By Julia Gavrilova, AI and Ethics of Tech på serokell.io.

Du har sikkert hørt begrepene "lav kode" og "ingen kode" før.

Lavkode står ganske enkelt for en redusert mengde koding. Mange elementer kan enkelt dras og slippes fra biblioteket. Det er imidlertid også mulig å tilpasse dem ved å skrive din egen kode, noe som gir økt fleksibilitet.

Ingen kode plattformer krever ingen kunnskap om programmering i det hele tatt. De kan brukes av forskjellige personer som artister, lærere, toppledere. De trenger AI i arbeidet sitt, men ønsker ikke å dykke dypt inn i programmering og informatikk. No-code løsninger er ganske begrenset i funksjonalitet, men lar deg bygge noe enkelt raskt.

I praksis er grensen mellom plattformer uten kode og lav kode ganske tynn. Plattformer som markedsfører seg selv som "no-code" gir fortsatt vanligvis litt plass for tilpasning.

Lavkodeplattformer for nybegynnere

Lavkodebiblioteker kan brukes selv med minimal erfaring med koding.

PyCaret

Dette er en maskinlæringsbibliotek med åpen kildekode i Python som lar deg lage og distribuere maskinlæringsmodeller med minimal koding.

I utgangspunktet er PyCaret et lavkodealternativ som kan erstatte hundrevis av kodelinjer med bare noen få ord. Det øker hastigheten på programvareutvikling og gjør den mer tilgjengelig for nybegynnere. PyCaret er en Python-innpakning over flere maskinlæringsbiblioteker som scikit-learn, XGBoost, Microsoft LightGBM, spaCy og mange flere.

Auto-ViML

AutoViML er et verktøy som gjør det mulig for alle å bygge en maskinlæringsmodell raskt. Den gjengir automatisk dataene dine gjennom forskjellige maskinlæringsmodeller for å finne ut hvilken som gir de beste resultatene i hvert enkelt tilfelle. Et annet stort pluss er at du ikke trenger å forhåndsbehandle dataene dine fordi AutoViML automatisk renser, transformerer og normaliserer dem. Programmet fungerer med forskjellige typer variabler, inkludert tekstdata, talldata og visuelle data.

H2O AutoML

H2O er en maskinlæringsplattform med åpen kildekode. Den har verktøy for å distribuere de mest brukte maskinlæringsalgoritmene som gradientnedstigning, lineær regresjon, dype kunstige nevrale nettverk og andre. Det denne plattformen er kjent for er dens banebrytende AutoML. Denne funksjonen sørger for å automatisere prosessen med å bygge flere modeller samtidig, slik at du kan lage og teste funksjonelle ML-modeller selv uten tidligere erfaring.

No-code ML-plattformer du bør bruke i 2021

Her er et utvalg av plattformer uten kode som du kan utforske hvis du raskt vil distribuere et maskinlæringselement og integrere det med din eksisterende programvare.

Google Cloud Auto ML

Dette verktøy uten kode gjør det mulig for alle å trene og distribuere tilpassede maskinlæringsmodeller uten noen ML-ekspertise. Plattformen jobber med ulike typer data og dekker et bredt spekter av bruksområder, fra datasyn og videointelligens til naturlig språkbehandling og oversettelse. Du vil kunne forberede og lagre datasettene dine og bruke automatiske verktøy for forenklet merking. Hvis du trenger mer kraft og mer fleksible verktøy, kan du oppgradere til å bruke Google Cloud.

Google ML-sett

Dette verktøykasse ble laget for Android- og iOS-utviklere som ønsker å gjøre appene deres mer engasjerende. API-en kan brukes til å implementere barskanning, ansiktsgjenkjenning, bildemerkingsfunksjoner og mer uten å måtte lage en ML-modell fra bunnen av. All nødvendig prosessering skjer på brukerens mobile enhet i sanntid, så du trenger ikke å bekymre deg for å sette opp og være vert for dyre servere.

Lærbar maskin

Lærbar maskin er et annet prosjekt fra Google som forenkler bruken av ML for apper og nettsteder. Denne plattformen er enkel å bruke selv for ikke-teknologikyndige mennesker på grunn av det brukervennlige grensesnittet. Programmet fungerer med bilder og lar deg trene maskinen til å gjenkjenne og klassifisere bilder. Den behandler også lyder. Plattformen er interessant å leke med hvis du er nybegynner, og den er også gratis. Men det er opp til deg å samle inn og forberede dataene du skal bruke for å trene modellen.

Rullebane AI

Rullebane AI ble bygget for skapere uten programmeringserfaring innen video- og fotoredigering med grønn skjerm, filtrering og andre interessante funksjoner. Dette verktøysettet kan hjelpe deg med å utvide kreativiteten din med teknologiske verktøy med noen få enkle klikk, og gjøre videoene dine om til førsteklasses kinokunst.

lobe

Dette ML plattform har prosjektmaler som er enkle å bruke, selv for ditt første ML-prosjekt. Prosjektet er relativt nytt, så bare bildeklassifisering er tilgjengelig akkurat nå. I fremtiden ønsker skaperne også å lansere maler for objektdeteksjon og dataklassifisering. En bildeklassifisering er imidlertid et av de mest nyttige verktøyene for forhandlere, annonsører og forretningsfolk, så sørg for å sjekke det ut.

