10 πλατφόρμες AI για να δημιουργήσετε τη σύγχρονη εφαρμογή σας

Τώρα που ξέρουμε ότι οι Εξολοθρευτές δεν έρχονται να μας πάρουν, ήρθε η ώρα να κάνουμε φίλους με την Τεχνητή Νοημοσύνη και να επωφεληθούμε από αυτήν!

Για πολύ καιρό ο τομέας της Τεχνητής Νοημοσύνης και ο πιο διάσημος υπο-επιστημονικός κλάδος, η Μηχανική Μάθηση, περιβαλλόταν από μια μυστηριώδη αύρα. Ο μηχανισμός του προπαγανδιστικού Τύπου έβγαζε άρθρο μετά από άρθρο που προμήνυε την άνοδο υπερ-ευφυών, υπερ-ανεξάρτητων και υπερ-κακών μηχανών, κάνοντας πολλούς να πέσουν σε απόγνωση (συμπεριλαμβανομένου και του εαυτού μου).

Και τι έχουμε σήμερα να δείξουμε για όλο τον θόρυβο και τον καπνό; Μια τεχνολογία AI που απέχει πολύ από το να είναι τέλεια, ντροπιαστική λάθηκαι ένα περιορισμένο, δυσλειτουργικό ρομπότ που, σχεδόν με το ζόρι, μετατράπηκε σε α πολίτης. Καλό, δεν έχουμε καν έναν αξιοπρεπή αλγόριθμο μετάφρασης γλώσσας ακόμα.

Εάν σήμερα, κάποιος εξακολουθεί να επιμένει ότι η ημέρα της μοίρας είναι κοντά, ορίστε η αντίδρασή μου:

Τι είναι λοιπόν το AI, το ML και όλα αυτά τα τσιτάτα αν όχι το τέλος της ανθρωπότητας;

Λοιπόν, αυτοί είναι νέοι τρόποι προγραμματισμού ενός υπολογιστή για την επίλυση προβλημάτων που σχετίζονται με την ταξινόμηση και την πρόβλεψη. Και μαντέψτε, έχουμε επιτέλους πολλές υπηρεσίες τεχνητής νοημοσύνης που μπορείτε να αρχίσετε να χρησιμοποιείτε αμέσως στην εφαρμογή της επιχείρησής σας και να αποκομίσετε τεράστια οφέλη.

Τι μπορούν να κάνουν οι πλατφόρμες AI για τις επιχειρήσεις σήμερα;

Καλή ερώτηση!

Η Τεχνητή Νοημοσύνη είναι τόσο γενική στην εφαρμογή της (τουλάχιστον θεωρητικά) που θα ήταν αδύνατο να επισημανθεί ο σκοπός για τον οποίο αναπτύχθηκε. Είναι σαν να ρωτάς για ποιο σκοπό δημιουργήθηκε ένα υπολογιστικό φύλλο και τι μπορεί να κάνει κανείς με αυτό. Σίγουρα, αναπτύχθηκε για τη λογιστική, αλλά σήμερα υπερβαίνει κατά πολύ αυτή την ευθύνη. Και η λογιστική δεν είναι η μόνη λειτουργία — οι άνθρωποι τη χρησιμοποιούν ως εργαλείο διαχείρισης έργου, ως λίστα εργασιών, ως βάση δεδομένων και τι όχι.

Το ίδιο συμβαίνει και με το AI.

Σε γενικές γραμμές, η τεχνητή νοημοσύνη είναι χρήσιμη για εργασίες που είναι χαλαρά καθορισμένες και βασίζονται στην εκμάθηση από την εμπειρία. Ναι, αυτό κάνουν και οι άνθρωποι, αλλά η τεχνητή νοημοσύνη έχει ένα πλεονέκτημα καθώς μπορεί να επεξεργαστεί βουνά δεδομένων σε χρόνο μηδέν και να καταλήξει σε συμπεράσματα πολύ, πολύ πιο γρήγορα. Ως εκ τούτου, μερικές από τις τυπικές εφαρμογές της τεχνητής νοημοσύνης είναι:

• Ανίχνευση προσώπων σε φωτογραφία, βίντεο κ.λπ
• Ταξινόμηση και προσθήκη ετικετών σε εικόνες, για παράδειγμα, για παροχή συμβουλών γονέων
• Μετατροπή ομιλίας σε κείμενο
• Ανίχνευση αντικειμένων σε μέσα (π.χ. αυτοκίνητο, γυναίκα κ.λπ.)
• Πρόβλεψη κίνησης των τιμών των μετοχών
• Ανίχνευση χρηματοδότησης τρομοκρατίας (μεταξύ εκατομμυρίων συναλλαγών την ημέρα)
• Συστήματα συστάσεων (ψώνια, μουσική, φίλοι κ.λπ.)
• Σπάσιμο Captcha
• Φιλτράρισμα ανεπιθύμητων μηνυμάτων
• Ανίχνευση εισβολής στο δίκτυο

Θα μπορούσα να συνεχίσω και να συνεχίσω, και πιθανώς να ξεμείνω από σελίδες (μεταφορικά μιλώντας), αλλά υποθέτω ότι καταλαβαίνετε τώρα την ιδέα. Όλα αυτά είναι παραδείγματα προβλημάτων που οι άνθρωποι έχουν αγωνιστεί να λύσουν μέσω των παραδοσιακών μέσων υπολογιστών. Και όμως, αυτά είναι σημαντικά καθώς έχουν τεράστια ανάγκη στις επιχειρήσεις και στον πραγματικό κόσμο.

Έτσι, χωρίς περαιτέρω καθυστέρηση, ας ξεκινήσουμε με τη λίστα των κορυφαίων πλατφορμών τεχνητής νοημοσύνης μας και ας δούμε τι έχουν να προσφέρουν.

Υπηρεσίες AI της Amazon

Ακριβώς όπως η Amazon θέτει γρήγορα τις εταιρείες εκτός λειτουργίας, έτσι και η AWS είναι τόσο εξ ολοκλήρου κυρίαρχη ως πλατφόρμα που δεν υπάρχει σχεδόν τίποτα άλλο που μας έρχεται στο μυαλό. Το ίδιο συμβαίνει και με Υπηρεσίες AI της Amazonτο οποίο είναι γεμάτο από απίστευτα χρήσιμες υπηρεσίες AI.

Εδώ είναι μερικές από τις εντυπωσιακές υπηρεσίες που διαθέτει η AWS.

Amazon Comprehend: Σας βοηθά να κατανοήσετε όλο το πλήθος των κειμενικών, αδόμητων δεδομένων που έχετε. Μια περίπτωση χρήσης είναι αυτή της εξόρυξης υπαρχουσών συνομιλιών υποστήριξης πελατών και του προσδιορισμού των επιπέδων ικανοποίησης με την πάροδο του χρόνου, ποιες είναι οι κύριες ανησυχίες του πελάτη, ποιες λέξεις-κλειδιά χρησιμοποιούνται περισσότερο κ.λπ.

Amazon Forecast: Υπηρεσία μηδενικής ρύθμισης για τη χρήση των υπαρχόντων δεδομένων χρονοσειρών σας και τη μετατροπή τους σε ακριβείς προβλέψεις για το μέλλον. Σε περίπτωση που αναρωτιέστε τι είναι τα δεδομένα χρονοσειρών, ρίξτε μια ματιά σε αυτό το άρθρο που έγραψα πρόσφατα (αναζητήστε μια βάση δεδομένων που ονομάζεται Timescale προς το τέλος του άρθρου).

Amazon Lex: Δημιουργήστε διεπαφές συνομιλίας (κειμενικές ή/και οπτικές) στις εφαρμογές σας. Στα παρασκήνια εκτελούνται τα εκπαιδευμένα μοντέλα Machine Learning της Amazon που αποκωδικοποιούν την πρόθεση και μεταφέρουν ομιλία σε κείμενο εν κινήσει.

