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

Du har säkert hört termerna "låg-kod" och "ingen kod" förut.

Lågkod står helt enkelt för en reducerad mängd kodning. Många element kan enkelt dras och släppas från biblioteket. Det går dock även att anpassa dem genom att skriva en egen kod, vilket ger ökad flexibilitet.

Ingen kod plattformar kräver inga kunskaper om programmering alls. De kan användas av olika personer som konstnärer, lärare, högsta chefer. De behöver AI i sitt arbete men vill inte djupdyka i programmering och datavetenskap. No-code lösningar är ganska begränsade i funktionalitet men låter dig bygga något enkelt snabbt.

I praktiken är gränsen mellan no-code och low-code-plattformar ganska tunn. Plattformar som marknadsför sig själva som "no-code" lämnar vanligtvis fortfarande lite utrymme för anpassning.

Lågkodsplattformar för nybörjare

Lågkodsbibliotek kan användas även med minimal erfarenhet av kodning.

PyCaret

Det här är en maskininlärningsbibliotek med öppen källkod i Python som låter dig skapa och distribuera maskininlärningsmodeller med minimal kodning.

I grund och botten är PyCaret ett lågkodsalternativ som kan ersätta hundratals rader kod med bara några få ord. Det ökar avsevärt hastigheten på mjukvaruutveckling och gör den mer tillgänglig för nybörjare. PyCaret är ett Python-omslag över flera maskininlärningsbibliotek som scikit-learn, XGBoost, Microsoft LightGBM, spaCy och många fler.

Auto-ViML

AutoViML är ett verktyg som gör det möjligt för vem som helst att snabbt bygga en maskininlärningsmodell. Den renderar automatiskt dina data genom olika maskininlärningsmodeller för att upptäcka vilken som ger bäst resultat i varje enskilt fall. Ett annat stort plus är att du inte behöver förbehandla din data eftersom AutoViML automatiskt rensar, transformerar och normaliserar den. Programmet arbetar med olika typer av variabler, inklusive textdata, siffror och visuella data.

H2O AutoML

H2O är en maskininlärningsplattform med öppen källkod. Den har verktyg för att distribuera de mest använda maskininlärningsalgoritmerna som gradient descent, linjär regression, djupa artificiella neurala nätverk och andra. Vad den här plattformen är känd för är dess banbrytande AutoML. Den här funktionen möjliggör automatisering av processen att bygga flera modeller samtidigt så att du kan skapa och testa funktionella ML-modeller även utan tidigare erfarenhet.

No-code ML-plattformar du bör använda 2021

Här är ett urval av kodfria plattformar som du kan utforska om du snabbt vill distribuera ett maskininlärningselement och integrera det med din befintliga programvara.

Google Cloud Auto ML

Denna inget kodverktyg gör det möjligt för vem som helst att träna och distribuera anpassade maskininlärningsmodeller utan någon ML-expertis. Plattformen arbetar med olika typer av data och täcker ett brett spektrum av användningsfall, från datorseende och videointelligens till naturlig språkbehandling och översättning. Du kommer att kunna förbereda och lagra dina datauppsättningar och använda automatiska verktyg för att underlätta märkning. Om du behöver mer kraft och mer flexibla verktyg kan du uppgradera till att använda Google Cloud.

Google ML Kit

Denna toolkit gjordes för Android- och iOS-utvecklare som vill göra sina appar mer engagerande. Dess API kan användas för att implementera barskanning, ansiktsdetektion, bildmärkningsfunktioner och mer utan att behöva skapa en ML-modell från början. All nödvändig bearbetning sker på användarens mobila enhet i realtid, så du behöver inte oroa dig för att installera och vara värd för dyra servrar.

Lärbar maskin

Lärbar maskin är ett annat projekt av Google som underlättar användningen av ML för appar och webbplatser. Denna plattform är lätt att använda även för icke-tekniskt kunniga personer på grund av dess användarvänliga gränssnitt. Programmet arbetar med bilder och låter dig träna maskinen att känna igen och klassificera foton. Den bearbetar också ljud. Plattformen är intressant att spela med om du är nybörjare, och den är också gratis. Men det är upp till dig att samla in och förbereda den data som du ska använda för att träna modellen.

Runway AI

Runway AI byggdes för kreatörer utan programmeringserfarenhet inom områdena video- och fotoredigering med alternativet grön skärm, filtrering och andra intressanta funktioner. Denna verktygslåda kan hjälpa dig att utöka din kreativitet med tekniska verktyg med några enkla klick, och förvandla dina videor till förstklassig filmkonst.

lob

Denna ML-plattform har projektmallar som är enkla att använda, även för ditt första ML-projekt. Projektet är relativt nytt, så endast bildklassificering är tillgänglig just nu. I framtiden vill dess skapare också lansera mallar för objektdetektering och dataklassificering. En bildklassificerare är dock ett av de mest användbara verktygen för återförsäljare, annonsörer och affärsmän, så se till att kolla in det.

