на проникване

Бих могъл да продължа и да продължа и вероятно изчерпвам страници (образно казано), но предполагам, че сега разбирате идеята. Всичко това са примери за проблеми, които хората са се мъчили да разрешат чрез традиционните изчислителни средства. И все пак, те са важни, тъй като имат огромна нужда в бизнеса и реалния свят.

Така че, без допълнително обобщение, нека започнем със списъка на нашите най-добри AI платформи и да видим какво могат да предложат.

Услуги на Amazon AI

Точно както Amazon бързо изключва компаниите, така и AWS е толкова доминиращ като платформа, че няма почти нищо друго, което да идва на ум. Същото важи и с Услуги на Amazon AI, който е пълен с невероятно полезни AI услуги.

Ето някои от умопомрачителните услуги, които AWS има.

Amazon Comprehend: Помага ви да осмислите цялата планина от текстови, неструктурирани данни, които имате. Един от случаите на използване е този на извличане на съществуващи чатове за поддръжка на клиенти и намиране на какви нива на удовлетвореност са били с течение на времето, какви са основните притеснения на клиента, кои ключови думи се използват най-много и т.н..

Прогноза на Амазонка: Нулева настройка за използване на съществуващите данни от времеви серии и превръщането им в точни прогнози за бъдещето. В случай че се чудите какви са данните от времеви серии, погледнете тази статия, която написах наскоро (потърсете база данни, наречена Timescale към края на статията).

Amazon Lex: Вградете разговорни интерфейси (текстови и / или визуални) във вашите приложения. Зад кулисите работят обучени от Amazon модели на машинно обучение, които декодират намеренията и правят реч в текст в движение..

Персонализиране на Amazon: Проста и без инфраструктура услуга за създаване на препоръки за вашите клиенти или за себе си! Можете да въведете данни за електронната търговия или почти всичко за тази услуга и да се насладите на изключително точни и интересни предложения. Разбира се, колкото по-голям е наборът от данни, толкова по-добри ще бъдат препоръките.

Има много повече AI услуги, които Amazon има, и вие бихте могли почти да прекарате целия ден в сърфиране през тях. Въпреки това, това от все сърце препоръчвам! ��

Забележка: Трудно е да намерите обобщение на всички тези услуги заедно в документите на AWS, но ако отидете на https://aws.amazon.com/machine-learning, те са изброени в падащото меню под „AI Services“.

TensorFlow

TensorFlow е библиотека (и също платформа), създадена от екипа зад Google мозък. Това е внедряване на ML поддомейн, наречен Deep Learning Neural Networks; тоест TensorFlow е начина, по който Google предприема как да постигне машинно обучение с невронни мрежи, използвайки техниката на задълбочено обучение.

Това означава, че TensorFlow, разбира се, не е единственият начин за използване на Neural Networks – има много библиотеки, всяка със своите плюсове и минуси.

Като цяло, TensorFlow ви позволява наличните възможности за машинно обучение за много различни програмни среди. Това каза, че основната платформа е доста визуална и разчита най-вече на графики и визуализации на данни, за да свърши работата. Като такъв, дори да сте непрограмист, е възможно с някои усилия да получите добри резултати от TensorFlow.

В исторически план TensorFlow беше насочен към „демократизиране“ на машинното обучение. По мои познания, това беше първата платформа, която направи ML прост, визуален и достъпен до тази степен. В резултат на това използването на ML се взриви и хората успяха да обучават модели лесно.

Най-значимата точка на продажба на TensorFlow е Keras, която е библиотека за ефективна работа с Neural Networks програмно. Ето колко е лесно да създадете проста, напълно свързана мрежа (perceptron):

модел = tf.keras.Sequences ()
# Добавя плътно свързан слой с 64 единици към модела:
model.add (layer.Dense (64, activation = ‘relu’))
# Добави друго:
model.add (layer.Dense (64, activation = ‘relu’))
# Добавете слой softmax с 10 изходни единици:
model.add (layer.Dense (10, activation = ‘softmax’))

Разбира се конфигуриране, обучение и т.н. също трябва да се направи, но те също са еднакво прости.

