By Julia Gavrilova, KI und Tech-Ethik auf serokell.io.

Sie haben wahrscheinlich schon einmal die Begriffe „Low-Code“ und „No-Code“ gehört.

Low-Code steht einfach für einen reduzierten Codierungsaufwand. Viele Elemente können einfach per Drag & Drop aus der Bibliothek gezogen werden. Es ist jedoch auch möglich, sie durch Schreiben Ihres eigenen Codes anzupassen, was eine erhöhte Flexibilität bietet.

Kein Code Plattformen erfordern keinerlei Programmierkenntnisse. Sie können von verschiedenen Personen wie Künstlern, Lehrern, Top-Managern verwendet werden. Sie brauchen KI für ihre Arbeit, wollen aber nicht tief in Programmierung und Informatik eintauchen. No-Code-Lösungen sind in ihrer Funktionalität ziemlich eingeschränkt, ermöglichen es Ihnen jedoch, schnell etwas Einfaches zu erstellen.

In der Praxis ist die Grenze zwischen No-Code- und Low-Code-Plattformen ziemlich dünn. Plattformen, die sich selbst als „no-code“ bewerben, lassen in der Regel noch etwas Raum für Anpassungen.

Low-Code-Plattformen für Anfänger

Low-Code-Bibliotheken können auch mit minimaler Programmiererfahrung verwendet werden.

PyCaret

Hier ist eine Open-Source-Bibliothek für maschinelles Lernen in Python, mit dem Sie Machine-Learning-Modelle mit minimalem Programmieraufwand erstellen und bereitstellen können.

Grundsätzlich ist PyCaret eine Low-Code-Alternative, die Hunderte von Codezeilen mit wenigen Worten ersetzen kann. Es erhöht die Geschwindigkeit der Softwareentwicklung erheblich und macht sie für Anfänger zugänglicher. PyCaret ist ein Python-Wrapper für mehrere Bibliotheken für maschinelles Lernen wie scikit-learn, XGBoost, Microsoft LightGBM, spaCy und viele mehr.

Auto-ViML

AutoViML ist ein Tool, mit dem jeder schnell ein Machine-Learning-Modell erstellen kann. Es rendert Ihre Daten automatisch durch verschiedene Modelle des maschinellen Lernens, um herauszufinden, welches im jeweiligen Fall die besten Ergebnisse liefert. Ein weiterer großer Vorteil ist, dass Sie Ihre Daten nicht vorverarbeiten müssen, da AutoViML sie automatisch bereinigt, transformiert und normalisiert. Das Programm arbeitet mit verschiedenen Typen von Variablen, einschließlich Text-, Zahlen- und visuellen Daten.

H2O AutoML

H2O ist eine Open-Source-Plattform für maschinelles Lernen. Es verfügt über Tools zum Einsatz der am häufigsten verwendeten maschinellen Lernalgorithmen wie Gradientenabstieg, lineare Regression, tiefe künstliche neuronale Netze und andere. Wofür diese Plattform berühmt ist, ist ihr hochmodernes AutoML. Diese Funktion ermöglicht die Automatisierung des gleichzeitigen Erstellens mehrerer Modelle, sodass Sie auch ohne Vorkenntnisse funktionale ML-Modelle erstellen und testen können.

No-Code-ML-Plattformen, die Sie 2021 verwenden sollten

Hier ist eine Auswahl an No-Code-Plattformen, die Sie erkunden können, wenn Sie schnell ein Element für maschinelles Lernen bereitstellen und es in Ihre vorhandene Software integrieren möchten.

Google Cloud AutoML

Dieser No-Code-Tool ermöglicht es jedem, benutzerdefinierte Machine-Learning-Modelle ohne ML-Kenntnisse zu trainieren und bereitzustellen. Die Plattform arbeitet mit verschiedenen Arten von Daten und deckt ein breites Spektrum an Anwendungsfällen ab, von Computer Vision und Video Intelligence bis hin zur Verarbeitung natürlicher Sprache und Übersetzung. Sie können Ihre Datensätze vorbereiten und speichern und automatische Tools zur erleichterten Kennzeichnung verwenden. Wenn Sie mehr Leistung und flexiblere Tools benötigen, können Sie ein Upgrade auf die Verwendung von Google Cloud durchführen.

