By yulia gavrilova, IA y ética de la tecnología en serokell.io.

Probablemente haya escuchado los términos 'código bajo' y 'sin código' antes.

Código bajo simplemente significa una cantidad reducida de codificación. Muchos elementos se pueden arrastrar y soltar simplemente desde la biblioteca. Sin embargo, también es posible personalizarlos escribiendo su propio código, lo que le da una mayor flexibilidad.

Sin código las plataformas no requieren ningún conocimiento de programación. Pueden ser utilizados por diferentes personas como artistas, profesores, altos directivos. Necesitan inteligencia artificial en su trabajo, pero no quieren profundizar en la programación y la informática. Las soluciones sin código tienen una funcionalidad bastante limitada, pero le permiten construir algo simple rápidamente.

En la práctica, la frontera entre las plataformas sin código y las de bajo código es bastante delgada. Las plataformas que se promocionan a sí mismas como 'sin código' todavía suelen dejar algo de espacio para la personalización.

Plataformas de código bajo para principiantes

Las bibliotecas de código bajo se pueden utilizar incluso con una experiencia mínima en codificación.

PyCaret

Esta es una biblioteca de aprendizaje automático de código abierto en Python que le permite crear e implementar modelos de aprendizaje automático con una codificación mínima.

Básicamente, PyCaret es una alternativa de código bajo que puede reemplazar cientos de líneas de código con solo unas pocas palabras. Aumenta enormemente la velocidad del desarrollo de software y lo hace más accesible para principiantes. PyCaret es un contenedor de Python sobre varias bibliotecas de aprendizaje automático como scikit-learn, XGBoost, Microsoft LightGBM, spaCy y muchas más.

ViML automático

AutoViML es una herramienta que permite a cualquier persona crear rápidamente un modelo de aprendizaje automático. Renderiza automáticamente tus datos a través de diferentes modelos de aprendizaje automático para descubrir cuál da mejores resultados en cada caso en particular. Otra gran ventaja es que no tiene que preprocesar sus datos porque AutoViML los limpia, transforma y normaliza automáticamente. El programa trabaja con diferentes tipos de variables, incluidos datos textuales, numéricos y visuales.

H2O AutoML

H2OH es una plataforma de aprendizaje automático de código abierto. Tiene herramientas para implementar los algoritmos de aprendizaje automático más utilizados, como descenso de gradiente, regresión lineal, redes neuronales artificiales profundas y otros. Esta plataforma es famosa por su AutoML de vanguardia. Esta función permite automatizar el proceso de creación de varios modelos a la vez para que pueda crear y probar modelos funcionales de AA incluso sin experiencia previa.

Plataformas de aprendizaje automático sin código que debería usar en 2021

Aquí hay una variedad de plataformas sin código que puede explorar si desea implementar rápidamente un elemento de aprendizaje automático e integrarlo con su software existente.

ML automático de Google Cloud

Este herramienta sin código permite que cualquier persona entrene e implemente modelos de aprendizaje automático personalizados sin ninguna experiencia en ML. La plataforma trabaja con diferentes tipos de datos y cubre una amplia gama de casos de uso, desde la visión por computadora y la inteligencia de video hasta el procesamiento y la traducción del lenguaje natural. Podrá preparar y almacenar sus conjuntos de datos y utilizar herramientas automáticas para facilitar el etiquetado. Si necesita más potencia y herramientas más flexibles, puede actualizar para usar Google Cloud.

Kit de AA de Google

Este caja de herramientas  fue creado para desarrolladores de Android e iOS que desean que sus aplicaciones sean más atractivas. Su API se puede utilizar para implementar el escaneo de barras, la detección de rostros, las funciones de etiquetado de imágenes y más sin tener que crear un modelo de aprendizaje automático desde cero. Todo el procesamiento necesario ocurre en el dispositivo móvil del usuario en tiempo real, por lo que no es necesario que se preocupe por configurar y alojar servidores costosos.

Máquina de enseñanza

Máquina de enseñanza es otro proyecto de Google que facilita el uso de ML para aplicaciones y sitios web. Esta plataforma es fácil de usar incluso para personas sin conocimientos de tecnología debido a su interfaz fácil de usar. El programa trabaja con imágenes y le permite entrenar la máquina para reconocer y clasificar fotos. También procesa sonidos. Es interesante jugar con la plataforma si eres un novato, y también es gratis. Pero depende de usted recopilar y preparar los datos que utilizará para entrenar el modelo.

IA de pista

IA de pista fue creado para creadores sin experiencia en programación en los dominios de edición de videos y fotos con la opción de pantalla verde, filtrado y otras características interesantes. Este kit de herramientas puede ayudarlo a expandir su creatividad con herramientas tecnológicas en unos pocos clics, convirtiendo sus videos en arte cinematográfico de primer nivel.

lóbulo

Este Plataforma ML tiene plantillas de proyectos que son fáciles de usar, incluso para su primer proyecto de AA. El proyecto es relativamente nuevo, por lo que solo la clasificación de imágenes está disponible en este momento. En el futuro, sus creadores también quieren lanzar plantillas de clasificación de datos y detección de objetos. Sin embargo, un clasificador de imágenes es una de las herramientas más útiles para minoristas, anunciantes y profesionales de negocios, así que asegúrese de revisarlo.

