10 plataformas de IA para construir su aplicación moderna

Ahora que sabemos que los Terminators no vendrán a buscarnos, es hora de hacer amigos con la Inteligencia Artificial y beneficiarnos de ella.!


Durante mucho tiempo, el campo de la Inteligencia Artificial y su subdisciplina más famosa, Machine Learning, estuvieron rodeados de un aura misteriosa. La maquinaria de la prensa de propaganda estaba bombeando artículo tras artículo prediciendo el surgimiento de máquinas súper inteligentes, súper independientes y súper malvadas, haciendo que muchos cayeran en la desesperación (incluido yo mismo).

¿Y qué tenemos que mostrar hoy para todo el ruido y el humo? Una tecnología de IA que está lejos de ser perfecta, vergonzosa errores, y un robot limitado y que funciona mal que, casi por la fuerza, se convirtió en un ciudadano. Diablos, aún no tenemos un algoritmo de traducción de idiomas decente.

Si hoy alguien insiste en que el día del juicio final está cerca, aquí está mi reacción:

Entonces, ¿qué es AI, ML y todas esas palabras de moda si no es el fin de la humanidad??

Bueno, estas son nuevas formas de programar una computadora para resolver los problemas relacionados con la clasificación y la predicción. Y adivine qué, finalmente tenemos muchos servicios de inteligencia artificial que puede comenzar a usar de inmediato en su aplicación comercial y obtener enormes beneficios.

¿Qué pueden hacer las plataformas de IA para las empresas hoy??

Buena pregunta!

La Inteligencia Artificial es tan genérica en su aplicación (al menos en teoría) que sería imposible señalar el propósito para el cual fue desarrollada. Es como preguntar para qué se desarrolló una hoja de cálculo y qué se puede hacer con ella. Claro, fue desarrollado para la contabilidad, pero hoy supera con creces esa responsabilidad. Y la contabilidad no es la única función: las personas la usan como herramienta de gestión de proyectos, como lista de tareas pendientes, como base de datos y lo que no.

Lo mismo ocurre con la IA.

Hablando en términos generales, la IA es útil para tareas que están poco definidas y dependen del aprendizaje de la experiencia. Sí, eso es lo que los humanos también hacen, pero la IA tiene una ventaja, ya que puede procesar montañas de datos en muy poco tiempo y llegar a conclusiones mucho, mucho más rápido. Como tal, algunas de las aplicaciones típicas de IA son:

  • Detectar rostros en una foto, video, etc.
  • Clasificación y etiquetado de imágenes, por ejemplo, para asesoramiento parental
  • Conversión de voz a texto
  • Detección de objetos en medios (p. Ej., Un automóvil, una mujer, etc.)
  • Predicción del movimiento de los precios de las acciones
  • Detección de financiación del terrorismo (entre millones de transacciones por día)
  • Sistemas de recomendación (compras, música, amigos, etc.)
  • Captcha rompiendo
  • Filtrado de spam
  • Detección de intrusos en la red

Podría seguir y seguir, y probablemente quedarme sin páginas (en sentido figurado), pero supongo que ahora entiendes la idea. Todos estos son ejemplos de problemas que los humanos han luchado por resolver a través de los medios tradicionales de computación. Y, sin embargo, estos son importantes ya que tienen una enorme necesidad en los negocios y en el mundo real..

Entonces, sin más preámbulos, comencemos con la lista de nuestras principales plataformas de IA y veamos qué tienen para ofrecer..

Servicios de inteligencia artificial de Amazon

Del mismo modo que Amazon está rápidamente dejando a las empresas fuera del negocio, AWS es tan dominante como una plataforma que casi no se le ocurre nada más. Lo mismo va con Servicios de inteligencia artificial de Amazon, que está repleto de servicios de IA increíblemente útiles.

Estos son algunos de los servicios alucinantes que tiene AWS.

Amazon comprende: Le ayuda a comprender toda la montaña de datos textuales y no estructurados que tiene. Un caso de uso es el de extraer los chats de atención al cliente existentes y descubrir cuáles han sido los niveles de satisfacción a lo largo del tiempo, cuáles son las principales preocupaciones del cliente, qué palabras clave se usan más, etc..

