10 KI-Plattformen zum Erstellen Ihrer modernen Anwendung

Jetzt, da wir wissen, dass die Terminatoren nicht kommen, um uns zu holen, ist es Zeit, sich mit künstlicher Intelligenz anzufreunden und davon zu profitieren!


Das Gebiet der künstlichen Intelligenz und seine berühmteste Unterdisziplin, das maschinelle Lernen, waren lange Zeit von einer mysteriösen Aura umgeben. Die Propaganda-Pressmaschinerie pumpte Artikel für Artikel aus und sagte den Aufstieg superintelligenter, superunabhängiger und super böser Maschinen voraus, was viele in Verzweiflung versetzte (mich eingeschlossen)..

Und was müssen wir heute bei all dem Lärm und Rauch zeigen? Eine KI-Technologie, die alles andere als perfekt und peinlich ist Fehler, und ein begrenzter, fehlerhafter Roboter, der fast gewaltsam in einen verwandelt wurde Bürger. Wir haben noch nicht einmal einen anständigen Sprachübersetzungsalgorithmus.

Wenn heute noch jemand darauf besteht, dass der Weltuntergang nahe ist, ist hier meine Reaktion:

Was ist also KI, ML und all diese Schlagworte, wenn nicht das Ende der Menschheit??

Nun, dies sind neue Möglichkeiten, einen Computer zu programmieren, um die Probleme im Zusammenhang mit der Klassifizierung und Vorhersage zu lösen. Und raten Sie mal, wir haben endlich viele KI-Dienste, die Sie sofort in Ihrer Geschäftsanwendung verwenden und enorme Vorteile erzielen können.

Was können die KI-Plattformen heute für Unternehmen tun??

Gute Frage!

Künstliche Intelligenz ist in ihrer Anwendung (zumindest theoretisch) so allgemein gehalten, dass es unmöglich ist, auf den Zweck hinzuweisen, für den sie entwickelt wurde. Es ist so, als würde man fragen, wofür eine Tabelle entwickelt wurde und was man damit machen kann. Sicher, es wurde für das Rechnungswesen entwickelt, aber heute geht es weit über diese Verantwortung hinaus. Und das Rechnungswesen ist nicht die einzige Funktion – die Leute verwenden es als Projektmanagement-Tool, als Aufgabenliste, als Datenbank und was nicht.

Gleiches gilt für AI.

Grob gesagt ist KI nützlich für Aufgaben, die lose definiert sind und auf dem Lernen aus Erfahrung beruhen. Ja, das ist es auch, was Menschen tun, aber KI hat einen Vorteil, da sie Datenberge in kürzester Zeit verarbeiten und viel, viel schneller zu Schlussfolgerungen gelangen kann. Daher sind einige der typischen Anwendungen von KI:

  • Erkennen von Gesichtern in einem Foto, Video usw.
  • Klassifizieren und Markieren von Bildern, z. B. für die elterliche Beratung
  • Konvertierung von Sprache in Text
  • Objekterkennung in Medien (z. B. einem Auto, einer Frau usw.)
  • Vorhersage der Aktienkursbewegung
  • Aufdeckung der Terrorismusfinanzierung (unter Millionen von Transaktionen pro Tag)
  • Empfehlungssysteme (Einkaufen, Musik, Freunde usw.)
  • Captcha brechen
  • Spam-Filterung
  • Erkennung von Netzwerkeinbrüchen

Ich könnte weiter und weiter gehen und wahrscheinlich keine Seiten mehr haben (im übertragenen Sinne), aber ich denke, Sie haben jetzt die Idee. Dies sind alles Beispiele für Probleme, die Menschen mit herkömmlichen Rechenmethoden nur schwer lösen konnten. Und doch sind diese wichtig, da sie einen enormen Bedarf in der Wirtschaft und in der realen Welt haben.

Beginnen wir also ohne weiteres mit der Liste unserer Top-KI-Plattformen und sehen, was sie zu bieten haben.

