Uvod v strojno učenje
Arthur Samuel je leta 1959 skoval izraz strojno učenje. Ameriški pionir računalniških iger in umetne inteligence je dejal, da "računalnikom omogoča učenje brez eksplicitnega programiranja. Strojno učenje je nov moto, ki lebdi naokoli. Zasluži si, da je eno najzanimivejših podpoljkov računalništva. Programi za umetno inteligenco so bili na splošno izrecno načrtovani za izvajanje nalog v preteklosti. V večini primerov je bilo „učenje“ sestavljeno iz prilagajanja več parametrov fiksnemu izvajanju, da se dejstva dodajo v zbirko drugih dejstev (baze znanja) in nato (učinkovito) iskanje rešitve problema iz enega znana rešitev drugemu. v obliki poti več majhnih korakov. V tej temi bomo spoznali orodja za strojno učenje.
Kaj je orodje strojnega učenja?
Orodja za strojno učenje so algoritmi za umetno inteligenco, ki sistemom omogočajo razumevanje in izboljšanje brez velikega človeškega vložka. Omogoča, da programska oprema brez izrecnega programiranja natančneje napoveduje rezultate. Orodja za strojno učenje z vadbenimi kolesi so nadzorovani algoritmi. Od posameznika zahtevajo, da razporedi vhodni in želeni izid ter posreduje povratne informacije o točnosti končnih rezultatov. Nenadzorovani algoritmi zahtevajo zelo malo človeškega posredovanja z uporabo pristopa »globokega učenja«, da bi preverili množične baze podatkov in prišli do zaključkov iz prejšnjih zglednih podatkov usposabljanja; zato se običajno uporabljajo za bolj zapletene naloge obdelave, kot so zavedanje slik, govor v besedilo in ustvarjanje naravnih jezikov.
Orodja za strojno učenje so sestavljena iz:
- Priprava in zbiranje podatkov
- Gradnja modelov
- Uvajanje aplikacij in usposabljanje
Lokalna orodja za telekomunikacije in učenje na daljavo
Orodja strojnega učenja lahko primerjamo z lokalnimi in oddaljenimi. Lahko prenesete in namestite lokalno orodje in ga uporabite lokalno, vendar oddaljeno orodje deluje na zunanjem strežniku.
-
Lokalna orodja
V lokalnem okolju lahko prenesete, namestite in zaženete lokalno orodje.
Karakteristike lokalnega orodja so naslednje:
- Prilagojeno za podatke in algoritme v pomnilniku.
- Nadzor izvajanja konfiguracije in parametrizacije.
- Vključite svoje sisteme, da izpolnjujejo vaše zahteve.
Primeri lokalnih orodij so Shogun, Golearn for Go itd.
-
Oddaljena orodja
To orodje gosti od strežnika in ga pokliče v lokalno okolje. Te instrumente pogosto imenujemo strojno učenje kot storitev (MLaaS)
- Prilagojeno za večje nabore podatkov za izvajanje v merilu.
- Izvedite več naprav, več jeder in skupno shranjevanje.
- Enostavnejši vmesniki, ki zagotavljajo manj nadzora nad konfiguracijo in parametriranje algoritma.
Primeri teh orodij so strojno učenje v AWS, napovedovanje v Googlu, Apache Mahout itd.
Orodja za strojno učenje:
Spodaj so različna orodja strojnega učenja, ki so naslednja:
TensorFlow
To je strojna knjižnica učenja Google Brain iz Googlove organizacije AI, izdana leta 2015. Tensor Flow vam omogoča ustvarjanje lastnih knjižnic. Zaradi fleksibilnosti lahko uporabljamo tudi jezik C ++ in python. Pomembna značilnost te knjižnice je, da se diagrami pretoka podatkov uporabljajo za prikaz številčnih izračunov s pomočjo vozlišč in robov. Matematične operacije so predstavljene z vozlišči, medtem ko robovi označujejo večdimenzionalne matrike podatkov, na katerih se izvajajo operacije. TensorFlow uporabljajo številna znana podjetja, kot so eBay, Twitter, Dropbox itd. Ponuja tudi odlična razvojna orodja, zlasti v Androidu.