Pronóstico de Amazon: Servicio de configuración cero para usar sus datos de series temporales existentes y convertirlos en pronósticos precisos para el futuro. En caso de que se pregunte qué son los datos de series temporales, eche un vistazo a este artículo que escribí recientemente (busque una base de datos llamada Timescale hacia el final del artículo).

Amazon Lex: Construya interfaces de conversación (textuales y / o visuales) en sus aplicaciones. Detrás de escena se ejecutan los modelos de aprendizaje automático entrenados de Amazon que decodifican la intención y hacen voz a texto sobre la marcha..

Amazon personalizar: ¡Servicio simple y sin infraestructura para crear recomendaciones para sus clientes o para usted mismo! Puede ingresar datos de comercio electrónico o casi cualquier cosa a este servicio, y disfrutar de sugerencias altamente precisas e interesantes. Por supuesto, cuanto mayor sea el conjunto de datos, mejores serán las recomendaciones..

Hay muchos más servicios de inteligencia artificial que Amazon tiene, y podrías pasar todo el día navegando por ellos. Sin embargo, ¡es una actividad que recomiendo de todo corazón! ��

Nota: Es difícil ubicar un resumen de todos estos servicios juntos en los documentos de AWS, pero si va a https://aws.amazon.com/machine-learning, estos se enumeran en el menú desplegable en “Servicios de AI”.

TensorFlow

TensorFlow es una biblioteca (y también una plataforma) creada por el equipo detrás Google Brain. Es una implementación del subdominio ML llamado Deep Learning Neural Networks; es decir, TensorFlow es la versión de Google sobre cómo lograr el aprendizaje automático con redes neuronales utilizando la técnica de aprendizaje profundo.

Ahora, eso significa que TensorFlow no es, por supuesto, la única forma de usar redes neuronales: hay muchas bibliotecas, cada una con sus ventajas y desventajas..

En términos generales, TensorFlow le permite almacenar las capacidades de aprendizaje automático para muchos entornos de programación diferentes. Dicho esto, la plataforma base es bastante visual y se basa principalmente en gráficos y visualizaciones de datos para hacer el trabajo. Como tal, incluso si no es un programador, es posible, con un poco de esfuerzo, obtener buenos resultados de TensorFlow.

Históricamente, TensorFlow tenía como objetivo “democratizar” el aprendizaje automático. En mi conocimiento, fue la primera plataforma que hizo que ML sea simple, visual y accesible en este grado. Como resultado, el uso de ML explotó y las personas pudieron entrenar modelos fácilmente.

El punto de venta más significativo de TensorFlow es Keras, que es una biblioteca para trabajar eficientemente con redes neuronales mediante programación. Así de simple es crear una red simple y totalmente conectada (perceptrón):

modelo = tf.keras.Sequential ()
# Agrega una capa densamente conectada con 64 unidades al modelo:
model.add (layers.Dense (64, activación = ‘relu’))
# Agrega otro:
model.add (layers.Dense (64, activación = ‘relu’))
# Agregue una capa softmax con 10 unidades de salida:
model.add (layers.Dense (10, activación = ‘softmax’))

Por supuesto, la configuración, el entrenamiento, etc., también deben realizarse, pero también son igualmente simples.

Es difícil encontrar fallas en TensorFlow, considerando que trajo ML a JavaScript, dispositivos móviles e incluso soluciones de IoT. Sin embargo, a los ojos de los puristas, sigue siendo una plataforma “menor” con la que cada Tom, Dick y Harry pueden meterse. Entonces, prepárate para enfrentar un poco de resistencia a medida que asciendes en la escalera de habilidades y encuentras más almas “iluminadas”. ��

Si eres un novato, entonces mira esto Curso en línea de introducción de TensorFlow.

También tenga en cuenta: algunas críticas a TensorFlow mencionan que no puede usar GPU, lo cual ya no es cierto. Hoy, TensorFlow no solo funciona con GPU, sino que Google ha desarrollado su único hardware especializado llamado TPU (Unidad de procesamiento de TensorFlow), que está disponible como una nube Servicio.

