10 plateformes IA pour construire votre application moderne

Maintenant que nous savons que les Terminators ne viennent pas nous chercher, il est temps de se faire des amis avec l’intelligence artificielle et d’en profiter!


Pendant longtemps, le domaine de l’intelligence artificielle et sa sous-discipline la plus célèbre, le Machine Learning, ont été entourés d’une aura mystérieuse. Les machines de la presse de propagande pompaient article après article prédisant la montée en puissance de machines super intelligentes, super indépendantes et super maléfiques, faisant tomber de nombreuses personnes dans le désespoir (moi y compris).

Et qu’avons-nous aujourd’hui à montrer pour tout le bruit et la fumée? Une technologie d’IA loin d’être parfaite, embarrassante des erreurs, et un robot limité et défectueux qui a été, presque par la force, transformé en un robot citoyen. Heck, nous n’avons même pas encore d’algorithme de traduction de langue décent.

Si aujourd’hui, quelqu’un insiste toujours pour dire que le Jugement Dernier est proche, voici ma réaction:

Alors, qu’est-ce que l’IA, le ML et tous ces mots à la mode sinon la fin de l’humanité?

Eh bien, ce sont de nouvelles façons de programmer un ordinateur pour résoudre les problèmes liés à la classification et à la prédiction. Et devinez quoi, nous avons enfin de nombreux services d’intelligence artificielle que vous pouvez commencer à utiliser immédiatement dans votre application métier et en retirer d’énormes avantages..

Que peuvent faire les plateformes d’IA pour les entreprises aujourd’hui?

Bonne question!

L’intelligence artificielle est si générique dans son application (au moins en théorie) qu’il serait impossible de préciser le but pour lequel elle a été développée. C’est comme demander pour quoi une feuille de calcul a été développée et ce que l’on peut en faire. Bien sûr, il a été développé pour la comptabilité, mais aujourd’hui, il dépasse de loin cette responsabilité. Et la comptabilité n’est pas la seule fonction – les gens l’utilisent comme outil de gestion de projet, comme liste de tâches, comme base de données, etc..

Il en va de même avec l’IA.

En gros, l’IA est utile pour les tâches qui sont définies de manière lâche et reposent sur l’apprentissage par l’expérience. Oui, c’est ce que font également les humains, mais l’IA a un avantage car elle peut traiter des montagnes de données en un rien de temps et arriver à des conclusions beaucoup, beaucoup plus rapidement. En tant que telles, certaines des applications typiques de l’IA sont:

  • Détection de visages dans une photo, une vidéo, etc.
  • Classer et étiqueter des images, par exemple, pour avis parental
  • Conversion de la parole en texte
  • Détection d’objets dans les médias (par exemple, une voiture, une femme, etc.)
  • Prévision du mouvement des cours boursiers
  • Détection du financement du terrorisme (parmi des millions de transactions par jour)
  • Systèmes de recommandation (shopping, musique, amis, etc.)
  • Captcha cassant
  • Filtrage anti-spam
  • Détection d’intrusion réseau

Je pourrais continuer indéfiniment, et probablement manquer de pages (au sens figuré), mais je suppose que vous avez l’idée maintenant. Ce sont tous des exemples de problèmes que les humains ont eu du mal à résoudre grâce aux moyens informatiques traditionnels. Et pourtant, ceux-ci sont importants car ils ont un besoin énorme en affaires et dans le monde réel.

Alors, sans plus tarder, commençons par la liste de nos meilleures plateformes d’IA et voyons ce qu’elles ont à offrir.

Services d’Amazon AI

Tout comme Amazon met rapidement les entreprises à la faillite, AWS est si totalement dominant en tant que plate-forme qu’il n’y a presque rien d’autre qui me vient à l’esprit. Il en va de même avec Services d’Amazon AI, qui regorge de services d’IA incroyablement utiles.

Voici quelques-uns des services époustouflants qu’AWS a.

Amazon Comprehend: Vous aide à comprendre toute la montagne de données textuelles et non structurées dont vous disposez. Un cas d’utilisation est celui de l’exploration des chats de support client existants et de déterminer quels ont été les niveaux de satisfaction au fil du temps, quelles sont les principales préoccupations du client, quels mots clés sont les plus utilisés, etc..

Prévisions Amazon: Service de configuration zéro pour utiliser vos données de séries chronologiques existantes et les transformer en prévisions précises pour l’avenir. Si vous vous demandez quelles sont les données de séries chronologiques, jetez un œil à cet article que j’ai écrit récemment (recherchez une base de données appelée Timescale vers la fin de l’article).

