By Julia Gavrilova, AI és Ethics of Tech itt: serokell.io.

Valószínűleg hallottad már az „alacsony kód” és „nem kód” kifejezéseket.

Alacsony kódú egyszerűen a csökkentett mennyiségű kódolást jelenti. Sok elem egyszerűen áthúzható a könyvtárból. Lehetőség van azonban saját kód írásával is testreszabni őket, ami nagyobb rugalmasságot biztosít.

Nincs kód platformokhoz egyáltalán nincs szükség programozási ismeretekre. Különböző emberek használhatják őket, például művészek, tanárok, felsővezetők. Munkájuk során szükségük van mesterséges intelligenciára, de nem akarnak mélyen belemerülni a programozásba és a számítástechnikába. A kód nélküli megoldások funkcionalitása meglehetősen korlátozott, de lehetővé teszik valami egyszerű gyors elkészítését.

A gyakorlatban a kód nélküli és az alacsony kódú platformok közötti határ meglehetősen vékony. A magukat „kód nélküli”-ként hirdető platformok általában még hagynak némi teret a testreszabásra.

Alacsony kódú platformok kezdőknek

Az alacsony kódú könyvtárak minimális kódolási tapasztalattal is használhatók.

PyCaret

Ez egy nyílt forráskódú gépi tanulási könyvtár Pythonban, amely lehetővé teszi gépi tanulási modellek létrehozását és üzembe helyezését minimális kódolással.

Alapvetően a PyCaret egy alacsony kódú alternatíva, amely több száz sornyi kódot képes helyettesíteni néhány szóval. Nagymértékben megnöveli a szoftverfejlesztés sebességét, és elérhetőbbé teszi a kezdők számára. A PyCaret egy Python-burkoló több gépi tanulási könyvtár felett, mint például a scikit-learn, az XGBoost, a Microsoft LightGBM, a spaCy és még sok más.

Auto-ViML

AutoViML egy olyan eszköz, amellyel bárki gyorsan megépíthet gépi tanulási modellt. Automatikusan megjeleníti az adatokat a különböző gépi tanulási modelleken keresztül, hogy kiderítse, melyik adja a legjobb eredményt az egyes esetekben. Egy másik nagy plusz, hogy nem kell előre feldolgoznia az adatokat, mert az AutoViML automatikusan megtisztítja, átalakítja és normalizálja azokat. A program különböző típusú változókkal működik, beleértve a szöveges, számszerű és vizuális adatokat.

H2O AutoML

H2O egy nyílt forráskódú gépi tanulási platform. Eszközökkel rendelkezik a legszélesebb körben használt gépi tanulási algoritmusok telepítéséhez, mint például a gradiens süllyedés, a lineáris regresszió, a mély mesterséges neurális hálózatok és mások. Amiről ez a platform híres, az a legmodernebb AutoML. Ez a funkció lehetővé teszi több modell egyidejű felépítésének automatizálását, így előzetes tapasztalat nélkül is létrehozhat és tesztelhet működőképes ML modelleket.

Kód nélküli ML platformok, amelyeket 2021-ben érdemes használni

Íme egy sor kód nélküli platform, amelyet felfedezhet, ha gyorsan szeretne üzembe helyezni egy gépi tanulási elemet, és integrálni szeretné meglévő szoftverével.

Google Cloud Auto ML

Ezt kód nélküli eszköz bárki számára lehetővé teszi az egyéni gépi tanulási modellek betanítását és üzembe helyezését ML-szakértelem nélkül. A platform különböző típusú adatokkal dolgozik, és a felhasználási esetek széles skáláját fedi le, a számítógépes látástól és videóintelligenciától a természetes nyelvi feldolgozásig és fordításig. Képes lesz adatkészleteinek elkészítésére és tárolására, valamint automatikus eszközök használatára a könnyített címkézés érdekében. Ha nagyobb teljesítményre és rugalmasabb eszközökre van szüksége, frissíthet a Google Cloud használatára.