Keras
Keras je knjižnica Python, ki se poglobljeno uči, in se lahko izvaja na vrhu Teana, TensorFlow. Francois Chollet, član Googlove ekipe za možgane, jo je razvil, da bi podatkovnim znanstvenikom omogočili hitro vodenje programov strojnega učenja. Zaradi uporabe visoko razumljivega vmesnika knjižnice in delitve omrežij na sekvence ločenih modulov je možno hitro prototipiranje. Bolj priljubljen je zaradi uporabniškega vmesnika, enostavnosti razširljivosti in modularnosti. Deluje tako na CPU kot na GPU.
Scikit-učite se
Scikit-learn, ki je bil prvič izdan leta 2007, je knjižnica odprtega vira za strojno učenje. Python je skriptni jezik tega okvira in vključuje več modelov strojnega učenja, kot so klasifikacija, regresija, združevanje in zmanjšanje dimenzij. Scikit-learn je zasnovan na treh odprtokodnih projektih - Matplotlib, NumPy in SciPy.
Scikit-learning ponuja uporabnikom n število algoritmov strojnega učenja. Okvirna knjižnica se osredotoča na modeliranje podatkov, ne pa na nalaganje, povzemanje, manipulacijo s podatki.
Caffe2
Caffe2 je posodobljena različica Caffe. Gre za lahko, odprtokodno orodje strojnega učenja, ki ga je razvil Facebook. Ima obsežno knjižnico strojnega učenja za izvajanje zapletenih modelov. Prav tako podpira mobilno uvajanje. Ta knjižnica ima C ++ in Python API, ki omogoča razvijalcem, da najprej prototipujejo, optimizacijo pa lahko opravite pozneje
Apache Spark MLlib
Apache Spark MLlib je porazdeljen okvir za strojno učenje. Jedro Spark je razvito na vrhu. Apache sproži MLlib devetkrat hitreje od uporabe na disku. Široko se uporablja kot projekt odprtega koda, zaradi česar je poudarek na strojnem učenju.
Apache Spark MLlib ima knjižnico za obsežno poklicno usposabljanje. MLlib vključuje algoritme za regresijo, kolaborativne filtre, gručenje, drevesa odločitev, cevovodske API-je višjih ravni.
OpenNN
OpenNN razvija podjetje za umetno inteligenco Artelnics. OpenNN je knjižnica programske opreme napredne analitike, napisana v jeziku C ++. Najuspešnejša metoda strojnega učenja je izvajanje nevronskih mrež. Je visoko zmogljiv. Izstopata hitrost izvajanja in dodelitev pomnilnika te knjižnice.
Amazon SageMaker
Amazon SageMaker je popolnoma upravljana storitev, ki raziskovalcem in razvijalcem podatkov omogoča hitro in enostavno izdelavo, usposabljanje in izvajanje modelov strojnega učenja v poljubnem obsegu. Amazon SageMaker podpira odprtokodno spletno aplikacijo Jupyter prenosniki, ki razvijalcem pomagajo pri deljenju kode v živo. Ti prenosniki vključujejo gonilnike, pakete in knjižnice za skupne platforme za globoko učenje in okvire za uporabnike SageMaker. Amazon SageMaker po izbiri šifrira modele med in med prevozom prek AWS Key Management Service, zahteve API-ja pa se izvajajo preko varne povezave s plastjo vtičnice. SageMaker tudi shrani kodo v obsegih, ki jih zaščitijo in šifrirajo varnostne skupine.
Zaključek
Pred razvojem aplikacij za strojno učenje je zelo pomembno izbrati orodje za strojno učenje, ki ima obsežne knjižnice, odličen uporabniški vmesnik in podporo za skupne programske jezike. To je vodnik za orodja za strojno učenje, ki bodo pomagala pri izbiri potrebne tehnologije.
Priporočeni članki
To je vodnik za orodja za strojno učenje. Tu smo razpravljali o orodjih za strojno učenje in lokalnih orodjih za telekomunikacije in učenje na daljavo. Obiščite lahko tudi druge naše predlagane članke, če želite izvedeti več -
- Kaj je strojno učenje?
- Tehnike strojnega učenja
- Kariere v strojnem učenju
- Strojno učenje v primerjavi s statistiko
- Matplotlib In Python