10 แพลตฟอร์ม AI เพื่อสร้างแอปพลิเคชันที่ทันสมัยของคุณ

ตอนนี้เรารู้แล้วว่า Terminators จะไม่มาหาเรา ถึงเวลาที่จะทำความรู้จักกับปัญญาประดิษฐ์และใช้ประโยชน์จากปัญญาประดิษฐ์นี้แล้ว!

เป็นเวลานานที่สาขาปัญญาประดิษฐ์และสาขาย่อยที่มีชื่อเสียงที่สุดคือ Machine Learning ถูกล้อมรอบด้วยรัศมีลึกลับ เครื่องกดโฆษณาชวนเชื่อกำลังสูบฉีดบทความหลังจากบทความที่ทำนายถึงการเกิดขึ้นของเครื่องจักรที่ชาญฉลาด ซุปเปอร์อิสระ และชั่วร้ายสุดๆ ซึ่งทำให้หลายคนตกอยู่ในความสิ้นหวัง (รวมถึงตัวฉันด้วย)

และวันนี้เรามีอะไรจะแสดงให้เห็นสำหรับเสียงและควันทั้งหมด? เทคโนโลยี AI ที่ไร้ซึ่งความสมบูรณ์แบบน่าอาย ความผิดพลาดและหุ่นยนต์ทำงานผิดพลาดจำนวนจำกัดที่เกือบจะกลายเป็น พลเมือง. เฮ็คเรายังไม่มีอัลกอริธึมการแปลภาษาที่เหมาะสม

ถ้าวันนี้ยังมีคนยืนกรานว่าวันโลกาวินาศใกล้เข้ามา นี่คือปฏิกิริยาของฉัน:

แล้ว AI, ML และคำศัพท์เหล่านั้นคืออะไร ถ้าไม่ใช่จุดจบของมนุษยชาติ?

นี่เป็นวิธีใหม่ในการเขียนโปรแกรมคอมพิวเตอร์เพื่อแก้ปัญหาที่เกี่ยวข้องกับการจำแนกประเภทและการทำนาย และในที่สุด เราก็มีบริการ AI มากมายที่คุณสามารถเริ่มใช้งานได้ทันทีในแอปพลิเคชันธุรกิจของคุณ และเก็บเกี่ยวผลประโยชน์มหาศาล

แพลตฟอร์ม AI สามารถทำอะไรให้กับธุรกิจในปัจจุบันได้บ้าง

คำถามที่ดี!

ปัญญาประดิษฐ์นั้นเป็นเรื่องธรรมดามากในการนำไปใช้ (อย่างน้อยก็ในทางทฤษฎี) ซึ่งเป็นไปไม่ได้ที่จะชี้ให้เห็นถึงจุดประสงค์ในการพัฒนา มันเหมือนกับถามว่าสเปรดชีตพัฒนาขึ้นเพื่ออะไรและทำอะไรกับมันได้บ้าง แน่นอนว่ามันถูกพัฒนามาเพื่อการบัญชี แต่วันนี้มันเกินความรับผิดชอบนั้นมาก และการบัญชีไม่ใช่หน้าที่เดียว ผู้คนใช้เป็นเครื่องมือในการจัดการโครงการ เป็นรายการสิ่งที่ต้องทำ เป็นฐานข้อมูล และอีกมากมาย

เช่นเดียวกับ AI

กล่าวโดยคร่าว AI มีประโยชน์สำหรับงานที่กำหนดอย่างหลวม ๆ และอาศัยการเรียนรู้จากประสบการณ์ ใช่ นั่นคือสิ่งที่มนุษย์ทำเช่นกัน แต่ AI มีความได้เปรียบในการประมวลผลข้อมูลจำนวนมากในเวลาไม่นานและได้ข้อสรุปเร็วกว่ามาก ดังนั้น การใช้งานทั่วไปของ AI คือ:

  • การตรวจจับใบหน้าในภาพถ่าย วิดีโอ ฯลฯ
  • การจัดประเภทและแท็กรูปภาพ เช่น สำหรับคำแนะนำสำหรับผู้ปกครอง
  • การแปลงคำพูดเป็นข้อความ
  • การตรวจจับวัตถุในสื่อ (เช่น รถยนต์ ผู้หญิง ฯลฯ)
  • การทำนายการเคลื่อนไหวของราคาหุ้น
  • การตรวจจับเงินทุนจากการก่อการร้าย (จำนวนธุรกรรมหลายล้านรายการต่อวัน)
  • ระบบแนะนำ (ช้อปปิ้ง เพลง เพื่อน ฯลฯ)
  • Captcha ทำลาย
  • การกรองสแปม
  • การตรวจจับการบุกรุกเครือข่าย

ฉันสามารถไปต่อและอาจจะไม่มีหน้ากระดาษ (เปรียบเปรย) แต่ฉันเดาว่าตอนนี้คุณคงเข้าใจแล้ว เหล่านี้ล้วนเป็นตัวอย่างของปัญหาที่มนุษย์พยายามแก้ไขด้วยวิธีการคำนวณแบบเดิมๆ อย่างไรก็ตาม สิ่งเหล่านี้มีความสำคัญเนื่องจากมีความต้องการอย่างมากในธุรกิจและในโลกแห่งความเป็นจริง

ดังนั้น เพื่อไม่ให้เป็นการเสียเวลา เรามาเริ่มกันที่รายการแพลตฟอร์ม AI ชั้นนำของเรา และดูว่าพวกเขาเสนออะไรให้บ้าง

บริการ Amazon AI

เช่นเดียวกับที่ Amazon กำลังนำบริษัทออกจากธุรกิจอย่างรวดเร็ว ดังนั้น AWS ก็มีความโดดเด่นอย่างมากในฐานะแพลตฟอร์มที่แทบไม่มีอะไรอยู่ในใจอีกต่อไป ไปด้วย บริการ Amazon AIซึ่งเต็มไปด้วยบริการ AI ที่มีประโยชน์อย่างเหลือเชื่อ

ต่อไปนี้คือบริการที่น่าเหลือเชื่อที่ AWS มี

Amazon Comprehend: ช่วยให้คุณเข้าใจข้อมูลที่เป็นข้อความและไม่มีโครงสร้างทั้งหมดที่คุณมี กรณีการใช้งานหนึ่งคือการขุดแชทของฝ่ายสนับสนุนลูกค้าที่มีอยู่และค้นหาว่าระดับความพึงพอใจเป็นอย่างไรในช่วงเวลาหนึ่ง ปัญหาหลักๆ ของลูกค้าคืออะไร คำหลักใดที่ใช้บ่อยที่สุด เป็นต้น

การพยากรณ์ของ Amazon: บริการตั้งค่าเป็นศูนย์สำหรับการใช้ข้อมูลอนุกรมเวลาที่มีอยู่ของคุณและเปลี่ยนเป็นการคาดการณ์ที่แม่นยำสำหรับอนาคต ในกรณีที่คุณสงสัยว่าข้อมูลอนุกรมเวลาคืออะไร ให้ดูบทความนี้ที่ฉันเขียนเมื่อเร็วๆ นี้ (มองหาฐานข้อมูลชื่อ Timescale ที่ส่วนท้ายของบทความ)

Amazon Lex: สร้างอินเทอร์เฟซการสนทนา (ข้อความและ/หรือภาพ) ลงในแอปพลิเคชันของคุณ เบื้องหลังกำลังเรียกใช้โมเดล Machine Learning ที่ผ่านการฝึกอบรมของ Amazon ซึ่งถอดรหัสเจตนาและแปลงเสียงพูดเป็นข้อความได้ทันที

Amazon Personalize: บริการที่เรียบง่ายและไม่มีโครงสร้างพื้นฐานเพื่อสร้างคำแนะนำสำหรับลูกค้าของคุณหรือตัวคุณเอง! คุณสามารถป้อนข้อมูลอีคอมเมิร์ซหรืออะไรก็ได้ในบริการนี้ และเพลิดเพลินไปกับคำแนะนำที่แม่นยำและน่าสนใจ แน่นอน ยิ่งชุดข้อมูลมีขนาดใหญ่เท่าใด คำแนะนำก็จะยิ่งดีขึ้นเท่านั้น