Google ML Kit

Ezt eszköztár Android és iOS fejlesztők számára készült, akik szeretnék vonzóbbá tenni alkalmazásaikat. API-ja használható sávszkennelés, arcfelismerés, képcímkézési funkciók és egyebek megvalósítására anélkül, hogy a semmiből kellene ML-modellt létrehoznia. Az összes szükséges feldolgozás a felhasználó mobileszközén valós időben történik, így nem kell aggódnia drága szerverek beállításával és üzemeltetésével.

Oktatható gép

Oktatható gép a Google egy másik projektje, amely megkönnyíti az ML használatát alkalmazásokhoz és webhelyekhez. Ez a platform felhasználóbarát felületének köszönhetően még a technológiában nem jártas emberek számára is könnyen használható. A program képekkel működik, és lehetővé teszi, hogy megtanítsa a gépet a fényképek felismerésére és osztályozására. A hangokat is feldolgozza. A platform érdekes játszani, ha újonc vagy, ráadásul ingyenes. De az Ön feladata, hogy összegyűjtse és előkészítse azokat az adatokat, amelyeket a modell betanításához fog használni.

Kifutópálya AI

Kifutópálya AI olyan alkotók számára készült, akik nem rendelkeznek programozási tapasztalattal a videó- ​​és fotószerkesztés területén, zöld képernyő opcióval, szűréssel és egyéb érdekes funkciókkal. Ez az eszközkészlet segíthet abban, hogy néhány kattintással technológiai eszközökkel bővítse kreativitását, és videóit csúcsminőségű moziművészetté varázsolja.

fülcimpa

Ezt ML platform könnyen használható projektsablonokkal rendelkezik, még az első ML projekthez is. A projekt viszonylag új, így jelenleg csak képbesorolás érhető el. A jövőben készítői objektumészlelési és adatosztályozási sablonokat is szeretnének elindítani. A képosztályozó azonban az egyik leghasznosabb eszköz kiskereskedők, hirdetők és üzleti szakemberek számára, ezért mindenképpen nézze meg.

Nyilvánvalóan AI

Ha kényelmes eszközt keres az adatok alapján, kódírás nélkül történő előrejelzésekhez, Nyilvánvalóan AI neked. Olyan marketingszakemberek és cégtulajdonosok használhatják, akik szeretnék előre jelezni a bevételek áramlását, optimalizálni az üzleti folyamatokat, hatékonyabb ellátási láncot építeni, és személyre szabott automatizált marketingkampányokat szeretnének folytatni. Csak adatokat kell megadnia, kiválasztani egy oszlopot, amely alapján létrejön az egyéni ML-algoritmus, és megkapja a jelentést.

CreateML

CreateML az Apple felhasználóbarát drag and drop platformja, amely lehetővé teszi modellek betanítását Mac-eszközén. Segíthet osztályozók és ajánlórendszerek felépítésében. Az eszköz képes feldolgozni képeket, videókat, fényképeket, táblázatos adatokat és szövegeket. A kapott modell tesztelhető és telepíthető IOS-alkalmazásokban. Megtekintheti a modell teljesítményét, és bármikor szüneteltetheti, mentheti, folytathatja és kiterjesztheti az edzési folyamatot. A CreateML lehetővé teszi, hogy több modellt tanítson egyszerre különböző adatkészletekre egyetlen projekthez. Szabványos Apple SDK-val és dokumentációval rendelkezik, amely kódmintákat és magyarázó cikkeket tartalmaz.

MakeML

MakeML lehetővé teszi az iOS fejlesztői számára objektumszegmentálási és objektumészlelési megoldások megvalósítását. Ezzel az eszközzel nemcsak fotókon, hanem videókon is körvonalazhat és szerkeszthet elemeket. Hozzon létre saját adatkészleteket, készítsen egyedi ML modelleket néhány kattintással, és integrálja a modellt az alkalmazásba. Ez a platform lehetővé teszi az AR használatát is.

Fritz AI

Ha izgalmasabb megoldásokat keres iOS és Android alkalmazásokhoz, akkor azt is megnézheti Fritz AI. Rugalmasságot biztosít abban, hogy mennyit szeretne befektetni az ML-modellfejlesztésbe – egyéni modelleket taníthat a Stúdióban, vagy használhat előre betanított modelleket. A programban létrehozhat vagy importálhat saját adatkészleteket, figyelemmel kísérheti a modell teljesítményét és újra betaníthatja. Ha Snapchat objektívet fejleszt, ez az eszköz segít a kód nélküli gépi tanulás hozzáadásához a kiterjesztett valóság szűrőihez.