Amazon AI Services

So wie Amazon Unternehmen schnell aus dem Geschäft bringt, ist AWS als Plattform so dominant, dass fast nichts anderes in den Sinn kommt. Gleiches gilt für Amazon AI Services, Das ist voll von unglaublich nützlichen KI-Diensten.

Hier sind einige der atemberaubenden Services von AWS.

Amazon Comprehend: Hilft Ihnen, den Berg an unstrukturierten Textdaten zu verstehen. Ein Anwendungsfall besteht darin, bestehende Kunden-Support-Chats abzubauen und herauszufinden, wie zufrieden die Kunden im Laufe der Zeit waren, welche Hauptanliegen der Kunde hat, welche Keywords am häufigsten verwendet werden usw..

Amazon-Prognose: Zero-Setup-Service zur Verwendung Ihrer vorhandenen Zeitreihendaten und zur Umwandlung in genaue Prognosen für die Zukunft. Wenn Sie sich fragen, was Zeitreihendaten sind, schauen Sie sich diesen Artikel an, den ich kürzlich geschrieben habe (suchen Sie gegen Ende des Artikels nach einer Datenbank namens Timescale)..

Amazon Lex: Bauen Sie Konversationsschnittstellen (textuell und / oder visuell) in Ihre Anwendungen ein. Hinter den Kulissen werden die von Amazon geschulten Modelle für maschinelles Lernen ausgeführt, die Absichten entschlüsseln und spontan Sprache zu Text ausführen.

Amazon Personalisieren: Einfacher und infrastrukturloser Service, um Empfehlungen für Ihre Kunden oder für sich selbst zu erstellen! Sie können E-Commerce-Daten oder fast alles in diesen Service eingeben und sich über hochpräzise und interessante Vorschläge freuen. Je größer der Datensatz ist, desto besser sind natürlich die Empfehlungen.

Es gibt viel mehr KI-Dienste, die Amazon bietet, und Sie könnten den ganzen Tag damit verbringen, sie zu durchsuchen. Trotzdem ist es eine Aktivität, die ich von ganzem Herzen empfehlen kann! ��

Hinweis: Es ist schwierig, eine Zusammenfassung aller dieser Dienste zusammen in den AWS-Dokumenten zu finden. Wenn Sie jedoch zu https://aws.amazon.com/machine-learning gehen, werden diese in der Dropdown-Liste unter “AI-Dienste” aufgeführt.

TensorFlow

TensorFlow ist eine Bibliothek (und auch eine Plattform), die vom Team dahinter erstellt wurde Google Brain. Es handelt sich um eine Implementierung der ML-Subdomäne Deep Learning Neural Networks. Das heißt, TensorFlow ist Googles Ansatz, wie maschinelles Lernen mit neuronalen Netzen mithilfe der Technik des tiefen Lernens erreicht werden kann.

Das bedeutet, dass TensorFlow natürlich nicht die einzige Möglichkeit ist, neuronale Netze zu nutzen – es gibt viele Bibliotheken mit Vor- und Nachteilen.

Im Allgemeinen bietet TensorFlow Ihnen die Standardfunktionen für maschinelles Lernen für viele verschiedene Programmierumgebungen. Die Basisplattform ist jedoch ziemlich visuell und basiert hauptsächlich auf Grafiken und Datenvisualisierungen, um die Arbeit zu erledigen. Selbst wenn Sie kein Programmierer sind, ist es daher mit einigem Aufwand möglich, mit TensorFlow gute Ergebnisse zu erzielen.

In der Vergangenheit war TensorFlow darauf ausgerichtet, maschinelles Lernen zu „demokratisieren“. Meines Wissens war es die erste Plattform, die ML in diesem Maße einfach, visuell und zugänglich machte. Infolgedessen explodierte die ML-Nutzung und die Leute konnten Modelle leicht trainieren.