มีบริการ AI มากมายที่ Amazon มี และคุณสามารถใช้เวลาทั้งวันในการเรียกดูข้อมูลเหล่านี้ได้ อย่างไรก็ตาม เป็นกิจกรรมที่ฉันแนะนำอย่างสุดใจ! 🙂

  11 สุดยอดเครื่องมือโซเชียลมีเดีย Analytics และแดชบอร์ดข้อมูลธุรกิจ

หมายเหตุ: เป็นการยากที่จะค้นหาข้อมูลสรุปของบริการทั้งหมดเหล่านี้ร่วมกันในเอกสารของ AWS แต่ถ้าคุณไปที่ https://aws.amazon.com/machine-learning บริการเหล่านี้จะแสดงในรายการดรอปดาวน์ภายใต้ “บริการ AI”

TensorFlow

TensorFlow เป็นห้องสมุด (และยังเป็นแพลตฟอร์ม) ที่สร้างขึ้นโดยทีมงานเบื้องหลัง Google Brain. เป็นการใช้งานโดเมนย่อย ML ที่เรียกว่า Deep Learning Neural Networks; กล่าวคือ TensorFlow เป็นแนวทางของ Google ในการบรรลุการเรียนรู้ด้วยเครื่องด้วยโครงข่ายประสาทโดยใช้เทคนิคการเรียนรู้เชิงลึก

นั่นหมายความว่า TensorFlow ไม่ใช่วิธีเดียวที่จะใช้ Neural Networks — มีไลบรารี่มากมาย ซึ่งแต่ละแห่งก็มีข้อดีและข้อเสีย

ในวงกว้าง TensorFlow ช่วยให้คุณสามารถสต็อกความสามารถ Machine Learning สำหรับสภาพแวดล้อมการเขียนโปรแกรมที่แตกต่างกันมากมาย ที่กล่าวว่าแพลตฟอร์มฐานมีภาพสวยและอาศัยกราฟและการแสดงข้อมูลเป็นส่วนใหญ่เพื่อให้งานเสร็จสิ้น ดังนั้น แม้ว่าคุณจะไม่ใช่โปรแกรมเมอร์ แต่ก็เป็นไปได้ด้วยความพยายามบางอย่างเพื่อให้ได้ผลลัพธ์ที่ดีจาก TensorFlow

ในอดีต TensorFlow มุ่งเป้าไปที่ “การทำให้เป็นประชาธิปไตย” แมชชีนเลิร์นนิง จากความรู้ของฉัน มันเป็นแพลตฟอร์มแรกที่ทำให้ ML เรียบง่าย มองเห็นได้ และเข้าถึงได้ในระดับนี้ ผลที่ได้คือการใช้ ML ระเบิดขึ้น และผู้คนสามารถฝึกโมเดลได้อย่างง่ายดาย

จุดขายที่สำคัญที่สุดของ TensorFlow คือ Kerasซึ่งเป็นห้องสมุดสำหรับการทำงานอย่างมีประสิทธิภาพกับ Neural Networks แบบเป็นโปรแกรม ต่อไปนี้คือความง่ายในการสร้างเครือข่ายที่เรียบง่ายและเชื่อมต่ออย่างสมบูรณ์ (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'))

แน่นอนว่าต้องมีการกำหนดค่า การฝึกอบรม ฯลฯ เช่นกัน แต่สิ่งเหล่านี้ก็ง่ายพอๆ กัน

เป็นการยากที่จะพบข้อผิดพลาดกับ TensorFlow เมื่อพิจารณาจาก ML ที่นำมาสู่ JavaScript อุปกรณ์มือถือ และแม้แต่โซลูชัน IoT อย่างไรก็ตาม ในสายตาของคนเจ้าระเบียบ มันยังคงเป็นแพลตฟอร์ม “น้อยกว่า” ที่ Tom, Dick และ Harry ทุกคนสามารถยุ่งได้ ดังนั้นจงพร้อมที่จะเผชิญกับการต่อต้านเมื่อคุณเลื่อนขั้นบันไดทักษะและพบกับวิญญาณที่ “รู้แจ้ง” มากขึ้น 🙂

หากคุณเป็นมือใหม่ลองดูสิ่งนี้ คอร์สออนไลน์แนะนำ TensorFlow.