SuperAnnotate

A megjegyzések készítése videókhoz és szövegekhez fárasztó munka, de ezzel automatizálható SuperAnnotate. A megoldás számos esetet lefed különböző iparágakban, mint például a légifotózás, az autonóm vezetés, a robotika és az orvostudomány. Ha gyorsan kell feldolgoznia a képeket, és nem szeretne adatkutatók egész csapatát felvenni, javasoljuk, hogy nézze meg.

Rapid Miner

Gyorsbetűs egy adatbányászathoz készült eszköz. Azon az elgondoláson alapul, hogy az üzleti elemzőknek vagy az adatelemzőknek nem feltétlenül kell programozniuk munkájuk elvégzéséhez. Ugyanakkor a bányászat adatigényes, ezért az eszközt jó operátorkészlettel látták el, amelyek sokféle feladatot oldanak meg a különböző forrásokból (adatbázisok, fájlok) származó információk megszerzéséhez és feldolgozásához. Összességében ez az eszköz elég egyszerűvé teszi az adatelemzést ahhoz, hogy bárki használni tudja.

Mi lenne, ha eszköz

Ez egy rendkívül hasznos eszköz a modellek teljesítményének kódolás nélküli értékeléséhez. WIT vizuálisan megjeleníti, hogy a modell viselkedése hogyan változik az idő múlásával és az adatok különböző részhalmazai között. Két modell teljesítményét is összehasonlíthatja, hogy megtudja, melyik működik a legjobban.

DataRobot

DataRobot egy olyan platform, amely lehetővé teszi az üzleti elemzők számára, hogy prediktív elemzést készítsenek a gépi tanulás vagy programozás ismerete nélkül. A platform automatizált gépi tanulást (AutoML) használ a pontos prediktív modellek rövid időn belüli létrehozásához. A DataRobot felhasználóbarát felhasználói felületet biztosít a gépi tanulási modellek létrehozásához. A vállalat néhány lépésben beveheti a valós idejű prediktív analitikai szolgáltatást.

Nanonets AI

Intelligens dokumentumfeldolgozás lehetséges Nanonetek. Automatikusan rögzíti az adatokat a dokumentumokból, megkímélve Önt a többórás kézi dokumentumkezeléstől. A Nanonets AI még akkor is feldolgozza a láthatatlan, félig strukturált dokumentumokat, ha azok nem követnek egy szabványos sablont, automatikusan ellenőrzi az adatokat, és az idő múlásával több felhasználáson keresztül javul.

Monkey Learn Studio

MonkeyLearn Stúdió eszközöket biztosít a szöveges adatokkal való munkavégzéshez, és célja a vállalatok általi használat. Ez a platform automatikusan címkézheti az üzleti adatokat, például támogatási jegyeket vagy e-maileket. Segít az adatok megjelenítésében is. A MonkeyLearn megkönnyíti a gépi tanulással való munkát, mert kész gépi tanulási modellekkel rendelkezik, amelyek kód nélkül taníthatók és építhetők.

Végső szavak

Ezek az eszközök arra valók, amilyenek: kód nélküli platformok egyszerű projektek gyors telepítéséhez a nem technológiai szakértők vagy az ML kezdők számára. Semmiképpen sem helyettesíthetik az egyedi ML-modellfejlesztést a nagy terhelésű, adatigényes projekteknél. Ha tehát egyedi elképzelése van a nagy adatok feldolgozásával, az intenzív ipari folyamatok automatizálásával vagy az érzékeny előrejelzési modellekkel, kapcsolat. Együtt olyan megoldásokat tudunk kitalálni, amelyek megfelelnek az Ön egyedi igényeinek.

eredeti. Engedéllyel újra közzétéve.

Kapcsolódó:

• A kód nélküli gépi tanulás élére tolása
• Az AutoML keretrendszerek következő generációja
• Egyszerű AutoML Pythonban