A Comet.ml meg akarja változtatni, hogy miként működünk együtt a gépi tanulással

A gépi tanulást (ML) igénybe vevő vállalkozásoknak nemcsak az intelligens eszközökre és az adatfolyamokra van szükségük. A magjában az ML két félgömb körül forog: az egyik oldalon az ML modellek és algoritmusok, a másikon pedig a megfelelő módon kidolgozott adatkészletek. Bár mindkettő készítéséhez szakértelem szükséges, az előbbi csak jelentős haladást kapott a Comet.ml révén, amely a hónap elején indult szolgáltatás, olyan eszközökkel, amelyek lehetővé teszik az adattudósok és a fejlesztők számára a kódok nyomon követését és az ML-modellek hatékonyabb megosztását. A társaság azt állítja, hogy megválaszolja azt, amit a hatékonyabb és használhatóbb ML-eszközök iránti fokozott igénynek tart. A szolgáltatás egyre növekvő kényelmi szolgáltatás-terület része, amelynek célja, hogy minél több ember hozzáférjen az ML-hez, használja azokat és megismerje azokat.

A GitHub kapcsolat

Annak ellenére, hogy kevesebb, mint egy hónapos, a Comet.ml leírása "az ML GitHub-jának" valószínűleg nem megfelelő. Ha nem ismeri a GitHub-ot, ez egy tárhely-tárhely szolgáltatás, ahol a fejlesztők tárolják és megosztják a kódjukat. Azon projekteknél, ahol több fejlesztő dolgozik ugyanazon a kódbázissal, az olyan adattárak, mint a GitHub, kritikus kódot játszanak a munkafolyamatok szervezésében és a verzióvezérlés fenntartásában. Miközben a kódraktár koncepciója nem új, a GitHub egy teljesen új világot nyitott meg a fejlesztői közösség számára egy felhasználói felület (UI) létrehozásával, amely túlmutat az arcán, projektorientált kódolási képességeken, és hozzátette az intuitív felhasználói felületet, valamint a szociális olyan eszközök, amelyek lehetővé teszik a GitHub-nak, hogy beszéljen a felhasználókkal és akár a közösségekkel is. Akár azt akarta, hogy más fejlesztők felülvizsgálják kódját, új és érdekes alkalmazásokat találjanak, vagy csak kíváncsi voltak a világ vezető mérnökei munkájára, a GitHub az egyik legnépszerűbb hely, ahol felzárkózni a fejlesztő közösség munkájához.

Ilyen folytatással rendkívül ambiciózusnak tűnik bármi bármi GitHub-ként lenni, ám a Comet.ml alapítói magabiztosak. A Comet.ml hasonlóan működik, mint a népszerű GitHub szolgáltatás. Egyszerűen hozzon létre egy ingyenes fiókot a Comet.ml webhelyen, válassza ki a kívánt ML könyvtárat (a Comet.ml jelenleg támogatja a Java, Pytorch, TensorFlow és még sok más legnépszerűbb könyvtárat), és felkelhet és futás épület és tesztelés Az ML modellek szinte azonnal - és valószínűleg könnyebben, mint amennyire eddig meg tudtad csinálni. Ennek oka az, hogy a Comet.ml nyomon követi az összes változást is, amelyet a csapat a webhely adattárában végez. Automatikus modelloptimalizálást kínál, és a Comet.ml munkáját a GitHub-nal is integrálhatja nagyobb projektekhez.

A GitHub ML modelleket is üzemeltet, de a Comet.ml-t az ML egyedi igényeinek szem előtt tartásával tervezték. A Bayes-i "Hyperparameter optimalizálás" néven ismert algoritmus révén a szolgáltatás a kísérleteinek hiperparamétereinek megváltoztatásával módosítja a modelleket. Ha valódi adatmérnök vagy, akkor ennek részletesebb magyarázata található a cég webhelyén. A modellek manuális finomítása hihetetlenül hosszú időt vehet igénybe. Ha ez az algoritmus ugyanolyan jól működik, mint a Comet.ml, azt állítja, hogy az adattudományi közösség figyelmét minden bizonnyal fel lehet hívni. Csakúgy, mint a GitHub, az egyik nyilvánosan elérhető tárolóval rendelkező számla teljesen ingyenes, a magánraktárak pedig havonta 49 dollárt tesznek ki felhasználónként.