หมายเหตุเพิ่มเติม: คำวิจารณ์บางคำของ TensorFlow ระบุว่าไม่สามารถใช้ GPU ได้ ซึ่งไม่เป็นความจริงอีกต่อไป วันนี้ TensorFlow ไม่เพียงแต่ทำงานร่วมกับ GPU เท่านั้น แต่ Google ได้พัฒนาฮาร์ดแวร์เฉพาะที่เรียกว่า TPU (TensorFlow Processing Unit) ซึ่งมีให้ใช้งานในรูปแบบคลาวด์ บริการ.

บริการ Google AI

เช่นเดียวกับบริการของ Amazon Google ยังมีชุดคลาวด์ บริการ ที่หมุนรอบ AI ฉันจะงดเว้นรายชื่อบริการทั้งหมด เนื่องจากค่อนข้างคล้ายกับข้อเสนอของ Amazon นี่คือภาพหน้าจอของสิ่งที่นักพัฒนาซอฟต์แวร์สามารถสร้างได้หากพวกเขาสนใจ:

โดยทั่วไป คุณสามารถใช้บริการ AI ของ Google ได้ 2 วิธี อย่างแรกคือใช้แบบจำลองที่ได้รับการฝึกอบรมจาก Google แล้วจึงเริ่มนำไปใช้กับผลิตภัณฑ์ของคุณ ประการที่สองคือสิ่งที่เรียกว่า AutoML บริการซึ่งทำให้ขั้นตอนต่างๆ เป็นตัวกลางของ Machine Learning เป็นไปโดยอัตโนมัติ ซึ่งช่วยให้นักพัฒนาแบบ full stack มีความเชี่ยวชาญด้าน ML น้อยกว่า เพื่อสร้างและฝึกโมเดลต่างๆ ได้อย่างง่ายดาย

  วิธีติดตั้งไดรเวอร์กราฟิก Nvidia บน Pop_OS

H2O

“2” ใน H2O ควรจะเป็นตัวห้อย (ฉันเดาว่าน่าจะคล้ายกับสูตรทางเคมีสำหรับน้ำ) แต่การพิมพ์ออกมาก็ลำบากใจ ฉันหวังว่าคนที่อยู่เบื้องหลัง H2O จะไม่เป็นไรมาก!

H2O เป็นแพลตฟอร์มโอเพ่นซอร์สสำหรับการเรียนรู้ของเครื่องที่ใช้โดยชื่อใหญ่ที่รวมอยู่ใน Fortune 500

แนวคิดหลักคือการทำให้การวิจัย AI ล้ำสมัยเข้าถึงประชาชนทั่วไป แทนที่จะปล่อยให้มันอยู่ในมือของบริษัทที่มีกระเป๋าเงินและเลเวอเรจที่ลึกล้ำ มีผลิตภัณฑ์หลายอย่างที่นำเสนอภายใต้แพลตฟอร์ม H2O เช่น:

  • H2O: แพลตฟอร์มพื้นฐานสำหรับการสำรวจและใช้งานแมชชีนเลิร์นนิง
  • น้ำอัดลม: บูรณาการอย่างเป็นทางการกับ Apache Spark สำหรับชุดข้อมูลขนาดใหญ่
  • H2O4GPU: แพลตฟอร์ม H2O เวอร์ชันเร่งด้วย GPU

H2O ยังสร้างโซลูชันที่เหมาะกับองค์กร และสิ่งเหล่านี้รวมถึง:

  • AI ไร้คนขับ: ไม่ AI ไร้คนขับไม่มีส่วนเกี่ยวข้องกับรถยนต์ที่ขับด้วยตนเอง! 🙂 เป็นเรื่องของข้อเสนอ AutoML ของ Google มากกว่า — ขั้นตอน AI/ML ส่วนใหญ่เป็นแบบอัตโนมัติ ส่งผลให้มีเครื่องมือที่ใช้งานง่ายและรวดเร็วในการพัฒนา
  • การสนับสนุนแบบชำระเงิน: ในฐานะองค์กร คุณไม่สามารถรอที่จะแจ้งปัญหา GitHub และหวังว่าจะได้รับคำตอบในเร็วๆ นี้ หากเวลาคือเงิน H2O จะให้การสนับสนุนและให้คำปรึกษาแบบเสียค่าใช้จ่ายสำหรับบริษัทขนาดใหญ่

เปอตูม

Petuum พัฒนา ซิมโฟนี แพลตฟอร์มซึ่งออกแบบมาเพื่อไม่ให้ AI คิดทำงาน กล่าวอีกนัยหนึ่ง หากคุณเบื่อกับการเขียนโค้ดและ/หรือไม่ต้องการจดจำไลบรารีและรูปแบบเอาต์พุตเพิ่มเติม Symphony จะรู้สึกเหมือนได้พักผ่อนในเทือกเขาแอลป์!

แม้ว่าจะไม่มีอะไร “เปิด” เกี่ยวกับแพลตฟอร์ม Symphony แต่คุณลักษณะเหล่านี้ก็คุ้มค่าที่จะน้ำลายสอ:

  • UI แบบลากและวาง
  • สร้างไปป์ไลน์ข้อมูลแบบโต้ตอบได้อย่างง่ายดาย
  • หน่วยการสร้างมาตรฐานและโมดูลาร์จำนวนมากเพื่อสร้างแอปพลิเคชัน AI ที่ซับซ้อนยิ่งขึ้น
  • การเขียนโปรแกรมและอินเทอร์เฟซ API ที่รู้สึกถึงการมองเห็นนั้นไม่มีประสิทธิภาพเพียงพอ
  • การเพิ่มประสิทธิภาพอัตโนมัติด้วย GPU
  • แพลตฟอร์มแบบกระจายและปรับขนาดได้สูง
  • การรวมข้อมูลหลายแหล่ง

มีคุณสมบัติอื่น ๆ อีกมากมายที่จะทำให้คุณรู้สึกว่าอุปสรรคในการเข้าลดลงอย่างมาก ขอแนะนำอย่างยิ่ง!

Polyaxon

ความท้าทายที่ยิ่งใหญ่ที่สุดในปัจจุบันใน Machine Learning และ AI ไม่ใช่การค้นหาไลบรารี่และอัลกอริทึมที่ดี (หรือแม้แต่แหล่งข้อมูลการเรียนรู้) แต่ต้องใช้วิศวกรรมที่มีทักษะสูงเพื่อจัดการกับระบบขนาดใหญ่และการโหลดข้อมูลที่สูงซึ่งส่งผลให้

แม้แต่วิศวกรซอฟต์แวร์ที่ช่ำชองก็อาจเป็นคำถามมากเกินไป ถ้าคุณรู้สึกแบบนั้นเหมือนกัน Polyaxon คุ้มค่าที่จะดู

Polyaxon ไม่ใช่ไลบรารี่หรือแม้แต่เฟรมเวิร์ก แต่เป็นโซลูชันแบบ end to end สำหรับจัดการทุกแง่มุมของ Machine Learning เช่น:

  • การเชื่อมต่อข้อมูลและการสตรีม
  • การเร่งฮาร์ดแวร์
  • การจัดตู้คอนเทนเนอร์และการประสาน
  • การจัดกำหนดการ การจัดเก็บ และการรักษาความปลอดภัย
  • การวางท่อ การเพิ่มประสิทธิภาพ การติดตาม ฯลฯ
  • Dashboarding, APIs, การสร้างภาพข้อมูล ฯลฯ

เป็นไลบรารีและผู้ให้บริการที่ไม่เชื่อเรื่องพระเจ้า เนื่องจากมีการสนับสนุนโซลูชันยอดนิยม (โอเพ่นซอร์สและโอเพ่นซอร์ส) จำนวนมาก

