10 platforem AI pro vytvoření vaší moderní aplikace

Teď, když víme, že nás Terminátoři nepřijdou, je čas spojit se s umělou inteligencí a těžit z toho!


Pole umělé inteligence a jeho nejslavnější sub-disciplína Strojové učení byly po dlouhou dobu obklopeny tajemnou aurou. Stroj na propagaci propagandy čerpal článek za článkem, který předpovídal vzestup superinteligentních, super nezávislých a zlých strojů, což způsobilo, že mnozí upadli do beznaděje (včetně mě).

A co máme dnes ukázat pro veškerý hluk a kouř? Technologie AI, která zdaleka není dokonalá, trapná chyby, a omezený, nefunkční robot, který byl téměř násilně přeměněn na občan. Heck, ještě nemáme ani slušný algoritmus jazykových překladů.

Pokud dnes někdo trvá na tom, že soudný den je blízko, tady je moje reakce:

Co je tedy AI, ML a všechna ta hesla, ne-li konec lidstva?

No, to jsou nové způsoby programování počítače k ​​řešení problémů souvisejících s klasifikací a predikcí. A hádejte co, konečně máme mnoho služeb AI, které můžete ihned začít používat ve své obchodní aplikaci a získat obrovské výhody.

Co mohou platformy AI udělat pro podniky dnes?

Dobrá otázka!

Umělá inteligence je ve své aplikaci tak obecná (alespoň teoreticky), že není možné poukázat na účel, pro který byla vyvinuta. Je to jako zeptat se, k čemu byla tabulka vytvořena a co s tím může dělat. Jistě, byl vyvinut pro účetnictví, ale dnes tuto odpovědnost daleko překračuje. A účetnictví není jedinou funkcí – lidé jej používají jako nástroj pro řízení projektů, jako seznam úkolů, jako databázi a co ne.

Totéž platí pro AI.

Zjednodušeně řečeno, AI je užitečná pro úkoly, které jsou volně definovány a spoléhají se na poučení ze zkušeností. Ano, to také dělají lidé, ale AI má výhodu, protože dokáže zpracovat hory dat v žádném okamžiku a dospět k závěrům mnohem, mnohem rychleji. Mezi typické aplikace AI patří:

  • Detekce obličejů na fotografii, videu atd
  • Klasifikace a značkování obrázků, například pro rodičovské poradenství
  • Převod řeči na text
  • Detekce objektů v médiích (např. V autě, ženě atd.)
  • Predikce pohybu cen akcií
  • Zjišťování financování terorismu (mezi miliony transakcí denně)
  • Systémy doporučení (nakupování, hudba, přátelé atd.)
  • Captcha lámání
  • Filtrování spamu
  • Detekce narušení sítě

Mohl bych jít dál a dál a pravděpodobně docházet stránky (obrazně řečeno), ale myslím, že teď máš nápad. To jsou všechny příklady problémů, které lidé měli vyřešit pomocí tradičních výpočetních prostředků. Přesto jsou to důležité, protože mají obrovskou potřebu v podnikání a ve skutečném světě.

Takže, bez dalšího povyku, začněme se seznamem našich nejlepších AI platforem a uvidíme, co mohou nabídnout.

Služby Amazon AI

Stejně jako Amazon rychle vyřazuje společnosti z podnikání, tak je AWS natolik dominantní jako platforma, že na mysl nevznikne téměř nic jiného. Totéž platí Služby Amazon AI, který je plný neuvěřitelně užitečných služeb AI.

Zde jsou některé služby, které AWS vyfukuje.

Amazon Comprehend: Pomůže vám pochopit veškerou horu textových nestrukturovaných dat, která máte. Jedním případem použití je těžba stávajících chatů zákaznické podpory a zjištění, jaké úrovně spokojenosti byly v průběhu času, jaké jsou hlavní obavy zákazníka, jaká klíčová slova se používají nejčastěji atd..

Amazonská předpověď: Služba nulového nastavení pro použití stávajících dat časových řad a jejich přeměnu na přesné předpovědi pro budoucnost. V případě, že jste zvědaví, co jsou údaje o časových řadách, podívejte se na tento článek, který jsem napsal nedávno (podívejte se na databázi nazvanou Timescale ke konci článku).