Obviamente AI

Si está buscando una herramienta conveniente para realizar predicciones basadas en datos sin escribir código, Obviamente AI es para ti. Puede ser utilizado por especialistas en marketing y propietarios de negocios que desean pronosticar el flujo de ingresos, optimizar los procesos comerciales, construir una cadena de suministro más efectiva y realizar campañas de marketing automatizadas personalizadas. Todo lo que necesita es proporcionar datos, elegir una columna en función de la cual se crearía su algoritmo de AA personalizado y obtener su informe.

Crear ML

Crear ML es una plataforma de arrastrar y soltar fácil de usar de Apple que le permite entrenar modelos en su dispositivo Mac. Puede ayudarlo a construir clasificadores y sistemas de recomendación. La herramienta puede procesar imágenes, videos, fotos, datos tabulares y textos. El modelo que obtiene se puede probar e implementar en aplicaciones IOS. Puede obtener una vista previa del rendimiento del modelo y pausar, guardar, reanudar y extender su proceso de entrenamiento cuando lo desee. CreateML le permite entrenar múltiples modelos en diferentes conjuntos de datos a la vez para un solo proyecto. Tiene documentación y SDK de Apple estándar que incluyen ejemplos de código y artículos explicativos.

Hacer ML

Hacer ML permite a los desarrolladores de iOS implementar soluciones de detección y segmentación de objetos. Con esta herramienta, puede delinear y editar elementos no solo en fotos sino también en videos. Cree sus propios conjuntos de datos, cree modelos de AA personalizados con unos pocos clics e integre su modelo en su aplicación. Esta plataforma también le permite trabajar con AR.

Fritz IA

Si está buscando soluciones más interesantes para aplicaciones de iOS y Android, también puede consultar Fritz IA. Le brinda flexibilidad en cuanto a cuánto desea invertir en el desarrollo de modelos de ML: puede entrenar modelos personalizados en Studio o usar modelos previamente entrenados. En el programa, puede crear o importar sus propios conjuntos de datos, monitorear el rendimiento del modelo y volver a entrenarlo. Si desarrolla lentes de Snapchat, esta herramienta lo ayudará a agregar aprendizaje automático sin código a sus filtros de realidad aumentada.

Super Anotar

Hacer anotaciones en videos y textos es un trabajo tedioso, pero se puede automatizar con Super Anotar. La solución cubre una multitud de casos en diferentes industrias, como fotografía aérea, conducción autónoma, robótica y medicina. Si necesita procesar imágenes rápidamente y no desea contratar a todo un equipo de científicos de datos, le recomendamos que lo consulte.

Minero rápido

Minero rápido es una herramienta creada para la minería de datos. Se basa en la idea de que los analistas de negocios o el análisis de datos no necesariamente tienen que programar para hacer su trabajo. Al mismo tiempo, la minería requiere datos, por lo que la herramienta estaba equipada con un buen conjunto de operadores que resolvían una amplia gama de tareas para obtener y procesar información de diversas fuentes (bases de datos, archivos). En general, esta herramienta hace que el análisis de datos sea lo suficientemente simple como para que cualquiera pueda usarlo.

Herramienta Y si ...

Esta es una herramienta muy útil para evaluar el rendimiento de los modelos sin codificación. INGENIO muestra visualmente cómo cambia el comportamiento del modelo a lo largo del tiempo y en diferentes subconjuntos de datos. También puede comparar el rendimiento de dos modelos para ver cuál funciona mejor.

robot de datos

robot de datos es una plataforma que permite a los analistas de negocios crear análisis predictivos sin conocimientos de programación o aprendizaje automático. La plataforma utiliza el aprendizaje automático automatizado (AutoML) para generar modelos predictivos precisos en poco tiempo. DataRobot proporciona una interfaz de usuario fácil de usar para crear modelos de aprendizaje automático. En solo unos pocos pasos, una empresa puede implementar un servicio de análisis predictivo en tiempo real.

Nanorred AI

El procesamiento inteligente de documentos es posible con Nanonetas. Captura datos de documentos automáticamente, lo que le ahorra horas de gestión manual de documentos. Nanonets AI procesa documentos semiestructurados invisibles incluso si no siguen una plantilla estándar, valida automáticamente los datos y mejora con el tiempo a través de múltiples usos.

Estudio de aprendizaje de mono

Estudio MonkeyLearn proporciona herramientas para trabajar con datos textuales y está destinado a ser utilizado por empresas. Esta plataforma puede etiquetar automáticamente datos comerciales, por ejemplo, tickets de soporte o correos electrónicos. También ayuda con la visualización de datos. MonkeyLearn facilita el trabajo con el aprendizaje automático porque tiene modelos de aprendizaje automático listos para usar que se pueden entrenar y construir sin código.

Palabras finales

Estas herramientas son geniales por lo que son: plataformas sin código para la implementación rápida de proyectos simples por parte de expertos no tecnológicos o novatos en ML. De ninguna manera pueden sustituir el desarrollo de modelos de aprendizaje automático personalizados por proyectos de alta carga y uso intensivo de datos. Entonces, si tiene una idea única en mente que involucre el procesamiento de big data, la automatización de procesos industriales intensivos o modelos de predicción sensibles, contáctenos. Juntos, podemos pensar en soluciones que se adapten a sus necesidades particulares.

Original. Publicado de nuevo con permiso.

Relacionado:

• Llevando el aprendizaje automático sin código al límite
• La próxima generación de marcos de AutoML
• AutoML fácil en Python