แน่นอน คุณยังต้องจัดการกับการปรับใช้และการปรับขนาดในระดับหนึ่ง หากคุณต้องการหลบหนีแม้สิ่งนั้น Polyaxon ขอเสนอโซลูชัน PaaS ที่ช่วยให้คุณใช้โครงสร้างพื้นฐานได้อย่างยืดหยุ่น

DataRobot

พูดง่ายๆ ว่า DataRobot เป็นโซลูชันการเรียนรู้ของเครื่องที่มุ่งเน้นสำหรับองค์กร มองเห็นได้ตลอดทางและได้รับการออกแบบมาเพื่อให้เข้าใจข้อมูลของคุณอย่างรวดเร็วและนำไปใช้ในธุรกิจอย่างเป็นรูปธรรม

อินเทอร์เฟซใช้งานง่ายและทันสมัย ​​ช่วยให้ผู้ที่ไม่ใช่ผู้เชี่ยวชาญสามารถอยู่หลังพวงมาลัยและสร้างข้อมูลเชิงลึกที่มีความหมายได้

DataRobot ไม่มีคุณสมบัติมากมาย แทนที่จะมุ่งเน้นไปที่ความรู้สึกดั้งเดิมของข้อมูลและให้ความสามารถที่แข็งแกร่งใน:

  • การเรียนรู้ของเครื่องอัตโนมัติ
  • การถดถอยและการจำแนกประเภท
  • อนุกรมเวลา

บ่อยครั้ง สิ่งเหล่านี้คือทั้งหมดที่คุณต้องการสำหรับองค์กรของคุณ กล่าวคือ ในกรณีส่วนใหญ่ DataRobot คือสิ่งที่คุณต้องการ 🙂

นักออกแบบระบบประสาท

ในขณะที่เรากำลังพูดถึงแพลตฟอร์ม AI ที่ใช้งานง่ายและมีประสิทธิภาพ นักออกแบบระบบประสาท สมควรได้รับการกล่าวถึงเป็นพิเศษ

ไม่มีอะไรจะพูดมากมายเกี่ยวกับ NeuralDesigner แต่มีหลายอย่างที่ต้องทำ! เนื่องจาก Neural Networks มีอิทธิพลเหนือวิธีการเรียนรู้ด้วยเครื่องที่ทันสมัยมากหรือน้อย การทำงานร่วมกับแพลตฟอร์มที่เน้นเฉพาะใน Neural Networks เท่านั้น ไม่มีทางเลือกมากมาย ไม่มีสิ่งรบกวน — คุณภาพมากกว่าปริมาณ

  วิธีการส่งวิดีโอหรือรูปภาพจาก Google Drive และ Dropbox

NeuralDesigner มีความยอดเยี่ยมในหลาย ๆ ด้าน:

  • ไม่จำเป็นต้องเขียนโปรแกรม เลย
  • ไม่จำเป็นต้องสร้างอินเทอร์เฟซที่ซับซ้อน ทุกอย่างถูกจัดวางด้วยขั้นตอนที่สมเหตุสมผล เข้าใจง่าย และเป็นระเบียบ
  • คอลเล็กชันของอัลกอริธึมที่ล้ำหน้าและประณีตที่สุดสำหรับ Neural Networks โดยเฉพาะ
  • CPU Parallization และการเร่งความเร็ว GPU เพื่อประสิทธิภาพสูง

คุ้มค่า ดู? อย่างแน่นอน!

Prevision.io

Pervision.io เป็นแพลตฟอร์มสำหรับจัดการแมชชีนเลิร์นนิงทุกด้าน ตั้งแต่การประมวลผลข้อมูลไปจนถึงการปรับใช้งานในวงกว้าง

การทำนายIO

หากคุณเป็นนักพัฒนา การทำนายIO เป็นข้อเสนอที่มีประโยชน์อย่างเหลือเชื่อที่คุณควรพิจารณา โดยพื้นฐานแล้ว PredictionIO คือแพลตฟอร์มการเรียนรู้ของเครื่องที่สามารถนำเข้าข้อมูลจากแอปของคุณ (เว็บ มือถือ หรืออย่างอื่น) และสร้างการคาดการณ์ได้อย่างรวดเร็ว