Трудно е да се намери вина с TensorFlow, като се има предвид донесеният му ML към JavaScript, мобилни устройства и дори IoT решения. В очите на пуристите обаче тя остава „по-малка” платформа, с която всеки Том, Дик и Хари могат да се забъркат. Така че, бъдете готови да се сблъскате с известна съпротива, докато се движите нагоре по стълбата на уменията и ще срещнете повече „просветени“ души. ��

Ако сте новак, проверете това TensorFlow въвеждане онлайн курс.

Забележете също: Някои критики към TensorFlow споменават, че той не може да използва графични процесори, което вече не е вярно. Днес TensorFlow не работи само с GPU, но Google разработи единствения си специализиран хардуер, наречен TPU (TensorFlow Processing Unit), който се предлага като облак обслужване.

Google AI Services

Подобно на услугите на Amazon, Google също има облак пакет услуги въртящи се около AI. Ще се въздържа да изброявам всички услуги, тъй като те са доста подобни на предложенията на Amazon. Ето екранна снимка на това, което е на разположение за разработчиците, ако те се интересуват:

Като цяло има два начина да използвате AI услугите на Google. Първият е да използвате вече обучен от Google модел и просто започнете да го прилагате във вашите продукти. Втората е т.нар AutoML услуга, която автоматизира няколко посреднически етапа на машинно обучение, помагайки, да речем, на разработчици на пълен стек с по-малко умения за ML да изграждат и обучават модели лесно.

H2O

Предполага се, че „2“ в H2O е индекс (наподобява химическата формула за вода), но е притеснително да го напишете. Надявам се хората отзад H2O няма да има нищо против!

H2O е платформа с отворен код за машинно обучение, която се използва от големи имена, включени във Fortune 500.

Основната идея е да направим авангардни изследвания на ИИ да достигнат до широката публика, а не да оставим да остане в ръцете на компании с дълбоки джобове и лост. В рамките на платформата H2O се предлагат няколко продукта като:

  • H2O: Базовата платформа за проучване и използване на машинно обучение.
  • Газирана вода: Официална интеграция с Apache Spark за големи масиви от данни.
  • H2O4GPU: Ускорена с GPU версия на H2O платформата.

H2O също прави решения, пригодени за предприятието, и те включват:

  • AI без шофьор: Не, AI без шофьор няма нищо общо със самоуправляващите се автомобили! �� В редовете на предлагането на AutoML от Google е повече – повечето етапи на AI / ML са автоматизирани, което води до по-прости и бързи инструменти за разработване с.
  • Платена поддръжка: Като предприятие не можете да чакате за повдигане на проблеми с GitHub и се надявате те да получат отговор скоро. Ако времето е пари, H2O предлага платна поддръжка и консултации за големи компании.

Petuum

Petuum развива симфония платформа, която е създадена, за да не мисля, че AI работи. С други думи, ако ви е омръзнало да кодирате и / или не искате да запомните повече библиотеки и изходни формати, Symphony ще се почувства като ваканция в Алпите!

Въпреки че няма нищо „отворено“ за Symphony платформата, функциите си струват да се откажат от:

  • Интерфейс с влачене и пускане
  • Лесно изграждане на интерактивни тръбопроводи за данни
  • Тонове стандартизирани и модулни блокове за създаване на по-сложни AI приложения
  • Интерфейсите за програмиране и API, които чувстват визуалния начин, не са достатъчно мощни
  • Автоматизирана оптимизация с графични процесори
  • Разпространена, много мащабируема платформа
  • Обобщаване на данни с много източници

Има още много функции, които наистина ще ви накарат да почувствате, че бариерата за влизане е намалена значително. Силно препоръчително!

Polyaxon

Най-голямото предизвикателство днес в машинното обучение и AI не е да се намерят добри библиотеки и алгоритми (или дори учебни ресурси), а квалифицираното инженерство, което трябва да се приложи, за да се справи с бегемотните системи и с големи натоварвания на данни, които водят до.

Дори за опитните софтуерни инженери това може да бъде прекалено голямо питане. Ако и вие се чувствате така, Polyaxon си струва да разгледаме.

Polyaxon не е библиотека или дори рамка; по-скоро е крайно решение за управление на всички аспекти на машинното обучение, като например:

  • Връзки за данни и поточно предаване
  • Хардуерно ускорение
  • Контейнеризация и оркестрация
  • Планиране, съхранение и сигурност
  • Тръбопровод, оптимизация, проследяване и др.
  • Табло за управление, API, визуализации и т.н..

Това е доста библиотека и доставчик на агностик, тъй като се поддържат голям брой популярни (отворен и затворен код) решения.