Amazon Personalize: Απλή και χωρίς υποδομή υπηρεσία για να δημιουργήσετε προτάσεις για τους πελάτες σας ή τον εαυτό σας! Μπορείτε να εισαγάγετε δεδομένα ηλεκτρονικού εμπορίου ή σχεδόν οτιδήποτε σε αυτήν την υπηρεσία και να απολαύσετε εξαιρετικά ακριβείς και ενδιαφέρουσες προτάσεις. Φυσικά, όσο μεγαλύτερο είναι το σύνολο δεδομένων, τόσο καλύτερες θα είναι οι συστάσεις.

Υπάρχουν πολλές περισσότερες υπηρεσίες τεχνητής νοημοσύνης που διαθέτει η Amazon και θα μπορούσατε να περάσετε σχεδόν όλη την ημέρα περιηγώντας τις. Παρόλα αυτά, είναι μια δραστηριότητα που προτείνω ανεπιφύλακτα! 🙂

Σημείωση: Είναι δύσκολο να εντοπίσετε μια σύνοψη όλων αυτών των υπηρεσιών μαζί στα έγγραφα AWS, αλλά αν μεταβείτε στη διεύθυνση https://aws.amazon.com/machine-learning, αυτές αναφέρονται στο αναπτυσσόμενο μενού στην ενότητα “Υπηρεσίες AI”.

TensorFlow

TensorFlow είναι μια βιβλιοθήκη (και επίσης μια πλατφόρμα) που δημιουργήθηκε από την ομάδα πίσω Google Brain. Είναι μια υλοποίηση του υποτομέα ML που ονομάζεται Deep Learning Neural Networks. Δηλαδή, το TensorFlow είναι η άποψη της Google σχετικά με τον τρόπο επίτευξης μηχανικής μάθησης με νευρωνικά δίκτυα χρησιμοποιώντας την τεχνική της βαθιάς μάθησης.

Τώρα, αυτό σημαίνει ότι το TensorFlow δεν είναι φυσικά ο μόνος τρόπος για να χρησιμοποιήσετε τα νευρωνικά δίκτυα – υπάρχουν πολλές βιβλιοθήκες εκεί έξω, η καθεμία με τα πλεονεκτήματα και τα μειονεκτήματά της.

Σε γενικές γραμμές, το TensorFlow σάς επιτρέπει τις στοκ δυνατότητες Machine Learning για πολλά διαφορετικά περιβάλλοντα προγραμματισμού. Τούτου λεχθέντος, η βασική πλατφόρμα είναι αρκετά οπτική και βασίζεται κυρίως σε γραφήματα και απεικονίσεις δεδομένων για να ολοκληρώσει τη δουλειά. Ως εκ τούτου, ακόμα κι αν δεν είστε προγραμματιστής, είναι δυνατό, με κάποια προσπάθεια, να έχετε καλά αποτελέσματα από το TensorFlow.

Ιστορικά, το TensorFlow στόχευε στον «εκδημοκρατισμό» της Μηχανικής Μάθησης. Εξ όσων γνωρίζω, ήταν η πρώτη πλατφόρμα που έκανε το ML απλό, οπτικό και προσβάσιμο σε αυτόν τον βαθμό. Ως αποτέλεσμα, η χρήση ML εκτινάχθηκε και οι άνθρωποι μπορούσαν να εκπαιδεύσουν εύκολα μοντέλα.

Το πιο σημαντικό σημείο πώλησης του TensorFlow είναι Κεράς, η οποία είναι μια βιβλιοθήκη για αποτελεσματική εργασία με νευρωνικά δίκτυα μέσω προγραμματισμού. Δείτε πόσο απλό είναι να δημιουργήσετε ένα απλό, πλήρως συνδεδεμένο δίκτυο (perceptron):

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'))

Φυσικά πρέπει να γίνουν και ρυθμίσεις, εκπαίδευση κ.λπ., αλλά και αυτά είναι εξίσου απλά.