Das wichtigste Verkaufsargument von TensorFlow ist Keras, Dies ist eine Bibliothek für die effiziente programmgesteuerte Arbeit mit neuronalen Netzen. So einfach ist es, ein einfaches, vollständig verbundenes Netzwerk (Perceptron) zu erstellen:

model = tf.keras.Sequential ()
# Fügt dem Modell eine dicht verbundene Ebene mit 64 Einheiten hinzu:
model.add (layer.Dense (64, Aktivierung = ‘relu’))
# Neue hinzufügen:
model.add (layer.Dense (64, Aktivierung = ‘relu’))
# Fügen Sie eine Softmax-Ebene mit 10 Ausgabeeinheiten hinzu:
model.add (layer.Dense (10, Aktivierung = ‘softmax’))

Natürlich müssen auch Konfiguration, Schulung usw. durchgeführt werden, aber auch sie sind ebenso einfach.

Es ist schwierig, TensorFlow zu bemängeln, wenn man bedenkt, dass es ML für JavaScript, mobile Geräte und sogar IoT-Lösungen bietet. In den Augen der Puristen bleibt es jedoch eine „geringere“ Plattform, mit der sich jeder Tom, Dick und Harry anlegen kann. Seien Sie also bereit, sich einem gewissen Widerstand zu stellen, wenn Sie die Fertigkeitsleiter hinaufsteigen und mehr „erleuchteten“ Seelen begegnen. ��

Wenn Sie ein Neuling sind, dann überprüfen Sie dies Online-Einführungskurs zu TensorFlow.

Beachten Sie auch: Einige Kritikpunkte an TensorFlow erwähnen, dass keine GPUs verwendet werden können, was nicht mehr der Fall ist. Heute funktioniert TensorFlow nicht nur mit der GPU, sondern Google hat seine einzige spezialisierte Hardware namens TPU (TensorFlow Processing Unit) entwickelt, die als Cloud verfügbar ist Bedienung.

Google AI Services

Genau wie die Dienste von Amazon verfügt auch Google über eine Cloud-Suite Dienstleistungen sich um KI drehen. Ich werde nicht alle Dienste auflisten, da sie den Angeboten von Amazon ziemlich ähnlich sind. Hier ist ein Screenshot dessen, was Entwicklern bei Interesse zur Verfügung steht:

Grundsätzlich gibt es zwei Möglichkeiten, wie Sie die KI-Dienste von Google nutzen können. Die erste besteht darin, ein bereits von Google geschultes Modell zu verwenden und es einfach in Ihren Produkten anzuwenden. Der zweite ist der sogenannte AutoML Service, der mehrere Zwischenstufen des maschinellen Lernens automatisiert und beispielsweise Full-Stack-Entwicklern mit geringerem ML-Know-how hilft, Modelle einfach zu erstellen und zu trainieren.

H2O

Die “2” in H2O soll ein Index sein (ähnlich der chemischen Formel für Wasser, denke ich), aber es ist lästig, sie abzutippen. Ich hoffe die Leute dahinter H2O wird nicht so viel ausmachen!

H2O ist eine Open-Source-Plattform für maschinelles Lernen, die von großen Namen aus Fortune 500 verwendet wird.

Die Hauptidee ist es, die hochmoderne KI-Forschung der Öffentlichkeit zugänglich zu machen, anstatt sie in den Händen von Unternehmen mit tiefen Taschen und Hebelwirkung zu lassen. Unter der H2O-Plattform werden verschiedene Produkte angeboten, darunter:

  • H2O: Die Basisplattform zum Erkunden und Verwenden von maschinellem Lernen.
  • Sprudel: Offizielle Integration mit Apache Spark für große Datenmengen.
  • H2O4GPU: GPU-beschleunigte Version der H2O-Plattform.

H2O stellt auch Lösungen her, die auf das Unternehmen zugeschnitten sind. Dazu gehören:

  • Fahrerlose KI: Nein, fahrerlose KI hat nichts mit selbstfahrenden Autos zu tun! �� Es entspricht eher dem AutoML-Angebot von Google. Die meisten AI / ML-Phasen sind automatisiert, sodass Tools einfacher und schneller zu entwickeln sind.
  • Bezahlte Unterstützung: Als Unternehmen können Sie es kaum erwarten, GitHub-Probleme anzusprechen und zu hoffen, dass sie bald beantwortet werden. Wenn Zeit Geld ist, bietet H2O große Unterstützung und Beratung für große Unternehmen.

