최신 애플리케이션 구축을 위한 10가지 AI 플랫폼

by

터미네이터가 우리를 데리러 오지 않는다는 것을 알았으니 이제 인공 지능과 친구가 되고 그 혜택을 누려야 할 때입니다!

오랫동안 인공 지능 분야와 가장 유명한 하위 분야인 기계 학습은 신비한 분위기에 둘러싸여 있었습니다. 선전 기자들은 초지능, 초자립, 초악기의 부상을 예고하는 기사를 연이어 쏟아내 많은 사람들을 절망에 빠뜨렸다(저 포함).

그리고 오늘 우리는 모든 소음과 연기에 대해 무엇을 보여줄 수 있습니까? 완벽함과는 거리가 먼 인공지능 기술 실수그리고 거의 강제로 로봇으로 변해버린 제한적이고 오작동하는 로봇 시민. 젠장, 우리는 아직 괜찮은 언어 번역 알고리즘조차 가지고 있지 않습니다.

오늘날 누군가가 여전히 종말이 가까웠다고 주장한다면 내 반응은 다음과 같습니다.

그렇다면 AI, ML, 그리고 인류의 종말이 아니라면 그 모든 유행어는 무엇입니까?

이것은 분류 및 예측과 관련된 문제를 해결하기 위해 컴퓨터를 프로그래밍하는 새로운 방법입니다. 그리고 마침내 우리는 비즈니스 애플리케이션에서 즉시 사용하기 시작하여 엄청난 이점을 얻을 수 있는 많은 AI 서비스를 갖게 되었습니다.

오늘날 AI 플랫폼은 기업을 위해 무엇을 할 수 있습니까?

좋은 질문!

인공 지능은 (적어도 이론상으로는) 응용 프로그램이 너무 일반적이어서 개발 목적을 지적하는 것이 불가능합니다. 스프레드시트가 무엇을 위해 개발되었으며 이를 사용하여 무엇을 할 수 있는지 묻는 것과 같습니다. 물론 회계용으로 개발되었지만 오늘날에는 그 책임을 훨씬 능가합니다. 회계만이 유일한 기능은 아닙니다. 사람들은 이것을 프로젝트 관리 도구, 할 일 목록, 데이터베이스 등으로 사용합니다.

AI도 마찬가지다.

대략적으로 말하면 AI는 느슨하게 정의되고 경험을 통한 학습에 의존하는 작업에 유용합니다. 예, 그것은 인간도 하는 일이지만 AI는 엄청난 양의 데이터를 순식간에 처리하고 훨씬 더 빠르게 결론에 도달할 수 있다는 점에서 우위를 점하고 있습니다. 따라서 AI의 일반적인 응용 프로그램은 다음과 같습니다.

  • 사진, 동영상 등에서 얼굴 감지
  • 예를 들어, 자녀 보호를 위한 이미지 분류 및 태그 지정
  • 음성을 텍스트로 변환
  • 미디어(예: 자동차, 여성 등)의 물체 감지
  • 주가 움직임 예측
  • 테러 자금 조달 탐지(일일 수백만 건의 거래 중)
  • 추천 시스템(쇼핑, 음악, 친구 등)
  • 보안문자 깨기
  • 스팸 필터링
  • 네트워크 침입 탐지

계속해서 페이지가 부족할 수도 있지만(비유적으로 말해서), 이제 아이디어를 얻으셨을 것입니다. 이것들은 모두 인간이 전통적인 컴퓨팅 수단을 통해 해결하기 위해 애써온 문제의 예입니다. 그러나 이들은 비즈니스와 현실 세계에서 엄청나게 필요하기 때문에 중요합니다.

따라서 더 이상 고민하지 않고 최고의 AI 플랫폼 목록부터 시작하여 제공해야 하는 내용을 살펴보겠습니다.

아마존 AI 서비스

Amazon이 빠르게 기업을 폐업시키는 것처럼 AWS는 플랫폼으로서 완전히 지배적이어서 다른 생각이 거의 떠오르지 않습니다. 도 마찬가지 아마존 AI 서비스믿을 수 없을 정도로 유용한 AI 서비스로 가득 차 있습니다.

다음은 AWS가 제공하는 놀라운 서비스 중 일부입니다.

Amazon Comprehend: 방대한 양의 비정형 텍스트 데이터를 이해하는 데 도움이 됩니다. 한 가지 사용 사례는 기존 고객 지원 채팅을 마이닝하고 시간 경과에 따른 만족도 수준, 고객의 주요 관심사가 무엇인지, 가장 많이 사용되는 키워드 등을 파악하는 것입니다.