Είναι δύσκολο να βρεις λάθος με το TensorFlow, λαμβάνοντας υπόψη ότι το ML που έφερε σε JavaScript, κινητές συσκευές, ακόμη και λύσεις IoT. Ωστόσο, στα μάτια των καθαρολόγους, παραμένει μια «κατώτερη» πλατφόρμα με την οποία μπορούν να μπλέξουν κάθε Tom, Dick και Harry. Έτσι, να είστε έτοιμοι να αντιμετωπίσετε κάποια αντίσταση καθώς ανεβαίνετε τη σκάλα δεξιοτήτων και συναντάτε πιο «φωτισμένες» ψυχές. 🙂

Εάν είστε αρχάριος, τότε ρίξτε μια ματιά σε αυτό Ηλεκτρονικό μάθημα εισαγωγής TensorFlow.

Σημείωση επίσης: Κάποια κριτική για το TensorFlow αναφέρει ότι δεν μπορεί να χρησιμοποιήσει GPU, κάτι που δεν ισχύει πλέον. Σήμερα το TensorFlow δεν λειτουργεί μόνο με GPU, αλλά η Google έχει αναπτύξει το μοναδικό εξειδικευμένο υλικό της που ονομάζεται TPU (TensorFlow Processing Unit), το οποίο είναι διαθέσιμο ως Cloud υπηρεσία.

Υπηρεσίες AI της Google

Ακριβώς όπως οι υπηρεσίες της Amazon, η Google διαθέτει επίσης μια σουίτα cloud Υπηρεσίες περιστρέφεται γύρω από την τεχνητή νοημοσύνη. Θα αποφύγω να αναφέρω όλες τις υπηρεσίες, καθώς είναι αρκετά παρόμοιες με τις προσφορές της Amazon. Ακολουθεί ένα στιγμιότυπο οθόνης του τι είναι διαθέσιμο για να δημιουργήσουν οι προγραμματιστές εάν ενδιαφέρονται:

Σε γενικές γραμμές, υπάρχουν δύο τρόποι με τους οποίους μπορείτε να χρησιμοποιήσετε τις υπηρεσίες τεχνητής νοημοσύνης της Google. Το πρώτο είναι να χρησιμοποιήσετε ένα μοντέλο που έχει ήδη εκπαιδευτεί από την Google και απλώς να αρχίσετε να το εφαρμόζετε στα προϊόντα σας. Το δεύτερο είναι το λεγόμενο AutoML υπηρεσία, η οποία αυτοματοποιεί πολλά ενδιάμεσα στάδια της Μηχανικής Εκμάθησης, βοηθώντας, ας πούμε, τους προγραμματιστές full stack με μικρότερη τεχνογνωσία ML να δημιουργούν και να εκπαιδεύουν εύκολα μοντέλα.

H2O

Το “2” στο H2O υποτίθεται ότι είναι δείκτης (που μοιάζει με τον χημικό τύπο για το νερό, υποθέτω), αλλά είναι ενοχλητικό να το πληκτρολογήσετε. Ελπίζω οι άνθρωποι πίσω H2O δεν θα πειράξει τόσο πολύ!

Το H2O είναι μια πλατφόρμα ανοιχτού κώδικα για τη Μηχανική Μάθηση που χρησιμοποιείται από μεγάλα ονόματα που περιλαμβάνονται στο Fortune 500.

Η κύρια ιδέα είναι να κάνουμε την έρευνα αιχμής για την τεχνητή νοημοσύνη να φτάσει στο ευρύ κοινό αντί να την αφήσουμε να παραμείνει στα χέρια εταιρειών με βαθιές τσέπες και μόχλευση. Πολλά προϊόντα προσφέρονται κάτω από την πλατφόρμα H2O, όπως:

• H2O: Η βασική πλατφόρμα για εξερεύνηση και χρήση της Μηχανικής Μάθησης.
• Ανθρακούχο Νερό: Επίσημη ενσωμάτωση με Apache Spark για μεγάλα σύνολα δεδομένων.
• H2O4GPU: Έκδοση με επιτάχυνση GPU της πλατφόρμας H2O.

