By Ioulia Gavrilova, IA et éthique de la technologie sur serokell.io.

Vous avez probablement déjà entendu les termes « low-code » et « no-code ».

Code bas signifie simplement une quantité réduite de codage. De nombreux éléments peuvent être simplement glissés et déposés depuis la bibliothèque. Cependant, il est également possible de les personnaliser en écrivant votre propre code, ce qui donne une flexibilité accrue.

Pas de code plates-formes ne nécessitent aucune connaissance de la programmation. Ils peuvent être utilisés par différentes personnes comme des artistes, des enseignants, des cadres supérieurs. Ils ont besoin d'IA dans leur travail mais ne veulent pas plonger profondément dans la programmation et l'informatique. Les solutions sans code sont assez limitées en fonctionnalités mais vous permettent de créer rapidement quelque chose de simple.

En pratique, la frontière entre les plates-formes sans code et à faible code est assez mince. Les plates-formes qui se présentent comme « sans code » laissent encore généralement un peu d'espace pour la personnalisation.

Plateformes low-code pour débutants

Les bibliothèques low-code peuvent être utilisées même avec une expérience minimale en codage.

PyCaret

C'est un bibliothèque d'apprentissage automatique open source en Python qui vous permet de créer et de déployer des modèles d'apprentissage automatique avec un codage minimal.

Fondamentalement, PyCaret est une alternative low-code qui peut remplacer des centaines de lignes de code avec seulement quelques mots. Il augmente considérablement la vitesse de développement du logiciel et le rend plus accessible aux débutants. PyCaret est un wrapper Python sur plusieurs bibliothèques d'apprentissage automatique telles que scikit-learn, XGBoost, Microsoft LightGBM, spaCy et bien d'autres.

Auto-ViML

AutoViML est un outil qui permet à quiconque de créer rapidement un modèle d'apprentissage automatique. Il restitue automatiquement vos données via différents modèles d'apprentissage automatique afin de découvrir lequel donne les meilleurs résultats dans chaque cas particulier. Un autre grand avantage est que vous n'avez pas à prétraiter vos données car AutoViML les nettoie, les transforme et les normalise automatiquement. Le programme fonctionne avec différents types de variables, y compris des données textuelles, numériques et visuelles.

H2O AutoML

H2O est une plateforme de machine learning open source. Il dispose d'outils pour déployer les algorithmes d'apprentissage automatique les plus largement utilisés, tels que la descente de gradient, la régression linéaire, les réseaux de neurones artificiels profonds, etc. Cette plate-forme est célèbre pour son AutoML de pointe. Cette fonctionnalité permet d'automatiser le processus de création de plusieurs modèles à la fois afin que vous puissiez créer et tester des modèles de ML fonctionnels même sans expérience préalable.

Plateformes de ML sans code que vous devriez utiliser en 2021

Voici un assortiment de plates-formes sans code que vous pouvez explorer si vous souhaitez déployer rapidement un élément d'apprentissage automatique et l'intégrer à votre logiciel existant.

ML automatique Google Cloud

Ce outil sans code permet à quiconque de former et de déployer des modèles de machine learning personnalisés sans aucune expertise en ML. La plate-forme fonctionne avec différents types de données et couvre un large éventail de cas d'utilisation, de la vision par ordinateur et de l'intelligence vidéo au traitement du langage naturel et à la traduction. Vous pourrez préparer et stocker vos jeux de données et utiliser des outils automatiques pour un étiquetage facilité. Si vous avez besoin de plus de puissance et d'outils plus flexibles, vous pouvez effectuer une mise à niveau pour utiliser Google Cloud.

Kit Google ML

Ce Boîte à outils a été conçu pour les développeurs Android et iOS qui souhaitent rendre leurs applications plus attrayantes. Son API peut être utilisée pour implémenter la numérisation de barres, la détection de visage, les fonctionnalités d'étiquetage d'images, etc. sans avoir à créer un modèle ML à partir de zéro. Tout le traitement nécessaire s'effectue sur l'appareil mobile de l'utilisateur en temps réel, vous n'avez donc pas à vous soucier de la configuration et de l'hébergement de serveurs coûteux.

Machine à thé

Machine à thé est un autre projet de Google qui facilite l'utilisation du ML pour les applications et les sites Web. Cette plate-forme est facile à utiliser même pour les personnes non férus de technologie en raison de son interface conviviale. Le programme fonctionne avec des images et vous permet d'entraîner la machine à reconnaître et à classer les photos. Il traite également les sons. La plate-forme est intéressante à jouer si vous êtes un débutant, et elle est également gratuite. Mais c'est à vous de collecter et de préparer les données que vous utiliserez pour entraîner le modèle.

IA de piste

IA de piste a été conçu pour les créateurs sans expérience de programmation dans les domaines de l'édition vidéo et photo avec l'option écran vert, le filtrage et d'autres fonctionnalités intéressantes. Cette boîte à outils peut vous aider à développer votre créativité avec des outils technologiques en quelques clics simples, transformant vos vidéos en art cinématographique de premier ordre.

lobe

Ce Plateforme de machine learning propose des modèles de projet faciles à utiliser, même pour votre premier projet ML. Le projet est relativement nouveau, donc seule la classification des images est disponible pour le moment. À l'avenir, ses créateurs souhaitent également lancer des modèles de détection d'objets et de classification de données. Cependant, un classificateur d'images est l'un des outils les plus utiles pour les détaillants, les annonceurs et les professionnels, alors assurez-vous de le vérifier.