  링크를 끊지 않고 Dropbox 파일을 업데이트하는 방법

Amazon Forecast: 기존 시계열 데이터를 사용하여 미래에 대한 정확한 예측으로 전환하기 위한 설정이 필요 없는 서비스입니다. 시계열 데이터가 무엇인지 궁금하다면 최근에 작성한 이 기사를 살펴보세요(기사 끝부분에 있는 Timescale이라는 데이터베이스를 찾으십시오).

Amazon Lex: 애플리케이션에 대화형 인터페이스(텍스트 및/또는 시각적)를 구축합니다. 배후에서는 의도를 디코딩하고 즉석에서 음성을 텍스트로 변환하는 Amazon의 훈련된 기계 학습 모델을 실행하고 있습니다.

Amazon Personalize: 고객 또는 자신을 위한 추천을 생성하는 간단하고 인프라가 없는 서비스입니다! 이 서비스에 전자 상거래 데이터 또는 거의 모든 것을 입력하고 매우 정확하고 흥미로운 제안을 즐길 수 있습니다. 물론 데이터 세트가 클수록 권장 사항이 더 좋습니다.

Amazon에는 더 많은 AI 서비스가 있으며 하루 종일 검색하는 데 보낼 수 있습니다. 그럼에도 불구하고 진심으로 추천하는 액티비티입니다! 🙂

참고: AWS 문서에서 이러한 모든 서비스의 요약을 찾기는 어렵지만 https://aws.amazon.com/machine-learning으로 이동하면 “AI 서비스” 아래의 드롭다운에 나열됩니다.

텐서플로우

텐서플로우 뒤에 있는 팀이 만든 라이브러리(및 플랫폼)입니다. 구글 브레인. Deep Learning Neural Networks라는 ML 하위 도메인의 구현입니다. 즉, TensorFlow는 딥 러닝 기술을 사용하여 신경망으로 기계 학습을 달성하는 방법에 대한 Google의 견해입니다.

이제 TensorFlow가 물론 Neural Networks를 사용하는 유일한 방법은 아닙니다. 각각 장단점이 있는 라이브러리가 많이 있습니다.

대체로 TensorFlow를 사용하면 다양한 프로그래밍 환경에 대한 스톡 머신 러닝 기능을 사용할 수 있습니다. 즉, 기본 플랫폼은 매우 시각적이며 작업을 완료하기 위해 주로 그래프와 데이터 시각화에 의존합니다. 따라서 프로그래머가 아니더라도 약간의 노력만 하면 TensorFlow에서 좋은 결과를 얻을 수 있습니다.

역사적으로 TensorFlow는 기계 학습을 “민주화”하는 것을 목표로 했습니다. 내가 알기로는 ML을 이 정도로 단순하고 시각적이며 액세스할 수 있게 만든 최초의 플랫폼이었습니다. 그 결과 ML 사용이 폭발적으로 증가했고 사람들은 모델을 쉽게 훈련할 수 있었습니다.

TensorFlow의 가장 중요한 판매 포인트는 케라스, 프로그래밍 방식으로 신경망과 효율적으로 작업하기 위한 라이브러리입니다. 다음은 단순하고 완전히 연결된 네트워크(퍼셉트론)를 만드는 것이 얼마나 간단한지 보여줍니다.

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'))

물론 구성, 교육 등도 수행해야 하지만 똑같이 간단합니다.

TensorFlow가 ML을 JavaScript, 모바일 장치 및 IoT 솔루션에 가져온 것을 고려하면 TensorFlow에서 결함을 찾기가 어렵습니다. 그러나 순수주의자들의 눈에는 모든 Tom, Dick, Harry가 엉망으로 만들 수 있는 “덜” 플랫폼으로 남아 있습니다. 따라서 기술 사다리를 올라가고 더 많은 “깨달은” 영혼을 만날 때 약간의 저항에 직면할 준비를 하십시오. 🙂

초보라면 이것만은 꼭 보세요 TensorFlow 소개 온라인 과정.

또한 참고: TensorFlow에 대한 일부 비판에서는 더 이상 사실이 아닌 GPU를 사용할 수 없다고 언급합니다. 오늘날 TensorFlow는 GPU와 함께 작동할 뿐만 아니라 Google은 클라우드로 사용할 수 있는 TPU(TensorFlow Processing Unit)라는 유일한 특수 하드웨어를 개발했습니다. 서비스.

구글 AI 서비스

Amazon의 서비스와 마찬가지로 Google에도 클라우드 제품군이 있습니다. 서비스 AI를 중심으로 회전합니다. Amazon의 제품과 매우 유사하기 때문에 모든 서비스를 나열하지 않겠습니다. 개발자가 관심이 있는 경우 빌드할 수 있는 항목의 스크린샷은 다음과 같습니다.