Servicios de AI de Google

Al igual que los servicios de Amazon, Google también tiene un conjunto de nubes servicios girando en torno a la IA. Me abstendré de enumerar todos los servicios, ya que son bastante similares a las ofertas de Amazon. Aquí hay una captura de pantalla de lo que está disponible para que los desarrolladores creen si están interesados:

En términos generales, hay dos formas de usar los servicios de inteligencia artificial de Google. El primero es utilizar un modelo ya capacitado por Google y comenzar a aplicarlo en sus productos. El segundo es el llamado AutoML servicio, que automatiza varias etapas intermedias de Machine Learning, ayudando, por ejemplo, a los desarrolladores de stack completo con menor experiencia en ML para construir y entrenar modelos fácilmente.

H2O

Se supone que el “2” en H2O es un subíndice (que se parece a la fórmula química del agua, supongo), pero es molesto escribirlo. Espero que la gente detras H2O no le importará tanto!

H2O es una plataforma de código abierto para Machine Learning que es utilizada por grandes nombres incluidos en Fortune 500.

La idea principal es hacer que la investigación de IA de vanguardia llegue al público en general, en lugar de dejar que permanezca en manos de empresas con grandes bolsillos y apalancamiento. Se ofrecen varios productos bajo la plataforma H2O, como:

  • H2O: La plataforma base para explorar y usar Machine Learning.
  • Agua con gas: Integración oficial con Apache Spark para grandes conjuntos de datos.
  • H2O4GPU: Versión acelerada por GPU de la plataforma H2O.

H2O también hace soluciones a medida para la empresa, y estas incluyen:

  • IA sin conductor: No, la IA sin conductor no tiene nada que ver con los autos sin conductor. �� Está más en la línea de la oferta de AutoML de Google: la mayoría de las etapas de AI / ML están automatizadas, lo que resulta en herramientas que son más simples y rápidas de desarrollar con.
  • Soporte pagado: Como empresa, no puede esperar para plantear problemas de GitHub y esperar que sean respondidos pronto. Si el tiempo es dinero, H2O ofrece soporte y consultoría de pago para grandes empresas..

Petuum

Petuum desarrolla el Sinfonía plataforma, que está diseñada para que la IA no me haga pensar que funcione. En otras palabras, si está cansado de codificar y / o no quiere memorizar más bibliotecas y formatos de salida, Symphony se sentirá como una vacación en los Alpes.!

Si bien no hay nada “abierto” sobre la plataforma Symphony, vale la pena destacar las características:

  • IU de arrastrar y soltar
  • Cree fácilmente tuberías de datos interactivas
  • Toneladas de bloques de construcción estandarizados y modulares para crear aplicaciones de IA más sofisticadas
  • Las interfaces de programación y API que sienten que la forma visual no es lo suficientemente potente
  • Optimización automatizada con GPU
  • Plataforma distribuida y altamente escalable
  • Agregación de datos de múltiples fuentes

Hay muchas más características que realmente te harán sentir que la barrera de entrada se ha reducido considerablemente. Muy recomendable!

Poliaxon

El mayor desafío hoy en día en el aprendizaje automático y la inteligencia artificial no es encontrar buenas bibliotecas y algoritmos (o incluso recursos de aprendizaje), sino la ingeniería especializada que se debe aplicar para lidiar con los sistemas gigantes y las altas cargas de datos que resultan.

Incluso para ingenieros de software experimentados, puede ser una gran pregunta. Si te sientes así también, Poliaxon vale la pena echarle un vistazo.

Polyaxon no es una biblioteca ni un marco; más bien, es una solución de extremo a extremo para administrar todos los aspectos del aprendizaje automático, como:

  • Conexiones de datos y transmisión
  • Aceleracion de hardware
  • Contenedorización y orquestación
  • Programación, almacenamiento y seguridad.
  • Canalización, optimización, seguimiento, etc..
  • Tablero de instrumentos, API, visualizaciones, etc..

Es prácticamente independiente de la biblioteca y del proveedor, ya que se admite una gran cantidad de soluciones populares (de código abierto y cerrado).

Por supuesto, aún tiene que lidiar con la implementación y el escalado en cierto nivel. Si quiere escapar incluso de eso, Polyaxon ofrece una solución PaaS que le permite usar su infraestructura elásticamente.