Το H2O παράγει επίσης λύσεις προσαρμοσμένες για την επιχείρηση, και αυτές περιλαμβάνουν:

• Τεχνητή νοημοσύνη χωρίς οδηγό: Όχι, η τεχνητή νοημοσύνη χωρίς οδηγό δεν έχει καμία σχέση με αυτοοδηγούμενα αυτοκίνητα! 🙂 Είναι περισσότερο στις γραμμές της προσφοράς AutoML της Google — τα περισσότερα από τα στάδια AI/ML είναι αυτοματοποιημένα, με αποτέλεσμα εργαλεία που είναι απλούστερα και πιο γρήγορα στην ανάπτυξη.
• Υποστήριξη επί πληρωμή: Ως επιχείρηση, ανυπομονείτε να θέσετε ζητήματα του GitHub και να ελπίζετε ότι θα απαντηθούν σύντομα. Εάν ο χρόνος είναι χρήμα, το H2O προσφέρει πληρωμένη υποστήριξη και συμβουλές για μεγάλες εταιρείες.

Petuum

Το Petuum αναπτύσσει το Συμφωνία πλατφόρμα, η οποία έχει σχεδιαστεί για να μην λειτουργεί η τεχνητή νοημοσύνη. Με άλλα λόγια, αν έχετε βαρεθεί την κωδικοποίηση ή/και δεν θέλετε να απομνημονεύσετε περισσότερες βιβλιοθήκες και μορφές εξόδου, το Symphony θα νιώσει σαν διακοπές στις Άλπεις!

Αν και δεν υπάρχει τίποτα “ανοιχτό” σχετικά με την πλατφόρμα Symphony, αξίζει να σχολιάσετε τα χαρακτηριστικά:

• Μεταφορά και απόθεση διεπαφής χρήστη
• Δημιουργήστε εύκολα διαδραστικούς αγωγούς δεδομένων
• Τόνοι τυποποιημένων και αρθρωτών δομικών στοιχείων για τη δημιουργία πιο εξελιγμένων εφαρμογών τεχνητής νοημοσύνης
• Ο προγραμματισμός και οι διεπαφές API που αισθάνονται τον οπτικό τρόπο δεν είναι αρκετά ισχυροί
• Αυτοματοποιημένη βελτιστοποίηση με GPU
• Κατανεμημένη, εξαιρετικά επεκτάσιμη πλατφόρμα
• Συγκέντρωση δεδομένων πολλαπλών πηγών

Υπάρχουν πολλά περισσότερα χαρακτηριστικά που πραγματικά θα σας κάνουν να νιώσετε ότι το εμπόδιο εισόδου έχει μειωθεί σημαντικά. Συνιστάται!

Πολύαξον

Η μεγαλύτερη πρόκληση σήμερα στη Μηχανική Μάθηση και την Τεχνητή Νοημοσύνη δεν είναι η εύρεση καλών βιβλιοθηκών και αλγορίθμων (ή ακόμα και πόρων εκμάθησης), αλλά η εξειδικευμένη μηχανική που πρέπει να εφαρμοστεί για την αντιμετώπιση των κολοσσών συστημάτων και των υψηλών φορτίων δεδομένων που προκύπτουν.

Ακόμη και για έμπειρους μηχανικούς λογισμικού, μπορεί να είναι υπερβολικό. Αν νιώθεις κι εσύ έτσι, Πολύαξον αξίζει μια ματιά.

Το Polyaxon δεν είναι βιβλιοθήκη ή καν πλαίσιο. Αντίθετα, είναι μια λύση από άκρο σε άκρο για τη διαχείριση όλων των πτυχών της Μηχανικής Μάθησης, όπως:

• Συνδέσεις δεδομένων και ροή
• Επιτάχυνση υλικού
• Containerization και ενορχήστρωση
• Προγραμματισμός, αποθήκευση και ασφάλεια
• Σωληνώσεις, βελτιστοποίηση, παρακολούθηση κ.λπ.
• Πίνακας ελέγχου, API, οπτικοποιήσεις κ.λπ.