Petuum

Petuum entwickelt die Symphonie Plattform, die darauf ausgelegt ist, KI-Arbeit nicht zum Nachdenken zu bringen. Mit anderen Worten, wenn Sie das Codieren satt haben und / oder sich nicht mehr Bibliotheken und Ausgabeformate merken möchten, wird sich Symphony wie ein Urlaub in den Alpen fühlen!

Die Symphony-Plattform ist zwar nicht „offen“, aber die Funktionen sind es wert, darüber nachzudenken:

  • Drag & Drop-Benutzeroberfläche
  • Erstellen Sie einfach interaktive Datenpipelines
  • Tonnenweise standardisierte und modulare Bausteine ​​für komplexere KI-Anwendungen
  • Programmier- und API-Schnittstellen, die den visuellen Weg empfinden, sind nicht leistungsfähig genug
  • Automatisierte Optimierung mit GPUs
  • Verteilte, hoch skalierbare Plattform
  • Datenaggregation aus mehreren Quellen

Es gibt viele weitere Funktionen, mit denen Sie das Gefühl haben, dass die Eintrittsbarriere erheblich gesenkt wurde. Sehr empfehlenswert!

Polyaxon

Die größte Herausforderung bei maschinellem Lernen und KI besteht heute nicht darin, gute Bibliotheken und Algorithmen (oder sogar Lernressourcen) zu finden, sondern das qualifizierte Engineering, das angewendet werden muss, um mit den riesigen Systemen und den daraus resultierenden hohen Datenlasten umzugehen.

Selbst für erfahrene Softwareentwickler kann dies eine zu große Frage sein. Wenn du dich auch so fühlst, Polyaxon ist einen Blick wert.

Polyaxon ist keine Bibliothek oder gar ein Framework. Vielmehr handelt es sich um eine End-to-End-Lösung für die Verwaltung aller Aspekte des maschinellen Lernens, z.

  • Datenverbindungen und Streaming
  • Hardware-Beschleunigung
  • Containerisierung und Orchestrierung
  • Planung, Speicherung und Sicherheit
  • Pipelining, Optimierung, Tracking usw..
  • Dashboarding, APIs, Visualisierungen usw..

Es ist ziemlich bibliotheks- und anbieterunabhängig, da eine große Anzahl beliebter (Open- und Closed-Source-) Lösungen unterstützt wird.

Natürlich müssen Sie sich immer noch mit der Bereitstellung und Skalierung auf einer bestimmten Ebene befassen. Wenn Sie auch dem entkommen möchten, bietet Polyaxon eine PaaS-Lösung, mit der Sie die Infrastruktur elastisch nutzen können.

DataRobot

Einfach gesagt, DataRobot ist eine fokussierte Lösung für maschinelles Lernen für Unternehmen. Es ist vollständig visuell und so konzipiert, dass Ihre Daten schnell verstanden und für den konkreten Geschäftsgebrauch verwendet werden.

Die Benutzeroberfläche ist intuitiv und elegant, sodass Nicht-Experten sich hinter die Räder setzen und aussagekräftige Erkenntnisse gewinnen können.

DataRobot verfügt nicht über zahlreiche Funktionen. Stattdessen konzentriert es sich auf den traditionellen Sinn für Daten und bietet solide Funktionen in:

  • Automatisiertes maschinelles Lernen
  • Regression und Klassifikation
  • Zeitfolgen

Meistens sind dies alles, was Sie für Ihr Unternehmen benötigen. Das heißt, in den meisten Fällen ist DataRobot alles, was Sie brauchen. ��

NeuralDesigner

Während wir uns mit benutzerfreundlichen, leistungsstarken KI-Plattformen befassen, NeuralDesigner verdient eine besondere Erwähnung.

Über NeuralDesigner gibt es nicht viel zu sagen, aber es gibt viel zu tun! Angesichts der Tatsache, dass neuronale Netze die moderne Methodik des maschinellen Lernens mehr oder weniger dominiert haben, ist es sinnvoll, mit einer Plattform zu arbeiten, die sich ausschließlich auf neuronale Netze konzentriert. Keine Auswahl, keine Ablenkungen – Qualität statt Quantität.