DataRobot

Simplemente pon, DataRobot es una solución enfocada de Machine Learning para la empresa. Es visual todo el tiempo y está diseñado para dar sentido rápidamente a sus datos y enviarlos a un uso comercial concreto.

La interfaz es intuitiva y elegante, lo que permite a los no expertos ponerse al volante y generar ideas significativas.

DataRobot no tiene una gran cantidad de funciones; en cambio, se enfoca en el sentido tradicional de los datos y proporciona capacidades sólidas en:

  • Aprendizaje automático automatizado
  • Regresión y clasificación
  • Series de tiempo

La mayoría de las veces, esto es todo lo que necesita para su empresa. Es decir, en la mayoría de los casos, DataRobot es todo lo que necesita. ��

NeuralDesigner

Mientras hablamos de plataformas de IA potentes y fáciles de usar, NeuralDesigner merece una mención especial.

No hay mucho que decir sobre NeuralDesigner, ¡pero hay mucho que hacer! Dado que las redes neuronales han dominado más o menos la metodología moderna de aprendizaje automático, tiene sentido trabajar con una plataforma que se centre únicamente en las redes neuronales. No hay muchas opciones, no hay distracciones: calidad sobre cantidad.

NeuralDesigner se destaca de muchas maneras:

  • No se requiere programación. En absoluto.
  • No se requiere construcción de interfaz compleja. Todo se presenta en pasos razonables, fáciles de entender y ordenados..
  • Una colección de los algoritmos más avanzados y refinados específicos para redes neuronales.
  • Paralelización de CPU y aceleración de GPU para un alto rendimiento.

Vale la pena Mira? Seguro!

Prevision.io

Pervision.io es una plataforma para administrar todos los aspectos del aprendizaje automático, desde el procesamiento de datos hasta la implementación a escala.

PredictionIO

Si eres desarrollador, PredictionIO es una oferta increíblemente útil que deberías considerar. En esencia, PredictionIO es una plataforma de aprendizaje automático que puede ingerir datos de su aplicación (web, móvil u otros) y generar predicciones rápidamente.

No se deje engañar por el nombre: PredictionIO no es solo para predicciones, sino que admite todo el espectro de Machine Learning. Aquí hay algunas buenas razones para amarlo:

  • Soporte para clasificación, regresión, recomendaciones, PNL y lo que no.
  • Construido para manejar cargas de trabajo serias en una configuración de Big Data.
  • Varios preconstruidos plantillas para aquellos que tienen prisa.
  • Viene incluido con Apache Spark, MLlib, HBase, Akka HTTP y Elasticsearch, atendiendo a todas las necesidades posibles de una aplicación moderna y robusta.
  • Ingestión de datos combinada de múltiples fuentes, ya sea en modo por lotes o en tiempo real.
  • Implementado como un servicio web típico: fácil de consumir y alimentar.

Para la mayoría de los proyectos web que existen, no veo cómo PredictionIO no tiene mucho sentido. Sigue adelante e inténtalo!

Conclusión

Hoy no faltan el marco o la plataforma de IA y ML; Estaba abrumado por la elección cuando comencé a investigar para este artículo. Como resultado, he intentado reducir esta lista a las únicas o interesantes. Si crees que me he perdido algo importante, avísame.

Coursera obtuve algunos de los excelentes cursos de aprendizaje automático, así que revisa si estás interesado en aprender.

Entonces, ¿qué plataforma es la mejor? Lamentablemente, no hay una respuesta clara. Una razón por la cual la mayoría de estos servicios están vinculados a una pila o ecosistema de tecnología en particular (principalmente la construcción de lo que se llama un jardín amurallado). La otra, más importante, la razón es que, por ahora, las tecnologías de IA y ML se han comercializado y hay una carrera para proporcionar tantas funciones al precio más bajo posible. Ningún proveedor puede permitirse el lujo de no ofrecer lo que ofrecen los demás, y los competidores copian y ofrecen cualquier oferta nueva casi de la noche a la mañana..

Como tal, todo se reduce a cuáles son su pila y objetivos, qué tan intuitivo encuentra que es el servicio, cuál es su percepción de las compañías detrás de él, etc..

Pero sea cual sea el caso, no hace falta decir que la IA finalmente está disponible como un servicio, y sería extremadamente imprudente no hacer uso de ella. ��

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