Είναι λίγο πολύ αγνωστικιστικό για τη βιβλιοθήκη και τον πάροχο, καθώς υποστηρίζεται ένας μεγάλος αριθμός δημοφιλών λύσεων (ανοιχτού και κλειστού κώδικα).

Φυσικά, πρέπει ακόμα να ασχοληθείτε με την ανάπτυξη και την κλιμάκωση σε ένα συγκεκριμένο επίπεδο. Αν θέλετε να ξεφύγετε ακόμη και από αυτό, η Polyaxon προσφέρει μια λύση PaaS που σας επιτρέπει να χρησιμοποιείτε την υποδομή τους με ελαστικότητα.

DataRobot

Με απλά λόγια, DataRobot είναι μια εστιασμένη λύση Machine Learning για την επιχείρηση. Είναι οπτικό σε όλη τη διαδρομή και έχει σχεδιαστεί για να κατανοεί γρήγορα τα δεδομένα σας και να τα μεταφέρει σε συγκεκριμένη επιχειρηματική χρήση.

Η διεπαφή είναι διαισθητική και κομψή, επιτρέποντας σε μη ειδικούς να βρίσκονται πίσω από τους τροχούς και να δημιουργούν σημαντικές πληροφορίες.

Το DataRobot δεν έχει πολλές δυνατότητες. Αντίθετα, εστιάζει στην παραδοσιακή αίσθηση των δεδομένων και παρέχει σταθερές δυνατότητες σε:

• Αυτοματοποιημένη Μηχανική Εκμάθηση
• Παλινδρόμηση και Ταξινόμηση
• Χρονική σειρά

Τις περισσότερες φορές, αυτά είναι όλα όσα χρειάζεστε για την επιχείρησή σας. Δηλαδή, στις περισσότερες περιπτώσεις, το DataRobot είναι το μόνο που χρειάζεστε. 🙂

NeuralDesigner

Ενώ βρισκόμαστε στο θέμα των εύχρηστων, ισχυρών πλατφορμών τεχνητής νοημοσύνης, NeuralDesigner αξίζει ιδιαίτερης αναφοράς.

Δεν υπάρχουν πολλά να πούμε για το NeuralDesigner, αλλά υπάρχουν πολλά να κάνουμε! Δεδομένου ότι τα Νευρωνικά Δίκτυα έχουν κυριαρχήσει λίγο πολύ στη σύγχρονη μεθοδολογία Machine Learning, είναι λογικό να δουλεύουμε με μια πλατφόρμα που εστιάζει αποκλειστικά στα Νευρωνικά Δίκτυα. Χωρίς πολλές επιλογές, χωρίς περισπασμούς — ποιότητα έναντι ποσότητας.

Το NeuralDesigner διαπρέπει με πολλούς τρόπους:

• Δεν απαιτείται προγραμματισμός. Καθόλου.
• Δεν απαιτείται σύνθετη κατασκευή διεπαφής. Όλα εκτίθενται με λογικά, εύκολα κατανοητά, διατεταγμένα βήματα.
• Μια συλλογή από τους πιο προηγμένους και εκλεπτυσμένους αλγόριθμους ειδικά για τα νευρωνικά δίκτυα.
• Παραλληλισμός CPU και επιτάχυνση GPU για υψηλή απόδοση.

Αξίζει α Κοίτα? Σίγουρα!

Prevision.io

Pervision.io είναι μια πλατφόρμα για τη διαχείριση όλων των πτυχών της Μηχανικής Εκμάθησης, από την επεξεργασία δεδομένων έως την ανάπτυξη σε κλίμακα.

ΠρόβλεψηΙΟ

Εάν είστε προγραμματιστής, ΠρόβλεψηΙΟ είναι μια απίστευτα χρήσιμη προσφορά που πρέπει να εξετάσετε. Στον πυρήνα του, το PredictionIO είναι μια πλατφόρμα μηχανικής εκμάθησης που μπορεί να απορροφήσει δεδομένα από την εφαρμογή σας (ιστό, κινητό ή άλλο) και να δημιουργήσει γρήγορα προβλέψεις.

