10 KI-Plattformen zum Erstellen Ihrer modernen Anwendung

von

Jetzt, da wir wissen, dass die Terminatoren uns nicht holen werden, ist es an der Zeit, sich mit künstlicher Intelligenz anzufreunden und davon zu profitieren!

Das Gebiet der Künstlichen Intelligenz und ihre bekannteste Teildisziplin, das Maschinelle Lernen, waren lange Zeit von einer geheimnisvollen Aura umgeben. Die Maschinerie der Propagandapresse pumpte Artikel für Artikel heraus, die den Aufstieg von superintelligenten, superunabhängigen und superbösen Maschinen vorhersagten, was viele in Verzweiflung stürzte (mich eingeschlossen).

Und was haben wir heute bei all dem Lärm und Rauch vorzuweisen? Eine KI-Technologie, die alles andere als perfekt ist, peinlich Fehlerund ein begrenzter, fehlerhaft funktionierender Roboter, der fast gewaltsam in einen verwandelt wurde Bürger. Verdammt, wir haben noch nicht einmal einen anständigen Sprachübersetzungsalgorithmus.

Wenn heute noch jemand darauf besteht, dass der Weltuntergang naht, hier meine Reaktion:

Was ist also KI, ML und all diese Schlagworte, wenn nicht das Ende der Menschheit?

Nun, das sind neue Möglichkeiten, einen Computer zu programmieren, um die Probleme im Zusammenhang mit Klassifizierung und Vorhersage zu lösen. Und stellen Sie sich vor, wir haben endlich viele KI-Dienste, die Sie sofort in Ihrer Geschäftsanwendung verwenden und enorme Vorteile erzielen können.

Was können die KI-Plattformen heute für Unternehmen tun?

Gute Frage!

Künstliche Intelligenz ist in ihrer Anwendung (zumindest theoretisch) so generisch, dass es unmöglich wäre, den Zweck zu nennen, für den sie entwickelt wurde. Es ist, als würde man fragen, wofür eine Tabellenkalkulation entwickelt wurde und was man damit machen kann. Sicher, es wurde für die Buchhaltung entwickelt, aber heute geht es weit über diese Verantwortung hinaus. Und die Buchhaltung ist nicht die einzige Funktion – die Leute verwenden sie als Projektmanagement-Tool, als Todo-Liste, als Datenbank und vieles mehr.

Gleiches gilt für KI.

Grob gesagt ist KI nützlich für Aufgaben, die lose definiert sind und auf dem Lernen aus Erfahrung beruhen. Ja, das tun Menschen auch, aber KI hat einen Vorteil, da sie Berge von Daten in kürzester Zeit verarbeiten und viel, viel schneller zu Schlussfolgerungen kommen kann. Daher sind einige der typischen Anwendungen von KI:

  • Erkennen von Gesichtern in einem Foto, Video usw
  • Klassifizieren und Taggen von Bildern, zum Beispiel für die Elternberatung
  • Umwandlung von Sprache in Text
  • Objekterkennung in Medien (z. B. ein Auto, eine Frau usw.)
  • Vorhersage der Aktienkursbewegung
  • Erkennung von Terrorismusfinanzierung (unter Millionen von Transaktionen pro Tag)
  • Empfehlungssysteme (Shopping, Musik, Freunde etc.)
  • Captcha bricht
  • Spam-Filterung
  • Erkennung von Netzwerkeindringlingen

Ich könnte weiter und weiter gehen und mir wahrscheinlich die Seiten ausgehen (bildlich gesprochen), aber ich denke, Sie haben jetzt die Idee. Dies sind alles Beispiele für Probleme, die Menschen mit traditionellen Computermitteln nur schwer lösen konnten. Und doch sind diese wichtig, da sie in der Wirtschaft und in der realen Welt einen enormen Bedarf haben.

Beginnen wir also ohne weiteres mit der Liste unserer Top-KI-Plattformen und sehen, was sie zu bieten haben.

Amazon AI-Dienste

So wie Amazon Unternehmen schnell aus dem Geschäft drängt, ist AWS als Plattform so dominant, dass einem fast nichts anderes einfällt. Gleiches gilt für Amazon AI-Dienstedas voll von unglaublich nützlichen KI-Diensten ist.