Amazon Lex: Vytvořte do svých aplikací konverzační rozhraní (textové a / nebo vizuální). V zákulisí běží Amazonovy trénované modely strojového učení, které dekódují záměr a dělají text za běhu.

Amazon Personalizace: Jednoduchá služba bez infrastruktury pro vytváření doporučení pro vaše zákazníky nebo pro sebe! Do této služby můžete vkládat data elektronického obchodu nebo téměř cokoli a těšit se z vysoce přesných a zajímavých návrhů. Čím větší bude sada údajů, tím lepší budou doporučení.

Amazon má mnohem více AI služeb a vy byste mohli strávit celý den jejich procházením. Nicméně je to činnost, kterou z celého srdce doporučuji! ��

Poznámka: Je obtížné najít souhrn všech těchto služeb společně v dokumentech AWS, ale pokud přejdete na https://aws.amazon.com/machine-learning, jsou tyto uvedeny v rozbalovací nabídce v části „Služby AI“.

TensorFlow

TensorFlow je knihovna (a také platforma) vytvořená týmem za sebou Google Brain. Je to implementace subdomény ML nazvané Deep Learning Neural Networks; to znamená, že TensorFlow je společnost Google, jak dosáhnout strojového učení pomocí neuronových sítí technikou hlubokého učení.

To znamená, že TensorFlow samozřejmě není jediný způsob, jak používat neuronové sítě – existuje spousta knihoven, každá se svými klady a zápory.

TensorFlow vám obecně nabízí možnosti strojového učení pro mnoho různých programovacích prostředí. To znamená, že základní platforma je velmi vizuální a k dokončení úkolu se spoléhá hlavně na grafy a vizualizace dat. Jako takový, i když jste neprogramátor, je možné s trochou úsilí získat z TensorFlow dobré výsledky..

Historicky byl TensorFlow zaměřen na „demokratizaci“ strojového učení. Podle mého vědomí to byla první platforma, která dělala ML jednoduchý, vizuální a přístupný pro tento stupeň. V důsledku toho explodovalo využití ML a lidé dokázali modely snadno trénovat.

Nejvýznamnějším prodejním místem TensorFlow je Keras, což je knihovna pro efektivní práci s Neural Networks programově. Vytvoření jednoduché, plně propojené sítě (perceptron) je jednoduché:

model = tf.keras.Sequential ()
# Přidá do modelu hustě spojenou vrstvu se 64 jednotkami:
model.add (levels.Dense (64, Activation = ‘relu’))
# Přidej další:
model.add (levels.Dense (64, Activation = ‘relu’))
# Přidejte vrstvu softmax s 10 výstupními jednotkami:
model.add (levels.Dense (10, Activation = ‘Softmax’))

Samozřejmě je také třeba provést konfiguraci, školení atd., Ale také jsou stejně jednoduché.

Je těžké najít chybu s TensorFlow, vzhledem k tomu, že přinesla ML do JavaScriptu, mobilních zařízení a dokonce i řešení IoT. V očích puristů však zůstává „menší“ platforma, se kterou si každý Tom, Dick a Harry mohou pohrávat. Buďte tedy připraveni čelit určitému odporu, když postupujete po žebříku dovedností a setkáváte se s více „osvícenými“ dušemi. ��

Pokud jste nováček, podívejte se na toto TensorFlow úvodní online kurz.

Také si všimněte: Některá kritika TensorFlow uvádí, že nemůže používat GPU, což již není pravda. Dnes TensorFlow funguje nejen s GPU, ale Google vyvinul svůj jediný specializovaný hardware s názvem TPU (TensorFlow Processing Unit), který je k dispozici jako cloud služba.

Služby Google AI

Stejně jako služby Amazonu má Google také sadu cloudů služeb točí se kolem AI. Nebudu uvádět všechny služby, protože jsou velmi podobné nabídkám Amazonu. Zde je ukázka toho, co je k dispozici vývojářům v případě zájmu:

Obecně existují dva způsoby, jak můžete využívat služby AI společnosti Google. Prvním z nich je využít model, který již vyškolil Google, a začít ho používat ve svých produktech. Druhým je tzv. AutoML služba, která automatizuje několik mezistupňových fází strojového učení, což pomáhá, řekněme, vývojářům plných zásobníků s menšími odbornými znalostmi ML pro snadné vytváření a trénování modelů.

