By Julia Gavrilova, AI ja Ethics of Tech osoitteessa serokell.io.

Olet luultavasti kuullut termit "low-code" ja "no-code" aiemmin.

Matala koodi tarkoittaa yksinkertaisesti pienempää koodauksen määrää. Monet elementit voidaan yksinkertaisesti vetää ja pudottaa kirjastosta. Niitä on kuitenkin myös mahdollista muokata kirjoittamalla oma koodi, mikä lisää joustavuutta.

Ei koodia alustat eivät vaadi ohjelmointitaitoa ollenkaan. Niitä voivat käyttää eri ihmiset, kuten taiteilijat, opettajat, huippujohtajat. He tarvitsevat tekoälyä työssään, mutta eivät halua sukeltaa syvälle ohjelmointiin ja tietojenkäsittelytieteeseen. Koodittomat ratkaisut ovat toiminnaltaan melko rajallisia, mutta niiden avulla voit rakentaa jotain yksinkertaista nopeasti.

Käytännössä raja ei-code- ja low-code-alustojen välillä on melko ohut. Alustat, jotka mainostavat itseään "ei-koodina", jättävät yleensä tilaa mukauttamiselle.

Matalakoodialustat aloittelijoille

Matalakoodikirjastoja voidaan käyttää jopa vähäisellä koodauskokemuksella.

PyCaret

Tämä on avoimen lähdekoodin koneoppimiskirjasto Pythonissa, jonka avulla voit luoda ja ottaa käyttöön koneoppimismalleja minimaalisella koodauksella.

Pohjimmiltaan PyCaret on alhaisen koodin vaihtoehto, joka voi korvata satoja koodirivejä vain muutamalla sanalla. Se nopeuttaa huomattavasti ohjelmistokehitystä ja tekee siitä helpomman aloittelijoille. PyCaret on Python-kääre useille koneoppimiskirjastoille, kuten scikit-learn, XGBoost, Microsoft LightGBM, spaCy ja monet muut.

Auto-ViML

AutoViML on työkalu, jonka avulla kuka tahansa voi rakentaa koneoppimismallin nopeasti. Se renderöi tietosi automaattisesti erilaisten koneoppimismallien avulla selvittääkseen, mikä antaa parhaat tulokset kussakin tapauksessa. Toinen suuri plus on, että sinun ei tarvitse esikäsitellä tietojasi, koska AutoViML puhdistaa, muuntaa ja normalisoi ne automaattisesti. Ohjelma toimii erityyppisten muuttujien kanssa, mukaan lukien teksti-, numero- ja visuaalinen data.

H2O AutoML

H2O on avoimen lähdekoodin koneoppimisalusta. Siinä on työkaluja laajimmin käytettyjen koneoppimisalgoritmien, kuten gradienttilaskumisen, lineaarisen regression, syvien keinotekoisten hermoverkkojen ja muiden, käyttöönottoon. Tämä alusta on kuuluisa sen huippuluokan AutoML. Tämä ominaisuus mahdollistaa useiden mallien kerralla rakentamisen automatisoinnin, joten voit luoda ja testata toimivia ML -malleja jopa ilman aiempaa kokemusta.

Koodittomat ML-alustat, joita sinun tulee käyttää vuonna 2021

Tässä on valikoima koodittomia alustoja, joita voit tutkia, jos haluat ottaa koneoppimiselementin nopeasti käyttöön ja integroida sen olemassa olevaan ohjelmistoosi.

Google Cloud Auto ML

Tämä kooditon työkalu antaa kenen tahansa kouluttaa ja ottaa käyttöön mukautettuja koneoppimismalleja ilman ML-asiantuntemusta. Alusta toimii erityyppisten tietojen kanssa ja kattaa laajan valikoiman käyttötapauksia tietokonenäön ja videon älykkyydestä luonnollisen kielen käsittelyyn ja kääntämiseen. Pystyt valmistelemaan ja tallentamaan tietojoukkojasi ja käyttämään automaattisia työkaluja helpotettuun merkitsemiseen. Jos tarvitset enemmän tehoa ja joustavampia työkaluja, voit päivittää käyttämään Google Cloudia.

Google ML Kit

Tämä työkalupakki tehtiin Android- ja iOS-kehittäjille, jotka haluavat tehdä sovelluksistaan ​​kiinnostavampia. Sen API:ta voidaan käyttää palkkiskannauksen, kasvojentunnistuksen, kuvamerkintäominaisuuksien ja muiden toteuttamiseen ilman, että sinun tarvitsee luoda ML-mallia tyhjästä. Kaikki tarvittava käsittely tapahtuu käyttäjän mobiililaitteella reaaliajassa, joten sinun ei tarvitse huolehtia kalliiden palvelimien asentamisesta ja isännöinnistä.