Hier sind einige der überwältigenden Services von AWS.

Amazon Comprehend: Hilft Ihnen, den ganzen Berg an textuellen, unstrukturierten Daten, die Sie haben, zu verstehen. Ein Anwendungsfall besteht darin, bestehende Kundensupport-Chats zu durchsuchen und herauszufinden, wie die Zufriedenheit im Laufe der Zeit war, was die Hauptanliegen des Kunden sind, welche Schlüsselwörter am häufigsten verwendet werden usw.

Amazon Forecast: Zero-Setup-Service für die Nutzung Ihrer vorhandenen Zeitreihendaten und deren Umwandlung in genaue Prognosen für die Zukunft. Falls Sie sich fragen, was Zeitreihendaten sind, werfen Sie einen Blick auf diesen Artikel, den ich kürzlich geschrieben habe (suchen Sie am Ende des Artikels nach einer Datenbank namens Timescale).

  So drehen Sie Fotos für Snapchat

Amazon Lex: Bauen Sie Konversationsschnittstellen (textuell und/oder visuell) in Ihre Anwendungen ein. Hinter den Kulissen laufen Amazons trainierte Modelle für maschinelles Lernen, die Absichten dekodieren und Sprache-zu-Text im laufenden Betrieb ausführen.

Amazon Personalize: Einfacher Service ohne Infrastruktur, um Empfehlungen für Ihre Kunden oder sich selbst zu erstellen! Sie können E-Commerce-Daten oder so ziemlich alles in diesen Dienst eingeben und sich über äußerst genaue und interessante Vorschläge freuen. Je größer der Datensatz, desto besser sind natürlich die Empfehlungen.

Es gibt viele weitere KI-Dienste von Amazon, und Sie könnten so ziemlich den ganzen Tag damit verbringen, sie zu durchsuchen. Trotzdem ist es eine Aktivität, die ich von ganzem Herzen empfehle! 🙂

Hinweis: Es ist schwierig, eine Zusammenfassung all dieser Services zusammen in den AWS-Dokumenten zu finden, aber wenn Sie zu https://aws.amazon.com/machine-learning gehen, werden diese in der Dropdown-Liste unter „AI Services“ aufgelistet.

TensorFlow

TensorFlow ist eine Bibliothek (und auch eine Plattform), die vom Team dahinter erstellt wurde Google-Gehirn. Es ist eine Implementierung der ML-Unterdomäne namens Deep Learning Neural Networks; Das heißt, TensorFlow ist Googles Ansatz, wie maschinelles Lernen mit neuronalen Netzen unter Verwendung der Technik des Deep Learning erreicht werden kann.

Nun, das bedeutet, dass TensorFlow natürlich nicht die einzige Möglichkeit ist, neuronale Netze zu verwenden – es gibt viele Bibliotheken da draußen, jede mit ihren Vor- und Nachteilen.

Im Großen und Ganzen bietet Ihnen TensorFlow die Standardfunktionen für maschinelles Lernen für viele verschiedene Programmierumgebungen. Allerdings ist die Basisplattform ziemlich visuell und stützt sich hauptsächlich auf Diagramme und Datenvisualisierungen, um die Arbeit zu erledigen. Daher ist es auch für Nicht-Programmierer möglich, mit etwas Aufwand gute Ergebnisse mit TensorFlow zu erzielen.

In der Vergangenheit zielte TensorFlow darauf ab, maschinelles Lernen zu „demokratisieren“. Meines Wissens war es die erste Plattform, die ML in diesem Maße einfach, visuell und zugänglich gemacht hat. Infolgedessen explodierte die ML-Nutzung und die Menschen konnten Modelle einfach trainieren.