Åpenbart AI

Hvis du leter etter et praktisk verktøy for å lage spådommer basert på data uten å skrive kode, Åpenbart AI er til deg. Den kan brukes av markedsførere og bedriftseiere som ønsker å forutsi inntektsflyt, optimalisere forretningsprosesser, bygge en mer effektiv forsyningskjede og gjennomføre personlige automatiserte markedsføringskampanjer. Alt du trenger er å oppgi data, velge en kolonne basert på hvilken din egendefinerte ML-algoritme vil bli opprettet, og få rapporten din.

CreateML

CreateML er en brukervennlig dra-og-slipp-plattform fra Apple som lar deg trene modeller på din Mac-enhet. Det kan hjelpe deg med å bygge klassifiserere og anbefalingssystemer. Verktøyet kan behandle bilder, videoer, bilder, tabelldata og tekster. Modellen du får kan testes og distribueres i IOS-applikasjoner. Du kan forhåndsvise modellens ytelse og pause, lagre, gjenoppta og utvide treningsprosessen når du vil. CreateML lar deg trene flere modeller på forskjellige datasett samtidig for et enkelt prosjekt. Den har standard Apple SDK og dokumentasjon som inkluderer kodeeksempler og forklarende artikler.

MakeML

MakeML gjør det mulig for iOS-utviklere å implementere objektsegmentering og objektdeteksjonsløsninger. Ved å bruke dette verktøyet kan du skissere og redigere elementer ikke bare i bilder, men også i videoer. Lag dine egne datasett, bygg tilpassede ML-modeller med noen få klikk, og integrer modellen din i appen din. Denne plattformen lar deg også jobbe med AR.

Fritz AI

Ser du etter flere spennende løsninger for iOS- og Android-apper kan du også sjekke ut Fritz AI. Det gir deg fleksibilitet i hvor mye du vil investeres i utvikling av ML-modeller - du kan trene tilpassede modeller i Studioet eller bruke forhåndstrente modeller. I programmet kan du opprette eller importere dine egne datasett, overvåke modellens ytelse og trene den på nytt. Hvis du utfører Snapchat-linseutvikling, vil dette verktøyet hjelpe deg med å legge til kodefri maskinlæring til dine utvidede virkelighetsfiltre.

SuperAnnotere

Å lage merknader til videoer og tekster er en kjedelig jobb, men det kan automatiseres med SuperAnnotere. Løsningen dekker en rekke tilfeller på tvers av ulike bransjer, som flyfotografering, autonom kjøring, robotikk og medisin. Hvis du raskt trenger å behandle bilder og du ikke vil ansette et helt team med dataforskere, anbefaler vi å sjekke det ut.

Rapid Miner

RapidMiner er et verktøy laget for data mining. Den er basert på ideen om at forretningsanalytikere eller dataanalyse ikke nødvendigvis trenger å programmere for å gjøre jobben sin. Samtidig krever gruvedrift data, så verktøyet var utstyrt med et godt sett med operatører som løser et bredt spekter av oppgaver for å innhente og behandle informasjon fra ulike kilder (databaser, filer). Totalt sett gjør dette verktøyet dataanalyse enkelt nok til at alle kan bruke det.

Hva-hvis-verktøy

Dette er et supernyttig verktøy for å vurdere ytelsen til modellene uten koding. WIT viser visuelt hvordan modellens atferd endres over tid og over ulike delmengder av data. Du kan også sammenligne ytelsen til to modeller for å se hvilken som fungerer best.

DataRobot

DataRobot er en plattform som gjør det mulig for forretningsanalytikere å bygge prediktiv analyse uten kunnskap om maskinlæring eller programmering. Plattformen bruker automatisert maskinlæring (AutoML) for å generere nøyaktige prediktive modeller på kort tid. DataRobot gir et brukervennlig brukergrensesnitt for å lage maskinlæringsmodeller. Med bare noen få trinn kan et selskap distribuere en prediktiv analysetjeneste i sanntid.

Nanonets AI

Intelligent dokumentbehandling er mulig med Nanonetter. Den fanger opp data fra dokumenter automatisk, og sparer deg for timevis med manuell dokumenthåndtering. Nanonets AI behandler usynlige, semi-strukturerte dokumenter selv om de ikke følger en standard mal, validerer automatisk data og forbedres over tid gjennom flere bruksområder.

Monkey Learn Studio

MonkeyLearn Studio gir verktøy for å arbeide med tekstdata og er rettet mot å brukes av bedrifter. Denne plattformen kan automatisk merke forretningsdata, for eksempel støttebilletter eller e-poster. Det hjelper også med visualisering av data. MonkeyLearn gjør det enkelt å jobbe med maskinlæring fordi den har ferdige maskinlæringsmodeller som kan trenes og bygges kodefritt.

Siste ord

Disse verktøyene er kule for hva de er: plattformer uten kode for rask distribusjon av enkle prosjekter av ikke-teknologiske eksperter eller nybegynnere i ML. De kan på ingen måte erstatte tilpasset ML-modellutvikling med høybelastning, dataintensive prosjekter. Så hvis du har en unik idé i tankene som involverer behandling av store data, automatisering av intensive industrielle prosesser eller sensitive prediksjonsmodeller, kontakt oss. Sammen kan vi finne løsninger som passer dine spesielle behov.

original. Ompostet med tillatelse.

Relatert:

• Skyv maskinlæring uten kode til kanten
• Den neste generasjonen av AutoML-rammeverk
• Enkel AutoML i Python