  8 최고의 배트맨 비디오 게임 소유

일반적으로 Google의 AI 서비스를 사용할 수 있는 방법에는 두 가지가 있습니다. 첫 번째는 Google에서 이미 학습한 모델을 활용하여 제품에 적용하기 시작하는 것입니다. 두 번째는 이른바 AutoML 머신 러닝의 여러 중간 단계를 자동화하는 서비스로 ML 전문 지식이 부족한 풀 스택 개발자가 모델을 쉽게 구축하고 교육할 수 있습니다.

H2O

H2O의 “2”는 아래 첨자여야 하지만(물에 대한 화학식과 유사), 입력하기가 번거롭습니다. 나는 뒤에 사람들을 바랍니다 H2O 별로 신경쓰지 않을거야!

H2O는 Fortune 500에 포함된 유명 인사들이 사용하는 머신 러닝을 위한 오픈 소스 플랫폼입니다.

주요 아이디어는 최첨단 AI 연구를 주머니와 영향력이 있는 회사의 손에 맡기지 않고 일반 대중에게 전달하는 것입니다. 다음과 같은 여러 제품이 H2O 플랫폼에서 제공됩니다.

  • H2O: 기계 학습을 탐색하고 사용하기 위한 기본 플랫폼입니다.
  • 탄산수: 공식 통합 아파치 스파크 큰 데이터 세트의 경우.
  • H2O4GPU: H2O 플랫폼의 GPU 가속 버전.

H2O는 또한 기업을 위한 맞춤형 솔루션을 제공하며 다음과 같은 것들이 포함됩니다.

  • Driverless AI: 아니요, Driverless AI는 자율주행차와 아무 관련이 없습니다! 🙂 Google의 AutoML 제품 라인에 더 가깝습니다. 대부분의 AI/ML 단계가 자동화되어 더 간단하고 빠르게 개발할 수 있는 도구가 됩니다.
  • 유료 지원: 기업으로서 GitHub 문제를 제기하고 곧 답변을 받기를 기다릴 수 없습니다. 시간이 돈이라면 H2O는 대기업을 위한 유료 지원 및 컨설팅을 제공합니다.

페투움

페투움은 교향곡 AI가 작동하지 않도록 설계된 플랫폼입니다. 다시 말해서, 코딩에 지쳤거나 더 많은 라이브러리와 출력 형식을 외우고 싶지 않다면 Symphony는 알프스에서 휴가를 보내는 것처럼 느껴질 것입니다!

Symphony 플랫폼에 대해 “공개”된 것은 없지만 기능은 침을 흘리는 가치가 있습니다.

  • 드래그 앤 드롭 UI
  • 대화형 데이터 파이프라인을 쉽게 구축
  • 보다 정교한 AI 애플리케이션을 만들기 위한 수많은 표준화된 모듈식 빌딩 블록
  • 시각적인 방식이 충분히 강력하지 않다고 느끼는 프로그래밍 및 API 인터페이스
  • GPU로 자동화된 최적화
  • 확장성이 뛰어난 분산 플랫폼
  • 다중 소스 데이터 집계

진입장벽이 상당히 낮아졌다는 느낌을 받을 수 있는 기능이 더 많습니다. 추천!

폴리액손

오늘날 머신 러닝과 AI의 가장 큰 과제는 좋은 라이브러리와 알고리즘(또는 학습 리소스)을 찾는 것이 아니라, 그로 인한 거대한 시스템과 높은 데이터 로드를 처리하기 위해 적용해야 하는 숙련된 엔지니어링입니다.

노련한 소프트웨어 엔지니어에게조차 너무 많은 질문이 될 수 있습니다. 당신도 그렇게 느낀다면, 폴리액손 볼 가치가 있습니다.

Polyaxon은 라이브러리나 프레임워크가 아닙니다. 오히려 다음과 같은 기계 학습의 모든 측면을 관리하기 위한 종단 간 솔루션입니다.

  • 데이터 연결 및 스트리밍
  • 하드웨어 가속
  • 컨테이너화 및 오케스트레이션
  • 스케줄링, 저장 및 보안
  • 파이프라이닝, 최적화, 추적 등
  • 대시보드, API, 시각화 등

많은 수의 인기 있는(개방형 및 폐쇄형 소스) 솔루션이 지원되므로 라이브러리 및 공급자에 구애받지 않습니다.

물론 여전히 특정 수준에서 배포 및 확장을 처리해야 합니다. 그마저도 벗어나고 싶다면 Polyaxon은 인프라를 탄력적으로 사용할 수 있는 PaaS 솔루션을 제공합니다.

데이터로봇

간단히 말해서, 데이터로봇 기업을 위한 집중 머신 러닝 솔루션입니다. 전체적으로 시각적이며 데이터를 빠르게 이해하고 구체적인 비즈니스 용도로 사용할 수 있도록 설계되었습니다.

  iPhone에서 GPS 위치를 스푸핑하는 방법

인터페이스는 직관적이고 매끄럽기 때문에 전문가가 아닌 사람도 이해하고 의미 있는 통찰력을 얻을 수 있습니다.