H2O

„2“ v H2O má být index (podobá se chemickému vzorci pro vodu, myslím), ale je obtížné jej vypsat. Doufám, že lidé za sebou H2O to nebude moc vadit!

H2O je open source platforma pro strojové učení, která je používána velkými jmény zahrnutými v žebříčku Fortune 500.

Hlavní myšlenkou je, aby se špičkový výzkum umělé inteligence dostal spíše k široké veřejnosti než aby zůstal v rukou společností s hlubokými kapsami a pákovým efektem. V rámci platformy H2O je nabízeno několik produktů, například:

  • H2O: Základní platforma pro zkoumání a používání strojového učení.
  • Perlivá voda: Oficiální integrace s Apache Spark pro velké datové sady.
  • H2O4GPU: GPU-akcelerovaná verze H2O platformy.

H2O také vytváří řešení šitá na míru podniku, mezi něž patří:

  • AI bez řidiče: Ne, AI bez řidiče nemá co do činění s autem s vlastním pohonem! �� Je to více na linii nabídky AutoML od společnosti Google – většina fází AI / ML je automatizovaná, což vede k tomu, že vývoj nástrojů, které jsou jednodušší a rychlejší,.
  • Placená podpora: Jako podnik nemůžete čekat na vyřešení problémů s GitHub a doufat, že budou brzy zodpovězeni. Pokud jsou časem peníze, nabízí H2O placenou podporu a poradenství velkým společnostem.

Petuum

Petuum vyvíjí Symfonie platforma, která je navržena tak, aby nepůsobila na AI. Jinými slovy, pokud vás nebaví kódování a / nebo nechcete zapamatovat více knihoven a výstupních formátů, bude se Symphony cítit jako dovolená v Alpách!

I když na platformě Symphony není nic „otevřeného“, funkce stojí za to slintat:

  • Uchopte a přetáhněte UI
  • Snadné vytváření interaktivních datových potrubí
  • Spousta standardizovaných a modulárních stavebních bloků k vytvoření sofistikovanějších aplikací AI
  • Rozhraní Programování a API, která cítí vizuální cestu, nejsou dostatečně výkonná
  • Automatizovaná optimalizace pomocí GPU
  • Distribuovaná, vysoce škálovatelná platforma
  • Agregace více zdrojů

Existuje mnoho dalších funkcí, díky nimž budete mít pocit, že překážka vstupu byla značně snížena. Vysoce doporučeno!

Polyaxon

Největší výzvou dnes ve strojovém učení a umělé inteligenci není najít dobré knihovny a algoritmy (nebo dokonce učební zdroje), ale zkušené inženýrství, které musí být použito, aby bylo možné vypořádat se s behemoth systémy a vysokými datovými zátěžemi, které z toho vyplývají.

I pro zkušené softwarové inženýry to může být příliš žádostí. Pokud se vám to také líbí, Polyaxon stojí za to se podívat.

Polyaxon není knihovna nebo dokonce rámec; je to spíše řešení pro správu všech aspektů strojového učení, jako například:

  • Datová připojení a streamování
  • Hardwarová akcelerace
  • Kontejnerizace a orchestrace
  • Plánování, ukládání a zabezpečení
  • Potrubí, optimalizace, sledování atd.
  • Řídicí panel, API, vizualizace atd.

Je to do značné míry agnostické a poskytovatelské, protože je podporováno velké množství populárních (otevřených a uzavřených zdrojů) řešení.

Samozřejmě stále musíte řešit rozmístění a škálování na určité úrovni. Pokud chcete uniknout i tomu, Polyaxon nabízí řešení PaaS, které vám umožňuje pružně využívat jejich infrastrukturu.

DataRobot

Jednoduše řečeno, DataRobot je zaměřené řešení strojového učení pro podnik. Je vizuální po celou dobu a je navržen tak, aby rychle pochopil vaše data a přenesl je na konkrétní obchodní využití.