Evidemment l'IA

Si vous recherchez un outil pratique pour faire des prédictions basées sur des données sans écrire de code, Evidemment l'IA est pour toi. Il peut être utilisé par les spécialistes du marketing et les propriétaires d'entreprise qui souhaitent prévoir les flux de revenus, optimiser les processus commerciaux, créer une chaîne d'approvisionnement plus efficace et mener des campagnes de marketing automatisées personnalisées. Tout ce dont vous avez besoin est de fournir des données, de choisir une colonne en fonction de laquelle votre algorithme de ML personnalisé serait créé et d'obtenir votre rapport.

CréerML

CréerML est une plate-forme conviviale de glisser-déposer d'Apple qui vous permet d'entraîner des modèles sur votre appareil Mac. Il peut vous aider à créer des classificateurs et des systèmes de recommandation. L'outil peut traiter des images, des vidéos, des photos, des données tabulaires et des textes. Le modèle que vous obtenez peut être testé et déployé dans des applications IOS. Vous pouvez prévisualiser les performances du modèle et mettre en pause, enregistrer, reprendre et étendre votre processus d'entraînement quand vous le souhaitez. CreateML vous permet d'entraîner plusieurs modèles sur différents ensembles de données à la fois pour un seul projet. Il dispose d'un SDK Apple standard et d'une documentation comprenant des exemples de code et des articles explicatifs.

MarqueML

MarqueML permet aux développeurs iOS de mettre en œuvre des solutions de segmentation et de détection d'objets. En utilisant cet outil, vous pouvez décrire et éditer des éléments non seulement dans les photos mais aussi dans les vidéos. Créez vos propres ensembles de données, créez des modèles de ML personnalisés en quelques clics et intégrez votre modèle dans votre application. Cette plate-forme vous permet également de travailler avec AR.

IA de Fritz

Si vous recherchez des solutions plus intéressantes pour les applications iOS et Android, vous pouvez également consulter IA de Fritz. Cela vous donne une flexibilité quant au montant que vous souhaitez investir dans le développement de modèles ML  vous pouvez entraîner des modèles personnalisés dans le Studio ou utiliser des modèles pré-entraînés. Dans le programme, vous pouvez créer ou importer vos propres ensembles de données, surveiller les performances du modèle et le réentraîner. Si vous développez des objectifs Snapchat, cet outil vous aidera à ajouter un apprentissage automatique sans code à vos filtres de réalité augmentée.

SuperAnnoter

Faire des annotations sur des vidéos et des textes est un travail fastidieux, mais il peut être automatisé avec SuperAnnoter. La solution couvre une multitude de cas dans différents secteurs, tels que la photographie aérienne, la conduite autonome, la robotique et la médecine. Si vous avez besoin de traiter rapidement des images et que vous ne souhaitez pas embaucher toute une équipe de data scientists, nous vous recommandons de le vérifier.

Mineur rapide

RapidMiner est un outil créé pour l'exploration de données. Il est basé sur l'idée que les analystes commerciaux ou les analystes de données n'ont pas nécessairement à programmer pour faire leur travail. Dans le même temps, l'exploitation minière nécessite des données, l'outil a donc été équipé d'un bon ensemble d'opérateurs résolvant un large éventail de tâches pour obtenir et traiter des informations provenant de diverses sources (bases de données, fichiers). Dans l'ensemble, cet outil rend l'analyse des données suffisamment simple pour que tout le monde puisse l'utiliser.

Outil de simulation

C'est un outil super utile pour évaluer les performances des modèles sans codage. ESPRIT affiche visuellement comment le comportement du modèle change au fil du temps et sur différents sous-ensembles de données. Vous pouvez également comparer les performances de deux modèles pour voir lequel fonctionne le mieux.

DataRobot

DataRobot est une plate-forme qui permet aux analystes commerciaux de créer des analyses prédictives sans connaissance de l'apprentissage automatique ou de la programmation. La plate-forme utilise l'apprentissage automatique (AutoML) pour générer des modèles prédictifs précis dans un court laps de temps. DataRobot fournit une interface utilisateur conviviale pour créer des modèles d'apprentissage automatique. En quelques étapes seulement, une entreprise peut déployer un service d'analyse prédictive en temps réel.

Nanonets IA

Le traitement intelligent des documents est possible avec nanonets. Il capture automatiquement les données des documents, vous évitant ainsi des heures de gestion manuelle des documents. Nanonets AI traite des documents semi-structurés invisibles même s'ils ne suivent pas un modèle standard, valide automatiquement les données et s'améliore au fil du temps grâce à de multiples usages.

Studio d'apprentissage du singe

MonkeyLearn Studio fournit des outils pour travailler avec des données textuelles et est destiné à être utilisé par les entreprises. Cette plate-forme peut marquer automatiquement les données commerciales, par exemple, les tickets d'assistance ou les e-mails. Il aide également à la visualisation des données. MonkeyLearn facilite le travail avec l'apprentissage automatique, car il dispose de modèles d'apprentissage automatique prêts à l'emploi qui peuvent être formés et construits sans code.

Mot de la fin

Ces outils sont intéressants pour ce qu'ils sont : des plates-formes sans code pour le déploiement rapide de projets simples par des experts non techniques ou des débutants en ML. En aucun cas, ils ne peuvent remplacer le développement de modèles de ML personnalisés pour des projets à forte charge et à forte intensité de données. Alors si vous avez une idée unique en tête qui implique le traitement de big data, l'automatisation de processus industriels intensifs, ou des modèles de prédiction sensibles, CONTACTEZ-NOUS. Ensemble, nous pouvons réfléchir à des solutions adaptées à vos besoins particuliers.

ORIGINALE. Republié avec permission.

Connexe:

• Pousser l'apprentissage automatique sans code à la limite
• La nouvelle génération de frameworks AutoML
• AutoML facile en Python