Разбира се, все още трябва да се справите с разполагането и мащабирането на определено ниво. Ако искате да избягате дори от това, Polyaxon предлага решение на PaaS, което ви позволява да използвате еластично тяхната инфраструктура.

DataRobot

Просто казано, DataRobot е фокусирано решение за машинно обучение за предприятието. Той е визуален докрай и е проектиран така, че бързо да осмисли вашите данни и да ги изпрати до конкретна бизнес употреба.

Интерфейсът е интуитивен и елегантен, което позволява на неекспертите да се качат зад колелата и да генерират смислени впечатления.

DataRobot няма шум от функции; вместо това, той се фокусира върху традиционния смисъл на данните и предоставя стабилни възможности в:

  • Автоматизирано машинно обучение
  • Регресия и класификация
  • Серия от време

По-често това е всичко, което ви е необходимо за вашето предприятие. Тоест в повечето случаи DataRobot е всичко, от което се нуждаете. ��

NeuralDesigner

Докато сме на тема лесни за използване мощни AI платформи, NeuralDesigner заслужава специално споменаване.

Не може да се каже много за NeuralDesigner, но има какво да се направи! Като се има предвид, че Neural Networks доминира повече или по-малко в съвременната методология за машинно обучение, има смисъл да се работи с платформа, която се фокусира единствено върху Neural Networks. Без много възможности за избор, без разсейване – качество над количество.

NeuralDesigner се отличава по много начини:

  • Не се изисква програмиране. Изобщо.
  • Не се изисква сложно изграждане на интерфейс. Всичко е изложено в разумни, лесни за разбиране, подредени стъпки.
  • Колекция от най-модерни и усъвършенствани алгоритми, специфични за Neural Networks.
  • Паралелизация на процесора и ускорение на графичния процесор за висока производителност.

Заслужава a виж? Определено!

Prevision.io

Pervision.io е платформа за управление на всички аспекти на машинното обучение, от обработка на данни до разполагане в мащаб.

PredictionIO

Ако сте разработчик, PredictionIO е невероятно полезно предложение, което трябва да разгледате. В основата си PredictionIO е платформа за машинно обучение, която може да поглъща данни от приложението ви (уеб, мобилно или друго) и бързо да изгражда прогнози.

Не се подвеждайте от името – PredictionIO не е само за прогнози, но поддържа пълния спектър от машинно обучение. Ето няколко готини причини да го обичате:

  • Поддръжка за класификация, регресия, препоръки, NLP и какво ли още не.
  • Създайте за справяне със сериозни натоварвания в настройка за големи данни.
  • Няколко предварително изградени шаблони за бързащите.
  • Предлага се в комплект с Apache Spark, MLlib, HBase, Akka HTTP и Elasticsearch, като се грижи за всички възможни нужди от стабилно и модерно приложение.
  • Комбинирано поглъщане на данни от множество източници, независимо дали в пакетен или в реално време.
  • Разработена като типична уеб услуга – лесна за консумация и захранване.

За повечето уеб проекти там не виждам как PredictionIO няма много смисъл. Продължете и опитайте!

заключение

Днес няма липса на AI и ML рамка или платформа; Бях затрупан от избора, когато започнах да изследвам тази статия. В резултат на това се опитах да огранича този списък до уникалните или интересните. Ако мислите, че съм пропуснал нещо важно, моля, уведомете ме.

Корсера имам някои от страхотните курсове за машинно обучение, така че проверете дали се интересувате от обучение.

И така, коя платформа е най-добрата? За съжаление няма ясен отговор. Една от причините, че повечето от тези услуги са обвързани с определен технологичен стек или екосистема (най-вече изграждане на така наречената градина със стени). Другата, по-важна, причината е, че досега AI и ML технологиите са комерсизирани и има състезание за предоставяне на колкото се може повече функции на възможно най-ниска цена. Никой продавач не може да си позволи да не предлага това, което предлагат другите, а всяко ново предложение се копира и обслужва от конкурентите почти за една нощ.

Като такъв, всичко се свежда до това какъв е вашият стек и цели, колко интуитивен ще намерите услугата, какво е вашето възприятие за компаниите зад него и т.н..

Но какъвто и да е случаят, разбира се, че AI най-накрая се предлага като услуга и би било крайно неразумно да не се възползвате от нея. ��

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