Opetettava kone

Opetettava kone on toinen Googlen projekti, joka helpottaa ML:n käyttöä sovelluksissa ja verkkosivustoissa. Tämä alusta on helppokäyttöinen myös muille kuin tekniikkaan perehtyneille käyttäjille käyttäjäystävällisen käyttöliittymänsä ansiosta. Ohjelma toimii kuvien kanssa ja antaa sinun kouluttaa koneen tunnistamaan ja luokittelemaan valokuvia. Se käsittelee myös ääniä. Alustalla on mielenkiintoista pelata, jos olet aloittelija, ja se on myös ilmainen. Mutta sinun on kerättävä ja valmisteltava tiedot, joita käytät mallin harjoittamiseen.

Kiitotie AI

Kiitotie AI on rakennettu tekijöille, joilla ei ole ohjelmointikokemusta videon ja valokuvien muokkauksen aloilla vihreän näytön, suodatuksen ja muiden mielenkiintoisten ominaisuuksien avulla. Tämä työkalupakki voi auttaa sinua laajentamaan luovuuttasi teknisten työkalujen avulla muutamalla napsautuksella, jolloin videoistasi tulee huippuluokan elokuvataidetta.

lohko

Tämä ML -alusta on projektipohjia, joita on helppo käyttää, jopa ensimmäiseen ML-projektiisi. Projekti on suhteellisen uusi, joten vain kuvien luokittelu on tällä hetkellä saatavilla. Jatkossa sen tekijät haluavat myös julkaista objektien tunnistus- ja tietojen luokittelumalleja. Kuvan luokittelija on kuitenkin yksi hyödyllisimmistä työkaluista jälleenmyyjille, mainostajille ja yritysten ammattilaisille, joten muista tarkistaa se.

Ilmeisesti tekoäly

Jos etsit kätevää työkalua dataan perustuvien ennusteiden tekemiseen ilman koodin kirjoittamista, Ilmeisesti tekoäly on sinulle. Sitä voivat käyttää markkinoijat ja yritysten omistajat, jotka haluavat ennustaa tulovirtaa, optimoida liiketoimintaprosesseja, rakentaa tehokkaamman toimitusketjun ja suorittaa henkilökohtaisia ​​automatisoituja markkinointikampanjoita. Sinun tarvitsee vain toimittaa tiedot, valita sarake, jonka perusteella mukautettu ML-algoritmi luodaan, ja saada raporttisi.

Luo ML

Luo ML on Applen käyttäjäystävällinen vedä ja pudota -alusta, jonka avulla voit kouluttaa malleja Mac-laitteellasi. Sen avulla voit rakentaa luokittimia ja suositusjärjestelmiä. Työkalu voi käsitellä kuvia, videoita, valokuvia, taulukkotietoja ja tekstejä. Saatasi malli voidaan testata ja ottaa käyttöön IOS-sovelluksissa. Voit esikatsella mallin suorituskykyä ja keskeyttää, tallentaa, jatkaa ja laajentaa harjoitteluasi milloin tahansa. CreateML:n avulla voit kouluttaa useita malleja eri tietojoukoissa kerralla yhtä projektia varten. Siinä on tavallinen Apple SDK ja dokumentaatio, joka sisältää koodiesimerkkejä ja selittäviä artikkeleita.

MakeML

MakeML antaa iOS-kehittäjille mahdollisuuden toteuttaa objektien segmentointi- ja objektintunnistusratkaisuja. Tämän työkalun avulla voit hahmotella ja muokata elementtejä paitsi valokuvissa myös videoissa. Luo omat tietojoukot, rakenna mukautettuja ML-malleja muutamalla napsautuksella ja integroi mallisi sovellukseesi. Tämän alustan avulla voit myös työskennellä AR: n kanssa.

Fritz AI

Jos etsit jännittävämpiä ratkaisuja iOS- ja Android-sovelluksille, voit myös tutustua Fritz AI. Se antaa sinulle joustavuutta sen suhteen, kuinka paljon haluat investoida ML-mallien kehittämiseen – voit kouluttaa räätälöityjä malleja Studiossa tai käyttää esikoulutettuja malleja. Ohjelmassa voit luoda tai tuoda omia tietojoukkoja, seurata mallin suorituskykyä ja kouluttaa sitä uudelleen. Jos kehität Snapchat-objektiivia, tämä työkalu auttaa sinua lisäämään koodittoman koneoppimisen lisätyn todellisuuden suodattimiisi.