Das wichtigste Verkaufsargument von TensorFlow ist Keras, eine Bibliothek zum effizienten programmatischen Arbeiten mit neuronalen Netzen. So einfach ist es, ein einfaches, vollständig verbundenes Netzwerk (Perceptron) zu erstellen:

model = tf.keras.Sequential()
# Adds a densely-connected layer with 64 units to the model:
model.add(layers.Dense(64, activation='relu'))
# Add another:
model.add(layers.Dense(64, activation='relu'))
# Add a softmax layer with 10 output units:
model.add(layers.Dense(10, activation='softmax'))

Natürlich müssen auch Konfigurationen, Schulungen usw. durchgeführt werden, aber auch sie sind ebenso einfach.

Es ist schwer, TensorFlow zu bemängeln, wenn man bedenkt, dass ML auf JavaScript, mobile Geräte und sogar IoT-Lösungen gebracht wird. In den Augen der Puristen bleibt es jedoch eine „kleinere“ Plattform, mit der sich jeder Tom, Dick und Harry anlegen kann. Seien Sie also bereit, auf Widerstand zu stoßen, wenn Sie die Fertigkeitsleiter hinaufsteigen und mehr „erleuchteten“ Seelen begegnen. 🙂

Wenn Sie ein Neuling sind, dann schauen Sie sich das an Online-Kurs zur TensorFlow-Einführung.

Beachten Sie auch: Einige Kritiker an TensorFlow erwähnen, dass es keine GPUs verwenden kann, was nicht mehr stimmt. Heute arbeitet TensorFlow nicht nur mit GPU, sondern Google hat seine einzige spezialisierte Hardware namens TPU (TensorFlow Processing Unit) entwickelt, die als Cloud verfügbar ist Service.

Google AI-Dienste

Genau wie die Dienste von Amazon hat auch Google eine Cloud-Suite Dienstleistungen dreht sich um KI. Ich werde davon absehen, alle Dienste aufzulisten, da sie den Angeboten von Amazon ziemlich ähnlich sind. Hier ist ein Screenshot dessen, was Entwickler bei Interesse erstellen können:

Im Großen und Ganzen gibt es zwei Möglichkeiten, wie Sie die KI-Dienste von Google nutzen können. Die erste besteht darin, ein bereits von Google trainiertes Modell zu verwenden und es einfach in Ihren Produkten anzuwenden. Die zweite ist die sog AutoML Service, der mehrere Zwischenstufen des maschinellen Lernens automatisiert und beispielsweise Full-Stack-Entwicklern mit geringerer ML-Expertise hilft, Modelle einfach zu erstellen und zu trainieren.

  So verwenden Sie Animoji auf dem iPhone X, XS und XR

H2O

Die „2“ in H2O soll ein tiefgestellter Index sein (ähnlich der chemischen Formel für Wasser, denke ich), aber es ist mühsam, es abzutippen. Ich hoffe, die Leute dahinter H2O wird nicht viel dagegen haben!

H2O ist eine Open-Source-Plattform für maschinelles Lernen, die von großen Namen aus Fortune 500 verwendet wird.

Die Hauptidee besteht darin, hochmoderne KI-Forschung der breiten Öffentlichkeit zugänglich zu machen, anstatt sie in den Händen von Unternehmen mit großen Taschen und Einflussmöglichkeiten zu lassen. Unter der H2O-Plattform werden mehrere Produkte angeboten, darunter:

  • H2O: Die Basisplattform zum Erkunden und Verwenden von maschinellem Lernen.
  • Sparkling Water: Offizielle Integration mit Apache Spark für große Datensätze.
  • H2O4GPU: GPU-beschleunigte Version der H2O-Plattform.

H2O stellt auch maßgeschneiderte Lösungen für Unternehmen her, darunter:

  • Driverless AI: Nein, Driverless AI hat nichts mit selbstfahrenden Autos zu tun! 🙂 Es ähnelt eher dem AutoML-Angebot von Google – die meisten KI/ML-Stufen sind automatisiert, was zu Tools führt, mit denen sich einfacher und schneller entwickeln lässt.
  • Bezahlter Support: Als Unternehmen können Sie es kaum erwarten, GitHub-Probleme zu melden und zu hoffen, dass sie bald beantwortet werden. Wenn Zeit Geld ist, bietet H2O kostenpflichtigen Support und Beratung für große Unternehmen an.