Google ML-Kit

Dieser Toolkit wurde für Android- und iOS-Entwickler entwickelt, die ihre Apps ansprechender gestalten möchten. Seine API kann verwendet werden, um Balkenscannen, Gesichtserkennung, Bildbeschriftungsfunktionen und mehr zu implementieren, ohne ein ML-Modell von Grund auf neu erstellen zu müssen. Alle notwendigen Verarbeitungen erfolgen in Echtzeit auf dem mobilen Gerät des Benutzers, sodass Sie sich nicht um das Einrichten und Hosten teurer Server kümmern müssen.

Lernfähige Maschine

Lernfähige Maschine ist ein weiteres Projekt von Google, das den Einsatz von ML für Apps und Websites erleichtert. Diese Plattform ist aufgrund ihrer benutzerfreundlichen Oberfläche auch für nicht technisch versierte Personen einfach zu bedienen. Das Programm arbeitet mit Bildern und ermöglicht es Ihnen, das Gerät zu trainieren, um Fotos zu erkennen und zu klassifizieren. Es verarbeitet auch Geräusche. Es ist interessant, mit der Plattform zu spielen, wenn Sie ein Neuling sind, und sie ist auch kostenlos. Es liegt jedoch an Ihnen, die Daten zu sammeln und aufzubereiten, die Sie zum Trainieren des Modells verwenden.

Start- und Landebahn KI

Start- und Landebahn KI wurde für Entwickler ohne Programmiererfahrung in den Bereichen Video- und Fotobearbeitung mit Greenscreen-Option, Filterung und anderen interessanten Funktionen entwickelt. Mit diesem Toolkit können Sie Ihre Kreativität mit technologischen Tools mit wenigen einfachen Klicks erweitern und Ihre Videos in erstklassige Kinokunst verwandeln.

Lappen

Dieser ML-Plattform verfügt über einfach zu verwendende Projektvorlagen, sogar für Ihr erstes ML-Projekt. Das Projekt ist relativ neu, daher ist derzeit nur die Bildklassifizierung verfügbar. In Zukunft wollen die Entwickler auch Vorlagen zur Objekterkennung und Datenklassifizierung einführen. Ein Bildklassifizierer ist jedoch eines der nützlichsten Tools für Einzelhändler, Werbetreibende und Geschäftsleute, also sollten Sie es sich unbedingt ansehen.

Offensichtlich KI

Wenn Sie nach einem praktischen Tool suchen, um Vorhersagen auf der Grundlage von Daten zu treffen, ohne Code zu schreiben, Offensichtlich KI ist für Sie. Es kann von Vermarktern und Geschäftsinhabern verwendet werden, die den Umsatzfluss prognostizieren, Geschäftsprozesse optimieren, eine effektivere Lieferkette aufbauen und personalisierte automatisierte Marketingkampagnen durchführen möchten. Sie müssen lediglich Daten bereitstellen, eine Spalte auswählen, auf deren Grundlage Ihr benutzerdefinierter ML-Algorithmus erstellt werden soll, und Ihren Bericht abrufen.

CreateML

CreateML ist eine benutzerfreundliche Drag-and-Drop-Plattform von Apple, mit der Sie Modelle auf Ihrem Mac-Gerät trainieren können. Es kann Ihnen helfen, Klassifikatoren und Empfehlungssysteme zu erstellen. Das Tool kann Bilder, Videos, Fotos, Tabellendaten und Texte verarbeiten. Das erhaltene Modell kann in IOS-Anwendungen getestet und bereitgestellt werden. Sie können die Leistung des Modells in der Vorschau anzeigen und Ihren Trainingsprozess jederzeit anhalten, speichern, fortsetzen und verlängern. CreateML ermöglicht Ihnen das gleichzeitige Trainieren mehrerer Modelle in verschiedenen Datasets für ein einzelnes Projekt. Es verfügt über ein standardmäßiges Apple SDK und eine Dokumentation mit Codebeispielen und erklärenden Artikeln.

MakeML

MakeML ermöglicht iOS-Entwicklern die Implementierung von Objektsegmentierungs- und Objekterkennungslösungen. Mit diesem Tool können Sie Elemente nicht nur in Fotos, sondern auch in Videos skizzieren und bearbeiten. Erstellen Sie Ihre eigenen Datasets, erstellen Sie mit wenigen Klicks benutzerdefinierte ML-Modelle und integrieren Sie Ihr Modell in Ihre App. Auf dieser Plattform können Sie auch mit AR arbeiten.