Valami egyszerűbb szüksége

Gideon Mendels, a Comet.ml társalapítója és vezérigazgatója, valami ML veterán. A Columbia University és a Google kutatásában dolgozott. Karrierje során küzdött azért, hogy hatékony módszert találjon az ML modellek tesztelésére és megosztására.

"Korábban egy nevű cégnél dolgoztam GroupWize , és körülbelül 15 gépi tanulási modellünk volt a gyártásban, "mondta Mendels." Csak lehetetlen volt nyomon követni az összes változást. Tehát valójában a Comet belső építését kezdtük, mint a Homebrew megoldás a fájdalomra."

Innentől kezdve a Mendels és más csapattagok úgy döntöttek, hogy a Comet.ml fejlesztésére koncentrálnak. Mendels számára a Comet.ml értéke nem csupán az a tény, hogy az ML modellek tárolhatók ban ben a felhő; arról szól, hogy megkönnyítsük a kód kísérletezését. Mendels gyorsan elutasította azt a gondolatot, hogy szolgálata megpróbál versenyezni a GitHub-tal. Végül is integrálódik a szolgáltatáshoz, és a felhasználók regisztrálhatnak a GitHub bejelentkezési hitelesítő adataikkal. A Mendels számára valójában az adatdemokrácia egyre növekvő hullámának a jobb funkcionalitással történő megválaszolása jelenti.

"Nagyobb ponthoz kapcsolódik, hogy sok vállalat miként kezdi el elvégezni az ML-t és az adattudományt" - mondta Mendels. "A GitHub segítségével kódot tárolhat, de az ML, kód csak egy darab a puzzle. Milyen adatok voltak beleférve ebbe a kódba? "Mendels szerint az automatizált finomítás funkciók segítenek a Comet.ml önállóan elkülönülni.

Gépi tanulási játszóterek

A Comet.ml csak egy a számos ajánlat közül, amelyek célja az ML-vel való kapcsolattartás megváltoztatása. A Microsoft, amely nagyon agresszív volt az űrben, néhány évvel ezelőtt elindította az Azure Notebooks alkalmazást. Noha a társaság inkább oktatási eszközként mutatja be, mint a Comet.ml, azt is úgy tervezték, hogy lehetővé tegye az ML modellekkel a felhőben történő játékot.

Számos olyan ML-piactér is elérhető, amelyek teljes, készenléti modelleket kínálnak mind a kis-, mind a közepes méretű vállalkozások (SMB-k) és a vállalkozások számára egyaránt. Az algoritmia egy mesterséges intelligencia (AI) piac, amely többek között olyan ML modelleket kínál, amelyeket megvásárolhat és felhasználhat saját alkalmazásaiban egy alkalmazásprogramozási felület (API) híváson keresztül. Nincs elegendő képessége vagy ideje mondatokat elemző modell felépítéséhez? Ezután használja a Parsey McParseface szoftvert az alacsony, 28, 54 USD árért 10 000 API-hívásért. Kevésbé kreatívan nevezett modellek tovább a piactérbe beletartoznak az arcfelismerő algoritmusok, a földrajzi adatok spektrális csoportosítása és a szövegkivonás.

Ha nem adattudós, akkor azt gondolhatja, hogy ezek a szolgáltatások nem vonatkoznak rád és a szervezetre. De bármilyen méretű vállalkozás példátlan támogatást és az AI megoldások kihirdetését jelenteti be, és az ML ennek fontos része. Ezek a megvalósítások széles skáláját fedik le a széles, átfogó projektektől az olyan célzott projektekig, hogy meglepődik, hogy az ML a recept része.

Célzott projekt példájaként a WineStein egy digitális sommelier szolgáltatás, amely ML modelleket használ a bor és a különféle ételek párosításához. Szélesebb körű megvalósítási példák pénzügyi technológia (fintech) , egészségügyi technológia és még chatbotok, ahol az AI és az ML máris megváltoztatta azt, ahogyan a legtöbb vállalkozás megközelíti az ügyfélszolgálatot és az ügyfélszolgálat működését. Az AI és az ML felhasználói bázisa gyorsan növekszik, és nem fog érintetlenül hagyni az üzletet, így a jövő fényes hely lesz a jövevényesek számára, például a Comet.ml.