Amazon Lex: Intégrez des interfaces conversationnelles (textuelles et / ou visuelles) dans vos applications. Dans les coulisses, vous exécutez des modèles d’apprentissage automatique d’Amazon qui décodent l’intention et effectuent la synthèse vocale à la volée.

Amazon Personnaliser: Service simple et sans infrastructure pour créer des recommandations pour vos clients ou vous-même! Vous pouvez saisir des données de commerce électronique ou à peu près n’importe quoi dans ce service et profiter de suggestions très précises et intéressantes. Bien sûr, plus l’ensemble de données est grand, meilleures seront les recommandations.

Il existe de nombreux autres services d’intelligence artificielle qu’Amazon possède, et vous pourriez passer presque toute la journée à les parcourir. Néanmoins, c’est une activité que je recommande sans réserve! ��

Remarque: Il est difficile de trouver un résumé de tous ces services ensemble sur les documents AWS, mais si vous allez sur https://aws.amazon.com/machine-learning, ceux-ci sont répertoriés dans la liste déroulante sous «Services AI».

TensorFlow

TensorFlow est une bibliothèque (et aussi une plateforme) créée par l’équipe derrière Google Brain. Il s’agit d’une implémentation du sous-domaine ML appelé Deep Learning Neural Networks; c’est-à-dire que TensorFlow est le point de vue de Google sur la façon de réaliser l’apprentissage automatique avec des réseaux de neurones en utilisant la technique de l’apprentissage en profondeur.

Maintenant, cela signifie que TensorFlow n’est bien sûr pas le seul moyen d’utiliser les réseaux de neurones – il y a beaucoup de bibliothèques, chacune avec ses avantages et ses inconvénients.

D’une manière générale, TensorFlow vous offre les capacités de stock de Machine Learning pour de nombreux environnements de programmation différents. Cela dit, la plate-forme de base est assez visuelle et s’appuie principalement sur des graphiques et des visualisations de données pour faire le travail. En tant que tel, même si vous n’êtes pas programmeur, il est possible, avec un certain effort, d’obtenir de bons résultats avec TensorFlow.

Historiquement, TensorFlow visait à «démocratiser» l’apprentissage automatique. À ma connaissance, c’était la première plate-forme qui rendait le ML simple, visuel et accessible à ce degré. En conséquence, l’utilisation du ML a explosé et les gens ont pu facilement former des modèles.

Le principal argument de vente de TensorFlow est Keras, qui est une bibliothèque pour travailler efficacement avec des réseaux de neurones par programmation. Voici à quel point il est simple de créer un réseau simple et entièrement connecté (perceptron):

model = tf.keras.Sequential ()
# Ajoute une couche densément connectée avec 64 unités au modèle:
model.add (couches.Dense (64, activation = ‘relu’))
# Ajouter un autre:
model.add (couches.Dense (64, activation = ‘relu’))
# Ajoutez une couche softmax avec 10 unités de sortie:
model.add (couches.Dense (10, activation = ‘softmax’))

Bien sûr, la configuration, la formation, etc., doivent également être effectuées, mais elles sont tout aussi simples.

Il est difficile de trouver à redire à TensorFlow, compte tenu de son ML apporté à JavaScript, aux appareils mobiles et même aux solutions IoT. Cependant, aux yeux des puristes, cela reste une plate-forme «moindre» avec laquelle chaque Tom, Dick et Harry peuvent jouer. Alors, soyez prêt à affronter une certaine résistance lorsque vous montez sur l’échelle des compétences et rencontrez des âmes plus «éclairées». ��

Si vous êtes un débutant, consultez ce Cours d’introduction à TensorFlow en ligne.

Notez également: certaines critiques de TensorFlow mentionnent qu’il ne peut pas utiliser de GPU, ce qui n’est plus vrai. Aujourd’hui, TensorFlow fonctionne non seulement avec le GPU, mais Google a développé son seul matériel spécialisé appelé TPU (TensorFlow Processing Unit), qui est disponible sous forme de cloud. un service.