NeuralDesigner zeichnet sich in vielerlei Hinsicht aus:

  • Keine Programmierung erforderlich. Überhaupt.
  • Kein komplexer Schnittstellenaufbau erforderlich. Alles ist in vernünftigen, leicht verständlichen und geordneten Schritten angeordnet.
  • Eine Sammlung der fortschrittlichsten und verfeinerten Algorithmen für neuronale Netze.
  • CPU-Parallelisierung und GPU-Beschleunigung für hohe Leistung.

Wert a aussehen? Bestimmt!

Prevision.io

Pervision.io ist eine Plattform für die Verwaltung aller Aspekte des maschinellen Lernens, von der Datenverarbeitung bis zur Bereitstellung in großem Maßstab.

VorhersageIO

Wenn Sie Entwickler sind, VorhersageIO ist ein unglaublich nützliches Angebot, das Sie sich ansehen sollten. Im Kern ist PredictionIO eine Plattform für maschinelles Lernen, die Daten aus Ihrer App (Web, Mobile oder auf andere Weise) aufnehmen und schnell Vorhersagen erstellen kann.

Lassen Sie sich nicht vom Namen täuschen – PredictionIO dient nicht nur Vorhersagen, sondern unterstützt das gesamte Spektrum des maschinellen Lernens. Hier sind einige coole Gründe, es zu lieben:

  • Unterstützung für Klassifizierung, Regression, Empfehlungen, NLP und was nicht.
  • Erstellen Sie, um schwerwiegende Workloads in einer Big Data-Einstellung zu bewältigen.
  • Mehrere vorgefertigte Vorlagen für diejenigen, die es eilig haben.
  • Wird mit Apache Spark, MLlib, HBase, Akka HTTP und Elasticsearch geliefert und erfüllt alle möglichen Anforderungen einer robusten, modernen App.
  • Kombinierte Datenaufnahme aus mehreren Quellen, ob im Batch- oder Echtzeitmodus.
  • Wird als typischer Webdienst bereitgestellt – einfach zu konsumieren und zu füttern.

Bei den meisten Webprojekten sehe ich nicht, dass PredictionIO nicht viel Sinn macht. Probieren Sie es aus!

Fazit

Es gibt heute keinen Mangel an AI- und ML-Frameworks oder -Plattformen. Ich war überwältigt von der Wahl, als ich anfing, nach diesem Artikel zu suchen. Aus diesem Grund habe ich versucht, diese Liste auf die einzigartigen oder interessanten zu beschränken. Wenn Sie der Meinung sind, dass ich etwas Wichtiges verpasst habe, lassen Sie es mich bitte wissen.

Coursera Ich habe einige der großartigen Kurse für maschinelles Lernen erhalten. Überprüfen Sie also, ob Sie am Lernen interessiert sind.

Welche Plattform ist die beste? Leider gibt es keine klare Antwort. Ein Grund dafür, dass die meisten dieser Dienste an einen bestimmten Technologie-Stack oder ein bestimmtes Ökosystem gebunden sind (hauptsächlich den Bau eines so genannten ummauerten Gartens). Der andere, wichtigere Grund ist, dass KI- und ML-Technologien inzwischen auf den Markt gebracht wurden und es einen Wettlauf gibt, so viele Funktionen zu einem möglichst niedrigen Preis anzubieten. Kein Anbieter kann es sich leisten, nicht das anzubieten, was die anderen anbieten, und jedes neue Angebot wird fast über Nacht von den Wettbewerbern kopiert und bedient.

Als solches kommt es darauf an, was Ihr Stack und Ihre Ziele sind, wie intuitiv Sie den Service finden, wie Sie die dahinter stehenden Unternehmen wahrnehmen und so weiter.

Aber wie auch immer, es versteht sich von selbst, dass KI endlich als Dienst verfügbar ist, und es wäre äußerst unklug, davon keinen Gebrauch zu machen. ��

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