Fritz-AI

Wenn Sie nach weiteren spannenden Lösungen für iOS- und Android-Apps suchen, können Sie auch hier vorbeischauen Fritz-AI. Es gibt Ihnen Flexibilität, wie viel Sie in die ML-Modellentwicklung investieren möchten – Sie können benutzerdefinierte Modelle im Studio trainieren oder vortrainierte Modelle verwenden. Im Programm können Sie Ihre eigenen Datensätze erstellen oder importieren, die Leistung des Modells überwachen und es erneut trainieren. Wenn Sie Snapchat-Linsen entwickeln, hilft Ihnen dieses Tool, maschinelles Lernen ohne Code zu Ihren Augmented-Reality-Filtern hinzuzufügen.

SuperAnnotieren

Anmerkungen zu Videos und Texten zu machen ist eine mühsame Arbeit, die aber automatisiert werden kann SuperAnnotieren. Die Lösung deckt eine Vielzahl von Fällen in verschiedenen Branchen ab, wie Luftaufnahmen, autonomes Fahren, Robotik und Medizin. Wenn Sie schnell Bilder verarbeiten müssen und kein ganzes Team von Data Scientists einstellen möchten, empfehlen wir Ihnen, dies zu überprüfen.

Schneller Bergmann

RapidMiner ist ein Tool für Data Mining. Es basiert auf der Idee, dass Business-Analysten oder Datenanalytiker nicht unbedingt programmieren müssen, um ihre Arbeit zu erledigen. Gleichzeitig benötigt das Mining Daten, daher wurde das Tool mit einer guten Auswahl an Operatoren ausgestattet, die eine Vielzahl von Aufgaben zum Abrufen und Verarbeiten von Informationen aus verschiedenen Quellen (Datenbanken, Dateien) lösen. Insgesamt macht dieses Tool die Datenanalyse so einfach, dass jeder es verwenden kann.

Was-wäre-wenn-Tool

Dies ist ein sehr nützliches Werkzeug, um die Leistung der Modelle ohne Codierung zu bewerten. WITZ zeigt visuell an, wie sich das Modellverhalten im Laufe der Zeit und über verschiedene Teilmengen von Daten ändert. Sie können auch die Leistung zweier Modelle vergleichen, um zu sehen, welches am besten funktioniert.

DataRobot

DataRobot ist eine Plattform, die es Business-Analysten ermöglicht, Predictive Analytics ohne Kenntnisse in maschinellem Lernen oder Programmieren zu erstellen. Die Plattform verwendet automatisiertes maschinelles Lernen (AutoML), um in kurzer Zeit genaue Vorhersagemodelle zu generieren. DataRobot bietet eine benutzerfreundliche Benutzeroberfläche zum Erstellen von Modellen für maschinelles Lernen. In nur wenigen Schritten kann ein Unternehmen einen Predictive Analytics-Service in Echtzeit bereitstellen.

Nanonetze AI

Intelligente Dokumentenverarbeitung ist möglich mit Nanonetze. Es erfasst automatisch Daten aus Dokumenten und erspart Ihnen stundenlanges manuelles Dokumentenmanagement. Nanonets AI verarbeitet unsichtbare, halbstrukturierte Dokumente, auch wenn sie keiner Standardvorlage folgen, validiert Daten automatisch und verbessert sich im Laufe der Zeit durch mehrere Verwendungen.

Affe lernen Studio

MonkeyLearn Studio bietet Werkzeuge für die Arbeit mit Textdaten und richtet sich an Unternehmen. Diese Plattform kann Geschäftsdaten, beispielsweise Support-Tickets oder E-Mails, automatisch mit Tags versehen. Es hilft auch bei der Visualisierung von Daten. MonkeyLearn erleichtert die Arbeit mit maschinellem Lernen, da es über vorgefertigte Modelle für maschinelles Lernen verfügt, die trainiert und ohne Code erstellt werden können.

Schlussworte

Diese Tools sind cool für das, was sie sind: No-Code-Plattformen für die schnelle Bereitstellung einfacher Projekte durch Nicht-Tech-Experten oder ML-Neulinge. Sie können die Entwicklung von benutzerdefinierten ML-Modellen für hochlastige, datenintensive Projekte auf keinen Fall ersetzen. Wenn Sie also eine einzigartige Idee im Kopf haben, bei der es um die Verarbeitung von Big Data, die Automatisierung intensiver industrieller Prozesse oder sensible Vorhersagemodelle geht, kontaktieren Sie uns. Gemeinsam können wir Lösungen finden, die Ihren speziellen Anforderungen entsprechen.

Original. Mit Genehmigung erneut veröffentlicht.

Related:

• Maschinelles Lernen ohne Code an den Rand drängen
• Die nächste Generation von AutoML-Frameworks
• Einfache AutoML in Python