อย่าหลงกลโดยชื่อ — PredictionIO ไม่ได้มีไว้สำหรับการคาดคะเนเท่านั้น แต่รองรับการเรียนรู้ของเครื่องอย่างเต็มรูปแบบ นี่คือเหตุผลดีๆ ที่ควรรัก:

  • รองรับการจำแนกประเภท การถดถอย คำแนะนำ NLP และสิ่งที่ไม่
  • สร้างเพื่อจัดการกับปริมาณงานที่ร้ายแรงในการตั้งค่า Big Data
  • สร้างไว้ล่วงหน้าหลายตัว แม่แบบ สำหรับผู้ที่รีบร้อน
  • มาพร้อมกับ Apache Spark, MLlib, HBase, Akka HTTP และ Elasticsearch เพื่อตอบสนองทุกความต้องการที่เป็นไปได้ของแอพที่ทันสมัยและแข็งแกร่ง
  • การนำเข้าข้อมูลแบบรวมจากหลายแหล่ง ไม่ว่าจะอยู่ในแบตช์หรือโหมดเรียลไทม์
  • ปรับใช้เป็นบริการเว็บทั่วไป — ง่ายต่อการบริโภคและฟีด

สำหรับโครงการบนเว็บส่วนใหญ่ ฉันไม่เห็นว่า PredictionIO ไม่สมเหตุสมผลเลย ไปข้างหน้าและลอง!

บทสรุป

ทุกวันนี้ เฟรมเวิร์กหรือแพลตฟอร์ม AI และ ML ไม่มีปัญหาขาดแคลน ฉันรู้สึกท่วมท้นกับทางเลือกเมื่อเริ่มค้นคว้าบทความนี้ ด้วยเหตุนี้ ฉันจึงพยายามจำกัดรายการนี้ให้แคบลงเหลือเฉพาะรายการที่ไม่ซ้ำใครหรือน่าสนใจ หากคุณคิดว่าฉันพลาดสิ่งสำคัญไป โปรดแจ้งให้เราทราบ

Coursera มีหลักสูตรแมชชีนเลิร์นนิงที่ยอดเยี่ยม ลองตรวจสอบดูว่าคุณสนใจที่จะเรียนรู้หรือไม่

ดังนั้นแพลตฟอร์มใดดีที่สุด? ขออภัย ไม่มีคำตอบที่ชัดเจน เหตุผลหนึ่งที่บริการเหล่านี้ส่วนใหญ่เชื่อมโยงกับกลุ่มเทคโนโลยีหรือระบบนิเวศเฉพาะ (ส่วนใหญ่สร้างสิ่งที่เรียกว่าสวนที่มีกำแพงล้อมรอบ) อีกประการที่สำคัญกว่านั้นคือ เหตุผลก็คือตอนนี้เทคโนโลยี AI และ ML ได้กลายมาเป็นสินค้าโภคภัณฑ์แล้ว และมีการแข่งขันกันเพื่อให้คุณสมบัติต่างๆ มากมายในราคาที่ต่ำที่สุดเท่าที่จะเป็นไปได้ ไม่มีผู้ขายรายใดไม่สามารถเสนอสิ่งที่คนอื่นเสนอได้ และข้อเสนอใหม่ใดๆ จะถูกคัดลอกและให้บริการโดยคู่แข่งเกือบข้ามคืน

ดังนั้น ทั้งหมดนี้ขึ้นอยู่กับว่ากองและเป้าหมายของคุณคืออะไร คุณพบว่าบริการนั้นใช้งานง่ายเพียงใด การรับรู้ของคุณเกี่ยวกับบริษัทที่อยู่เบื้องหลังเป็นอย่างไร และอื่นๆ

แต่ไม่ว่าในกรณีใด มันก็เป็นไปโดยไม่ได้บอกว่าในที่สุด AI ก็พร้อมใช้งานเป็นบริการ และมันจะไม่ฉลาดอย่างยิ่งที่จะไม่ใช้ประโยชน์จากมัน 🙂

เรื่องล่าสุด

x