Petum

Petuum entwickelt die Symphonie Plattform, die darauf ausgelegt ist, KI nicht funktionieren zu lassen. Mit anderen Worten, wenn Sie das Programmieren satt haben und/oder sich keine weiteren Bibliotheken und Ausgabeformate merken möchten, wird sich Symphony wie ein Urlaub in den Alpen anfühlen!

Obwohl an der Symphony-Plattform nichts „offen“ ist, lohnt es sich, über die Funktionen zu sabbern:

  • Drag-and-Drop-Benutzeroberfläche
  • Erstellen Sie einfach interaktive Datenpipelines
  • Unzählige standardisierte und modulare Bausteine ​​zur Erstellung anspruchsvollerer KI-Anwendungen
  • Programmier- und API-Schnittstellen, die sich visuell anfühlen, sind nicht mächtig genug
  • Automatisierte Optimierung mit GPUs
  • Verteilte, hochskalierbare Plattform
  • Datenaggregation aus mehreren Quellen

Es gibt viele weitere Funktionen, die Ihnen wirklich das Gefühl geben, dass die Eintrittsbarriere erheblich gesenkt wurde. Sehr empfehlenswert!

Polyaxon

Die größte Herausforderung beim maschinellen Lernen und der KI besteht heute nicht darin, gute Bibliotheken und Algorithmen (oder sogar Lernressourcen) zu finden, sondern die qualifizierte Technik, die angewendet werden muss, um mit den gigantischen Systemen und den daraus resultierenden hohen Datenlasten fertig zu werden.

Selbst für erfahrene Softwareentwickler kann dies zu viel verlangt sein. Wenn es dir auch so geht, Polyaxon ist einen Blick wert.

Polyaxon ist keine Bibliothek oder gar ein Framework; Vielmehr handelt es sich um eine End-to-End-Lösung zur Verwaltung aller Aspekte des maschinellen Lernens, wie z.

  • Datenverbindungen und Streaming
  • Hardware-Beschleunigung
  • Containerisierung und Orchestrierung
  • Planung, Speicherung und Sicherheit
  • Pipelining, Optimierung, Tracking usw.
  • Dashboards, APIs, Visualisierungen usw.

Es ist ziemlich bibliotheks- und anbieterunabhängig, da eine große Anzahl beliebter (Open- und Closed-Source-) Lösungen unterstützt werden.

Natürlich müssen Sie sich immer noch mit der Bereitstellung und Skalierung auf einer bestimmten Ebene befassen. Wenn Sie selbst dem entkommen möchten, bietet Polyaxon eine PaaS-Lösung an, mit der Sie ihre Infrastruktur elastisch nutzen können.

DatenRobot

Einfach gesagt, DatenRobot ist eine fokussierte Lösung für maschinelles Lernen für Unternehmen. Es ist vollständig visuell und wurde entwickelt, um Ihre Daten schnell zu verstehen und für konkrete geschäftliche Zwecke zu nutzen.

Die Benutzeroberfläche ist intuitiv und elegant, sodass auch Nicht-Experten hinter die Räder kommen und aussagekräftige Erkenntnisse gewinnen können.

  Die besten Tastenkombinationen für Google Sheets

DataRobot hat nicht viele Funktionen; Stattdessen konzentriert es sich auf den traditionellen Sinn von Daten und bietet felsenfeste Funktionen in:

  • Automatisiertes maschinelles Lernen
  • Regression und Klassifikation
  • Zeitfolgen

In den meisten Fällen sind dies alles, was Sie für Ihr Unternehmen benötigen. Das heißt, in den meisten Fällen ist DataRobot alles, was Sie brauchen. 🙂

NeuralDesigner

Wo wir gerade bei benutzerfreundlichen, leistungsstarken KI-Plattformen sind, NeuralDesigner verdient eine besondere Erwähnung.

Über NeuralDesigner gibt es nicht viel zu sagen, aber viel zu tun! Angesichts der Tatsache, dass neuronale Netze die moderne Methodik des maschinellen Lernens mehr oder weniger dominiert haben, ist es sinnvoll, mit einer Plattform zu arbeiten, die sich ausschließlich auf neuronale Netze konzentriert. Keine große Auswahl, keine Ablenkungen – Qualität geht vor Quantität.