Rozhraní je intuitivní a elegantní, což umožňuje laikům dostat se za volant a vytvářet smysluplné poznatky.

DataRobot nemá mnoho funkcí; namísto toho se zaměřuje na tradiční smysl pro data a poskytuje vynikající schopnosti v:

  • Automatizované strojové učení
  • Regrese a klasifikace
  • Časové řady

Více často než ne, to vše je pro váš podnik potřeba. To znamená, že ve většině případů je DataRobot vše, co potřebujete. ��

NeuralDesigner

I když jsme na téma snadno použitelných a výkonných platforem AI, NeuralDesigner zaslouží si zvláštní zmínku.

O NeuralDesigner není co říci, ale je toho ještě co dělat! Vzhledem k tomu, že Neural Networks více či méně dominuje moderní metodologii strojového učení, má smysl pracovat s platformou, která se zaměřuje výhradně na Neural Networks. Není mnoho možností, žádné rozptýlení – kvalita nad kvantitou.

NeuralDesigner vyniká mnoha způsoby:

  • Není nutné žádné programování. Vůbec.
  • Nevyžaduje se žádné složité vytváření rozhraní. Vše je uspořádáno v rozumných, snadno srozumitelných a uspořádaných krocích.
  • Kolekce nejpokročilejších a nejjemnějších algoritmů specifických pro Neural Networks.
  • Paralelní CPU a akcelerace GPU pro vysoký výkon.

Stojí za to dívej se? Rozhodně!

Prevision.io

Pervision.io je platforma pro správu všech aspektů strojového učení, od zpracování dat po nasazení v měřítku.

Předpověď

Pokud jste vývojář, Předpověď je neuvěřitelně užitečná nabídka, na kterou byste se měli podívat. Ve svém jádru je předpověďIO strojová platforma pro učení, která umí přijímat data z vaší aplikace (web, mobilní zařízení nebo jinak) a rychle vytvářet předpovědi..

Nenechte se oklamat jménem – Predikce není jen pro předpovědi, ale podporuje celé spektrum strojového učení. Zde je několik skvělých důvodů, proč ji milovat:

  • Podpora klasifikace, regrese, doporučení, NLP a co ne.
  • Vytvořte tak, aby zvládl vážné pracovní vytížení v nastavení velkých dat.
  • Několik předdefinovaných šablony pro ty ve spěchu.
  • Dodává se s Apache Spark, MLlib, HBase, Akka HTTP a Elasticsearch, které uspokojí všechny možné potřeby robustní a moderní aplikace.
  • Kombinované přijímání dat z více zdrojů, ať už v dávkovém režimu nebo v reálném čase.
  • Nasazeno jako typická webová služba – snadno se spotřebovává a krmí.

U většiny webových projektů tam nechápu, jak předpověďIO nedává moc smysl. Jděte do toho a zkuste to!

Závěr

V současné době není nedostatek rámce nebo platformy AI a ML; Když jsem začal zkoumat tento článek, byl jsem ohromen výběrem. V důsledku toho jsem se pokusil tento seznam zúžit na jedinečné nebo zajímavé. Pokud si myslíte, že mi chybělo něco důležitého, dejte mi vědět.

Coursera dostal několik skvělých kurzů strojového učení, takže se podívejte, jestli máte zájem o učení.

Která platforma je tedy nejlepší? Bohužel neexistuje jasná odpověď. Jedním z důvodů je to, že většina těchto služeb je vázána na konkrétní technologický zásobník nebo ekosystém (většinou staví tzv. Zděnou zahradu). Dalším důležitějším důvodem je to, že doposud byly technologie AI a ML komoditizovány a existuje závod, který poskytuje co nejvíce funkcí za co nejnižší cenu. Žádný prodejce si nemůže dovolit nenabízet to, co ostatní nabízejí, a každou novou nabídku zkopírují a obsluhují konkurenti téměř přes noc.

Z toho všeho vyplývá, jaký je váš stack a cíle, jak intuitivní je služba, kterou vnímáte, jaké je vaše vnímání společností za tím atd..

Ale ať už jde o jakýkoli případ, je samozřejmé, že AI je konečně k dispozici jako služba a bylo by nesmírně nerozumné jej nevyužít. ��

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