DataRobot에는 다양한 기능이 없습니다. 대신 전통적인 데이터 감각에 중점을 두고 다음과 같은 견고한 기능을 제공합니다.

  • 자동화된 기계 학습
  • 회귀 및 분류
  • 시계열

기업에 필요한 모든 것입니다. 즉, 대부분의 경우 DataRobot만 있으면 됩니다. 🙂

신경 디자이너

사용하기 쉽고 강력한 AI 플랫폼을 주제로 하는 동안, 신경 디자이너 특별히 언급할 가치가 있습니다.

NeuralDesigner에 대해 할 말이 많지 않지만 할 일은 많습니다! 신경망이 현대 기계 학습 방법론을 어느 정도 지배했다는 점을 감안할 때 신경망에만 초점을 맞춘 플랫폼으로 작업하는 것이 합리적입니다. 선택의 여지가 없고 주의가 산만하지 않습니다. 양보다 질입니다.

NeuralDesigner는 여러 면에서 탁월합니다.

  • 프로그래밍이 필요하지 않습니다. 조금도.
  • 복잡한 인터페이스 구축이 필요하지 않습니다. 모든 것이 현명하고 이해하기 쉽고 순서가 있는 단계로 구성되어 있습니다.
  • 신경망 고유의 가장 발전되고 정제된 알고리즘 모음입니다.
  • 고성능을 위한 CPU 병렬화 및 GPU 가속.

가치가 바라보다? 분명히!

Prevision.io

Pervision.io 데이터 처리에서 대규모 배포에 이르기까지 머신 러닝의 모든 측면을 관리하기 위한 플랫폼입니다.

예측IO

개발자라면, 예측IO 조사해야 할 매우 유용한 제안입니다. 기본적으로 PredictionIO는 앱(웹, 모바일 또는 기타)에서 데이터를 수집하고 빠르게 예측을 구축할 수 있는 기계 학습 플랫폼입니다.

이름에 속지 마십시오. PredictionIO는 예측을 위한 것이 아니라 기계 학습의 전체 스펙트럼을 지원합니다. 여기를 좋아하는 몇 가지 멋진 이유가 있습니다.

  • 분류, 회귀, 권장 사항, NLP 등을 지원합니다.
  • 빅 데이터 설정에서 심각한 워크로드를 처리하도록 빌드합니다.
  • 여러 사전 구축 템플릿 급하신 분들을 위해.
  • Apache Spark, MLlib, HBase, Akka HTTP 및 Elasticsearch와 함께 번들로 제공되어 강력하고 현대적인 앱의 가능한 모든 요구 사항을 충족합니다.
  • 일괄 또는 실시간 모드에서 여러 소스의 결합된 데이터 수집.
  • 일반적인 웹 서비스로 배포 – 사용 및 공급이 용이합니다.

대부분의 웹 프로젝트에서 PredictionIO가 어떻게 의미가 없는지 모르겠습니다. 계속해서 시도하십시오!

결론

오늘날 AI 및 ML 프레임워크 또는 플랫폼은 부족하지 않습니다. 이 기사에 대한 조사를 시작했을 때 선택의 폭이 넓었습니다. 결과적으로 나는 이 목록을 독특하거나 흥미로운 것으로 좁히려고 노력했습니다. 내가 중요한 것을 놓쳤다고 생각되면 알려주세요.

코세라 훌륭한 기계 학습 과정이 있으므로 학습에 관심이 있다면 확인하십시오.

그렇다면 어떤 플랫폼이 가장 좋을까요? 불행히도 명확한 답은 없습니다. 이러한 서비스의 대부분이 특정 기술 스택 또는 생태계(대부분 벽으로 둘러싸인 정원을 구축)에 연결되어 있는 한 가지 이유입니다. 더 중요한 또 다른 이유는 지금쯤이면 AI와 ML 기술이 보편화되고 최대한 많은 기능을 저렴한 가격에 제공하기 위한 경쟁이 벌어지고 있기 때문입니다. 어떤 공급업체도 다른 공급업체가 제공하는 것을 제공하지 않을 수 없으며, 모든 새로운 제공은 거의 하룻밤 사이에 경쟁업체에 의해 복사되고 제공됩니다.

따라서 스택과 목표가 무엇인지, 서비스가 얼마나 직관적인지, 그 뒤에 있는 회사에 대한 인식이 무엇인지 등에 따라 달라집니다.

하지만 어쨌든 AI가 마침내 서비스로 등장한 것은 두말할 나위 없고, 이를 활용하지 않는 것은 지극히 현명하지 못한 일이다. 🙂