NeuralDesigner zeichnet sich in vielerlei Hinsicht aus:

  • Keine Programmierung erforderlich. Überhaupt.
  • Kein komplexer Schnittstellenaufbau erforderlich. Alles ist in sinnvollen, leicht verständlichen, geordneten Schritten aufgebaut.
  • Eine Sammlung der fortschrittlichsten und raffiniertesten Algorithmen speziell für neuronale Netze.
  • CPU-Parallelisierung und GPU-Beschleunigung für hohe Leistung.

Wert a sehen? Definitiv!

Vorschau.io

Pervision.io ist eine Plattform zur Verwaltung aller Aspekte des maschinellen Lernens, von der Datenverarbeitung bis zur Bereitstellung in großem Maßstab.

VorhersageIO

Wenn Sie ein Entwickler sind, VorhersageIO ist ein unglaublich nützliches Angebot, das Sie sich ansehen sollten. Im Kern ist PredictionIO eine Plattform für maschinelles Lernen, die Daten aus Ihrer App (Web, Mobil oder anderweitig) aufnehmen und schnell Vorhersagen erstellen kann.

Lassen Sie sich nicht vom Namen täuschen – PredictionIO ist nicht nur für Vorhersagen gedacht, sondern unterstützt das gesamte Spektrum des maschinellen Lernens. Hier sind einige coole Gründe, es zu lieben:

  • Unterstützung für Klassifizierung, Regression, Empfehlungen, NLP und vieles mehr.
  • Entwickelt, um ernsthafte Workloads in einer Big-Data-Umgebung zu bewältigen.
  • Mehrere vorgefertigte Vorlagen für Eilige.
  • Wird im Paket mit Apache Spark, MLlib, HBase, Akka HTTP und Elasticsearch geliefert und erfüllt alle möglichen Anforderungen einer robusten, modernen App.
  • Kombinierte Datenaufnahme aus mehreren Quellen, ob im Batch- oder Echtzeitmodus.
  • Wird als typischer Webdienst bereitgestellt – einfach zu nutzen und zu füttern.

Für die meisten Webprojekte da draußen sehe ich nicht, wie PredictionIO nicht viel Sinn macht. Gehen Sie voran und versuchen Sie es!

Fazit

Es gibt heute keinen Mangel an KI- und ML-Frameworks oder -Plattformen; Als ich anfing, für diesen Artikel zu recherchieren, war ich von der Auswahl überwältigt. Aus diesem Grund habe ich versucht, diese Liste auf die einzigartigen oder interessanten einzugrenzen. Wenn Sie der Meinung sind, dass ich etwas Wichtiges verpasst habe, lassen Sie es mich bitte wissen.

Coursera Ich habe einige der großartigen Kurse für maschinelles Lernen erhalten, also schauen Sie sich an, ob Sie daran interessiert sind, zu lernen.

Also, welche Plattform ist die beste? Leider keine klare Antwort. Ein Grund dafür, dass die meisten dieser Dienste an einen bestimmten Technologie-Stack oder ein bestimmtes Ökosystem gebunden sind (meistens der Aufbau eines sogenannten ummauerten Gartens). Der andere, wichtigere Grund ist, dass KI- und ML-Technologien mittlerweile standardisiert sind und es einen Wettlauf gibt, so viele Funktionen zu einem möglichst niedrigen Preis anzubieten. Kein Anbieter kann es sich leisten, nicht anzubieten, was die anderen anbieten, und jedes neue Angebot wird fast über Nacht von der Konkurrenz kopiert und bereitgestellt.

Daher kommt es darauf an, was Ihr Stack und Ihre Ziele sind, wie intuitiv Sie den Service finden, wie Sie die dahinter stehenden Unternehmen wahrnehmen und so weiter.

Aber wie auch immer, es versteht sich von selbst, dass KI endlich als Dienst verfügbar ist, und es wäre äußerst unklug, sie nicht zu nutzen. 🙂