Μην παραπλανηθείτε από το όνομα — Το PredictionIO δεν είναι μόνο για προβλέψεις, αλλά υποστηρίζει όλο το φάσμα της Μηχανικής Μάθησης. Εδώ είναι μερικοί ωραίοι λόγοι για να το λατρέψετε:

• Υποστήριξη για ταξινόμηση, παλινδρόμηση, συστάσεις, NLP και ό,τι όχι.
• Κατασκευάστηκε για να χειρίζεται σοβαρούς φόρτους εργασίας σε μια ρύθμιση Big Data.
• Αρκετά προκατασκευασμένα πρότυπα για όσους βιάζονται.
• Συνοδεύεται από Apache Spark, MLlib, HBase, Akka HTTP και Elasticsearch, καλύπτοντας κάθε πιθανή ανάγκη μιας ισχυρής, σύγχρονης εφαρμογής.
• Συνδυασμένη απορρόφηση δεδομένων από πολλαπλές πηγές, είτε σε λειτουργία ομαδικής είτε σε πραγματικό χρόνο.
• Αναπτύχθηκε ως τυπική υπηρεσία Ιστού — εύκολη στην κατανάλωση και την τροφοδοσία.

Για τα περισσότερα έργα ιστού εκεί έξω, δεν βλέπω πώς το PredictionIO δεν έχει πολύ νόημα. Προχωρήστε και δοκιμάστε το!

συμπέρασμα

Δεν υπάρχει έλλειψη πλαισίου ή πλατφόρμας AI και ML σήμερα. Ήμουν κυριευμένος από επιλογές όταν άρχισα να ερευνώ για αυτό το άρθρο. Ως αποτέλεσμα, προσπάθησα να περιορίσω αυτή τη λίστα στα μοναδικά ή ενδιαφέροντα. Αν νομίζετε ότι έχασα κάτι σημαντικό, ενημερώστε με.

Coursera πήρα μερικά από τα υπέροχα μαθήματα μηχανικής εκμάθησης, οπότε ελέγξτε αν σας ενδιαφέρει να μάθετε.

Λοιπόν, ποια πλατφόρμα είναι η καλύτερη; Δυστυχώς, δεν υπάρχει ξεκάθαρη απάντηση. Ένας λόγος που οι περισσότερες από αυτές τις υπηρεσίες συνδέονται με μια συγκεκριμένη στοίβα τεχνολογίας ή οικοσύστημα (κυρίως χτίζοντας αυτό που ονομάζεται περιφραγμένος κήπος). Ο άλλος, πιο σημαντικός, ο λόγος είναι ότι μέχρι τώρα, οι τεχνολογίες AI και ML έχουν εμπορευματοποιηθεί και υπάρχει ένας αγώνας δρόμου για την παροχή όσο το δυνατόν περισσότερων χαρακτηριστικών σε όσο το δυνατόν χαμηλότερη τιμή. Κανένας πωλητής δεν έχει την πολυτέλεια να μην προσφέρει αυτό που προσφέρουν οι άλλοι, και κάθε νέα προσφορά αντιγράφεται και εξυπηρετείται από τους ανταγωνιστές σχεδόν σε μια νύχτα.

Ως εκ τούτου, όλα εξαρτώνται από το ποια είναι η στοίβα και οι στόχοι σας, πόσο διαισθητική θεωρείτε ότι είναι η υπηρεσία, ποια είναι η αντίληψή σας για τις εταιρείες πίσω από αυτήν και ούτω καθεξής.

Ωστόσο, όποια και αν είναι η περίπτωση, είναι αυτονόητο ότι η τεχνητή νοημοσύνη είναι τελικά διαθέσιμη ως υπηρεσία και δεν θα ήταν εξαιρετικά συνετό να μην την χρησιμοποιήσετε. 🙂