Services Google AI

Tout comme les services d’Amazon, Google dispose également d’une suite de cloud prestations de service tournant autour de l’IA. Je m’abstiendrai de répertorier tous les services, car ils sont assez similaires aux offres d’Amazon. Voici une capture d’écran de ce que les développeurs peuvent créer s’ils le souhaitent:

D’une manière générale, il existe deux façons d’utiliser les services d’intelligence artificielle de Google. La première consiste à utiliser un modèle déjà formé par Google et à commencer à l’appliquer à vos produits. Le second est le soi-disant AutoML service, qui automatise plusieurs étapes intermédiaires de l’apprentissage automatique, aidant, par exemple, les développeurs de pile complète avec une expertise ML moindre à construire et à former des modèles facilement.

H2O

Le «2» dans H2O est censé être un indice (ressemblant à la formule chimique de l’eau, je suppose), mais c’est gênant de le taper. J’espère que les gens derrière H2O ça ne me dérange pas tant que ça!

H2O est une plate-forme open source pour l’apprentissage automatique qui est utilisée par les grands noms inclus dans Fortune 500.

L’idée principale est de faire en sorte que la recherche de pointe sur l’IA atteigne le grand public plutôt que de la laisser aux mains d’entreprises aux poches et aux leviers profonds. Plusieurs produits sont proposés sous la plateforme H2O, tels que:

  • H2O: La plateforme de base pour explorer et utiliser le Machine Learning.
  • Eau pétillante: Intégration officielle avec Apache Spark pour les grands ensembles de données.
  • H2O4GPU: Version accélérée par GPU de la plateforme H2O.

H2O propose également des solutions adaptées à l’entreprise, notamment:

  • AI sans conducteur: Non, l’IA sans conducteur n’a rien à voir avec les voitures autonomes! �� C’est plus dans la ligne de l’offre AutoML de Google – la plupart des étapes AI / ML sont automatisées, ce qui donne des outils plus simples et plus rapides à développer avec.
  • Support payant: En tant qu’entreprise, vous ne pouvez pas attendre de soulever des problèmes GitHub et espérer qu’ils obtiennent une réponse rapidement. Si le temps, c’est de l’argent, H2O propose une assistance et des conseils payants aux grandes entreprises.

Petuum

Petuum développe le Symphonie plate-forme, qui est conçue pour ne pas faire fonctionner l’intelligence artificielle. En d’autres termes, si vous en avez assez du codage et / ou ne souhaitez pas mémoriser plus de bibliothèques et de formats de sortie, Symphony se sentira comme des vacances dans les Alpes!

Bien qu’il n’y ait rien «d’ouverture» sur la plate-forme Symphony, les fonctionnalités valent la peine d’être bavées:

  • Interface utilisateur par glisser-déposer
  • Créez facilement des pipelines de données interactifs
  • Des tonnes de blocs de construction standardisés et modulaires pour créer des applications d’IA plus sophistiquées
  • Programmation et interfaces API qui sentent que la voie visuelle n’est pas assez puissante
  • Optimisation automatisée avec GPU
  • Plateforme distribuée et hautement évolutive
  • Agrégation de données multi-sources

Il existe de nombreuses autres fonctionnalités qui vous feront vraiment sentir que la barrière à l’entrée a été considérablement abaissée. Hautement recommandé!

Polyaxon

Le plus grand défi aujourd’hui dans le Machine Learning et l’IA n’est pas de trouver de bonnes bibliothèques et algorithmes (ou même des ressources d’apprentissage), mais l’ingénierie compétente qui doit être appliquée pour gérer les systèmes géants et les charges de données élevées qui en résultent..

Même pour les ingénieurs logiciels chevronnés, cela peut être trop difficile à demander. Si tu ressens ça aussi, Polyaxon vaut le détour.

Polyaxon n’est pas une bibliothèque ni même un framework; il s’agit plutôt d’une solution de bout en bout pour gérer tous les aspects du Machine Learning, tels que:

  • Connexions de données et streaming
  • Accélération matérielle
  • Conteneurisation et orchestration
  • Planification, stockage et sécurité
  • Pipelining, optimisation, suivi, etc..
  • Tableau de bord, API, visualisations, etc..

C’est à peu près indépendant de la bibliothèque et du fournisseur, car un grand nombre de solutions populaires (open source et fermée) sont prises en charge.

Bien sûr, vous devez toujours gérer le déploiement et la mise à l’échelle à un certain niveau. Si vous voulez vous échapper, Polyaxon propose une solution PaaS qui vous permet d’utiliser élastiquement leur infrastructure.

DataRobot

Tout simplement, DataRobot est une solution d’apprentissage automatique ciblée pour l’entreprise. Ils sont visuels à tous les niveaux et sont conçus pour donner rapidement un sens à vos données et les utiliser concrètement pour l’entreprise..