Uppenbarligen AI

Om du letar efter ett bekvämt verktyg för att göra förutsägelser baserade på data utan att skriva kod, Uppenbarligen AI är för dig. Den kan användas av marknadsförare och företagsägare som vill förutsäga intäktsflöden, optimera affärsprocesser, bygga en mer effektiv leveranskedja och genomföra personliga automatiserade marknadsföringskampanjer. Allt du behöver är att tillhandahålla data, välja en kolumn baserad på vilken din anpassade ML-algoritm skulle skapas och få din rapport.

CreateML

CreateML är en användarvänlig dra-och-släpp-plattform från Apple som låter dig träna modeller på din Mac-enhet. Det kan hjälpa dig att bygga klassificerare och rekommendatorsystem. Verktyget kan bearbeta bilder, videor, foton, tabelldata och texter. Modellen du får kan testas och distribueras i IOS-applikationer. Du kan förhandsgranska modellens prestanda och pausa, spara, återuppta och utöka din träningsprocess när du vill. CreateML låter dig träna flera modeller på olika datamängder samtidigt för ett enda projekt. Den har standard Apple SDK och dokumentation som inkluderar kodexempel och förklarande artiklar.

MakeML

MakeML gör det möjligt för iOS-utvecklare att implementera objektsegmenterings- och objektdetekteringslösningar. Med det här verktyget kan du skissera och redigera element inte bara i foton utan även i videor. Skapa dina egna datauppsättningar, bygg anpassade ML-modeller med några få klick och integrera din modell i din app. Denna plattform låter dig också arbeta med AR.

Fritz AI

Om du letar efter fler spännande lösningar för iOS- och Android-appar kan du också kolla in Fritz AI. Det ger dig flexibilitet i hur mycket du vill investera i ML-modellutveckling ― du kan träna anpassade modeller i Studion eller använda förtränade modeller. I programmet kan du skapa eller importera dina egna datamängder, övervaka modellens prestanda och träna om den. Om du utvecklar Snapchat-linser hjälper det här verktyget dig att lägga till no-code maskininlärning till dina utökade verklighetsfilter.

SuperAnnotera

Att göra anteckningar till videor och texter är ett tråkigt jobb, men det kan automatiseras med SuperAnnotera. Lösningen täcker en mängd fall inom olika branscher, som flygfotografering, autonom körning, robotteknik och medicin. Om du snabbt behöver bearbeta bilder och du inte vill anställa ett helt team av datavetare rekommenderar vi att du kollar upp det.

Snabb gruvarbetare

RapidMiner är ett verktyg skapat för datautvinning. Det bygger på idén att affärsanalytiker eller dataanalyser inte nödvändigtvis behöver programmera för att göra sitt jobb. Samtidigt kräver gruvdrift data, så verktyget var utrustat med en bra uppsättning operatörer som löser ett brett spektrum av uppgifter för att erhålla och bearbeta information från olika källor (databaser, filer). Sammantaget gör det här verktyget dataanalys tillräckligt enkelt för alla att använda det.

Vad-om-verktyg

Detta är ett superanvändbart verktyg för att bedöma modellernas prestanda utan kodning. ESPRI visar visuellt hur modellens beteende förändras över tid och över olika delmängder av data. Du kan också jämföra prestanda för två modeller för att se vilken som fungerar bäst.

DataRobot

DataRobot är en plattform som gör det möjligt för affärsanalytiker att bygga prediktiv analys utan kunskap om maskininlärning eller programmering. Plattformen använder automatisk maskininlärning (AutoML) för att generera exakta prediktiva modeller på kort tid. DataRobot tillhandahåller ett användarvänligt användargränssnitt för att skapa modeller för maskininlärning. Med bara några få steg kan ett företag distribuera en prediktiv analystjänst i realtid.

Nanonets AI

Intelligent dokumentbehandling är möjlig med Nanonetter. Den fångar data från dokument automatiskt, vilket sparar dig från timmar av manuell dokumenthantering. Nanonets AI bearbetar osynliga, semistrukturerade dokument även om de inte följer en standardmall, validerar automatiskt data och förbättras över tiden genom flera användningar.

Monkey Learn Studio

MonkeyLearn Studio tillhandahåller verktyg för att arbeta med textdata och syftar till att användas av företag. Denna plattform kan automatiskt tagga företagsdata, till exempel supportbiljetter eller e-postmeddelanden. Det hjälper också till med visualisering av data. MonkeyLearn gör det enkelt att arbeta med maskininlärning eftersom det har färdiga maskininlärningsmodeller som kan tränas och byggas kodfritt.

Slutliga ord

Dessa verktyg är coola för vad de är: plattformar utan kod för snabb distribution av enkla projekt av icke-tekniska experter eller nybörjare i ML. De kan på intet sätt ersätta anpassad ML-modellutveckling för högbelastnings- och dataintensiva projekt. Så om du har en unik idé i åtanke som involverar bearbetning av big data, automatisering av intensiva industriella processer eller känsliga prediktionsmodeller, kontakta oss. Tillsammans kan vi hitta lösningar som passar just dina behov.

Ursprungliga. Skickas om med tillstånd.

Relaterat:

• Skjuter maskininlärning utan kod till kanten
• Nästa generations AutoML-ramverk
• Lätt AutoML i Python