SuperAnnotate

Merkintöjen tekeminen videoihin ja teksteihin on työlästä työtä, mutta se voidaan automatisoida SuperAnnotate. Ratkaisu kattaa lukuisia tapauksia eri toimialoilta, kuten ilmakuvauksessa, autonomisessa ajossa, robotiikassa ja lääketieteessä. Jos sinun on nopeasti käsiteltävä kuvia, etkä halua palkata koko joukkoa datatieteilijöitä, suosittelemme tutustumaan asiaan.

Rapid Miner

RapidMiner on tiedon louhintaan luotu työkalu. Se perustuu ajatukseen, että yritysanalyytikon tai data-analyytikon ei välttämättä tarvitse ohjelmoida tehdäkseen työnsä. Samaan aikaan kaivostoiminta vaatii dataa, joten työkalu oli varustettu hyvällä operaattorijoukolla, joka ratkaisee monenlaisia ​​tehtäviä tiedon hankkimiseksi ja käsittelemiseksi eri lähteistä (tietokannat, tiedostot). Kaiken kaikkiaan tämä työkalu tekee data-analytiikasta tarpeeksi yksinkertaista, jotta kuka tahansa voi käyttää sitä.

Mitä-jos-työkalu

Tämä on erittäin hyödyllinen työkalu mallien suorituskyvyn arvioimiseen ilman koodausta. WIT näyttää visuaalisesti, kuinka mallin käyttäytyminen muuttuu ajan myötä ja eri datan osajoukkojen välillä. Voit myös verrata kahden mallin suorituskykyä nähdäksesi, mikä toimii parhaiten.

DataRobot

DataRobot on alusta, jonka avulla yritysanalyytikot voivat rakentaa ennakoivaa analytiikkaa ilman koneoppimisen tai ohjelmoinnin tuntemusta. Alusta käyttää automaattista koneoppimista (AutoML) tarkkojen ennakoivien mallien luomiseen lyhyessä ajassa. DataRobot tarjoaa käyttäjäystävällisen käyttöliittymän koneoppimismallien luomiseen. Vain muutamassa vaiheessa yritys voi ottaa käyttöön reaaliaikaisen ennakoivan analytiikkapalvelun.

Nanonets AI

Älykäs asiakirjojen käsittely on mahdollista Nanonetit. Se kaappaa tiedot asiakirjoista automaattisesti, mikä säästää tuntikausien manuaalisesta dokumenttien hallinnasta. Nanonets AI käsittelee näkymättömiä, osittain jäsenneltyjä asiakirjoja, vaikka ne eivät noudattaisi vakiomallia, validoi tiedot automaattisesti ja paranee ajan myötä useiden käyttökertojen ansiosta.

Monkey Learn Studio

MonkeyLearn Studio tarjoaa työkaluja tekstitiedon käsittelyyn ja on tarkoitettu yritysten käyttöön. Tämä alusta voi automaattisesti merkitä yritystiedot, esimerkiksi tukiliput tai sähköpostit. Se auttaa myös tietojen visualisoinnissa. MonkeyLearn tekee koneoppimisesta helppoa, koska siinä on valmiita koneoppimismalleja, joita voidaan kouluttaa ja rakentaa ilman koodia.

Loppusanat

Nämä työkalut ovat siistejä siihen mitä ne ovat: koodittomat alustat yksinkertaisten projektien nopeaan käyttöönottoon ei-tekniikan asiantuntijoiden tai ML:n aloittelijoiden toimesta. Ne eivät missään tapauksessa voi korvata räätälöityä ML-mallin kehittämistä suurikuormituksille, tietointensiivisille projekteille. Joten jos sinulla on mielessäsi ainutlaatuinen idea, joka koskee big datan käsittelyä, intensiivisten teollisten prosessien automatisointia tai herkkiä ennustemalleja, ottaa meihin yhteyttä. Yhdessä voimme miettiä ratkaisuja, jotka sopivat juuri sinun tarpeisiisi.

Alkuperäinen. Postitettu luvalla.

Related:

• Koodikoneoppimisen työntäminen reunaan
• Uuden sukupolven AutoML-kehykset
• Helppo AutoML Pythonissa