L’interface est intuitive et élégante, permettant aux non-experts de prendre le volant et de générer des informations significatives.

DataRobot n’a pas une multitude de fonctionnalités; au lieu de cela, il se concentre sur le sens traditionnel des données et offre des capacités solides comme:

  • Apprentissage automatique automatisé
  • Régression et classification
  • Des séries chronologiques

Plus souvent qu’autrement, ce sont tout ce dont vous avez besoin pour votre entreprise. Autrement dit, dans la plupart des cas, DataRobot est tout ce dont vous avez besoin. ��

NeuralDesigner

Alors que nous parlons de plates-formes d’IA puissantes et faciles à utiliser, NeuralDesigner mérite une mention spéciale.

Il n’y a pas grand chose à dire sur NeuralDesigner, mais il y a beaucoup à faire! Étant donné que les réseaux neuronaux ont plus ou moins dominé la méthodologie moderne d’apprentissage automatique, il est logique de travailler avec une plate-forme qui se concentre uniquement sur les réseaux neuronaux. Pas beaucoup de choix, pas de distractions – la qualité plutôt que la quantité.

NeuralDesigner excelle à bien des égards:

  • Aucune programmation requise. Du tout.
  • Aucune construction d’interface complexe n’est requise. Tout est organisé en étapes sensées, faciles à comprendre et ordonnées.
  • Une collection des algorithmes les plus avancés et raffinés spécifiques aux réseaux de neurones.
  • Parallélisation CPU et accélération GPU pour de hautes performances.

Vaut un Regardez? Absolument!

Prevision.io

Pervision.io est une plateforme de gestion de tous les aspects du Machine Learning, du traitement des données au déploiement à grande échelle.

PredictionIO

Si vous êtes développeur, PredictionIO est une offre incroyablement utile que vous devriez examiner. À la base, PredictionIO est une plate-forme d’apprentissage automatique qui peut ingérer des données de votre application (Web, mobile ou autre) et créer rapidement des prévisions..

Ne vous laissez pas tromper par le nom – PredictionIO n’est pas seulement pour les prédictions, mais prend en charge la gamme complète de Machine Learning. Voici quelques bonnes raisons de l’aimer:

  • Prise en charge de la classification, de la régression, des recommandations, de la PNL et autres.
  • Construire pour gérer de lourdes charges de travail dans un cadre Big Data.
  • Plusieurs pré-construits modèles pour ceux qui sont pressés.
  • Livré avec Apache Spark, MLlib, HBase, Akka HTTP et Elasticsearch, répondant à tous les besoins d’une application robuste et moderne.
  • Ingestion de données combinée à partir de plusieurs sources, que ce soit en mode batch ou en temps réel.
  • Déployé en tant que service Web classique – facile à consommer et à alimenter.

Pour la plupart des projets Web, je ne vois pas comment PredictionIO n’a pas beaucoup de sens. Allez-y et essayez-le!

Conclusion

Il n’y a pas de pénurie de framework ou de plateforme IA et ML aujourd’hui; J’ai été submergé de choix lorsque j’ai commencé à rechercher cet article. En conséquence, j’ai essayé de restreindre cette liste aux listes uniques ou intéressantes. Si vous pensez que j’ai raté quelque chose d’important, faites-le moi savoir.

Coursera a obtenu certains des excellents cours d’apprentissage automatique, alors vérifiez si vous êtes intéressé à apprendre.

Alors, quelle plateforme est la meilleure? Malheureusement, il n’y a pas de réponse claire. L’une des raisons pour lesquelles la plupart de ces services sont liés à une pile technologique ou un écosystème particulier (principalement la construction de ce qu’on appelle un jardin clos). L’autre, plus important, est que les technologies d’IA et de ML ont maintenant été standardisées et il y a une course pour fournir autant de fonctionnalités à un prix aussi bas que possible. Aucun fournisseur ne peut se permettre de ne pas offrir ce que les autres proposent, et toute nouvelle offre est copiée et servie par les concurrents presque du jour au lendemain.

En tant que tel, tout se résume à ce que votre pile et vos objectifs sont, à quel point vous trouvez le service intuitif, quelle est votre perception des entreprises derrière, etc..

Mais quoi qu’il en soit, il va sans dire que l’IA est enfin disponible en tant que service, et il serait extrêmement imprudent de ne pas l’utiliser. ��

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