Comet.ml иска да промени начина, по който взаимодействаме с машинното обучение

Един бизнес, който иска да използва машинното обучение (ML), се нуждае от повече от интелигентни устройства и поредици от данни. В основата си ML се върти около две полукълба: ML модели и алгоритми от едната страна и подходящо курирани набори от данни от другата. Въпреки че и двамата се нуждаят от опит, за да създадат, първата просто получи значителен тласък чрез Comet.ml, услуга, стартирана по-рано този месец с инструменти, за да позволи на учените и разработчиците на данни да проследяват кода и да споделят своите модели ML по-ефективно. Компанията казва, че отговаря на това, което вижда като повишена нужда от по-ефективни и използваеми инструменти за ML. Услугата е част от нарастващо поле от удобни услуги, които се стремят да позволят на повече хора да имат достъп, да използват и да научат за ML.

Връзката GitHub

Въпреки че е на по-малко от един месец, описването на Comet.ml като "GitHub на ML" може да не е неподходящо. Ако не сте запознати с GitHub, това е услуга за хостинг на хранилище, където разработчиците съхраняват и споделят техния код. В проекти с множество разработчици, работещи върху една и съща кодова база, хранилища като GitHub играят критичен код при организирането на работните процеси и поддържането на контрол на версиите. Въпреки че концепцията за кодово хранилище не е нова, GitHub отвори изцяло нов свят за общността на разработките, като създаде потребителски интерфейс (UI), който надхвърли скритите, проектно ориентирани възможности за кодиране и добави интуитивен потребителски интерфейс, както и социален инструменти, които позволяват на GitHub да разговаря с потребители и дори общности. Независимо дали сте искали вашия код да бъде прегледан от други разработчици, да намерите нови и интересни приложения или просто сте били любопитни за това, над което работят най-добрите световни инженери, GitHub се превърна в едно от най-популярните места, за да наваксате какво прави общността за развитие.

С този вид резюме, желанието да бъде GitHub на всичко изглежда изключително амбициозно, но основателите на Comet.ml са уверени. Comet.ml работи по подобен начин на популярната услуга GitHub. Просто направете безплатен акаунт на уебсайта на Comet.ml, изберете предпочитаната от вас библиотека за ML (Comet.ml понастоящем поддържа Java, Pytorch, TensorFlow и още няколко от най-популярните библиотеки) и можете да станете и бягане сграда и тестване ML модели почти моментално - и вероятно по-лесно, отколкото сте успели да направите до този момент. Това е така, защото Comet.ml също проследява всички промени, които екипът прави в хранилище на уебсайта. Той предлага автоматизирана оптимизация на модели и дори можете да интегрирате вашата работа на Comet.ml с GitHub за по-големи проекти.

GitHub също е домакин на ML модели, но Comet.ml е проектиран с уникалните нужди на ML в предвид. Чрез тип алгоритъм, известен като Bayesian "Хиперпараметрична оптимизация", услугата ще ощипва вашите модели, като променя хиперпараметрите на вашите експерименти. Ако сте истински маниер на данни, тогава на уебсайта на компанията има по-задълбочено обяснение за това. Ръчно оформяне на модели може да отнеме невероятно дълго време. Ако този алгоритъм работи така добре, както Comet.ml казва, че го прави, то определено би могъл да привлече вниманието на общността на научните данни. Точно като GitHub, един акаунт с публично достъпни хранилища е напълно безплатен, като частните хранилища започват от $ 49 на потребител на месец.

Нуждата от нещо по-просто

Гидиън Менделс, съосновател и изпълнителен директор на Comet.ml, е нещо на ветеран от ML. Работил е в изследвания в Колумбийския университет и в Google. През цялата си кариера той се бори да намери ефективен начин за тестване и споделяне на ML модели.

„Преди работех във фирма, наречена GroupWize и имахме около 15 модела за машинно обучение в производството, каза Менделс. „Просто беше невъзможно да следим всички промени в тях. И така, ние всъщност започнахме да изграждаме Comet вътрешно като a самоделна решение за нашата болка."

Оттам Менделс и други членове на екипа решиха да се съсредоточат върху създаването на Comet.ml самостоятелно. За Менделс стойността на Comet.ml не е само фактът, че ML моделите могат да се съхраняват в Облакът; става въпрос за улесняване на експериментирането с този код. Менделс също бързо отхвърли идеята, че службата му се опитва да се конкурира с GitHub. В крайна сметка тя се интегрира с услугата и потребителите могат да се регистрират с техните идентификационни данни за вход в GitHub. За Менделс наистина става въпрос за отговор на нарастващата вълна на демократизация на данните с по-добра функционалност.

„Това се свързва с по-голяма точка от това как много компании започват да правят ML и наука за данни“, каза Менделс. „С GitHub можете да съхранявате код, но с ML, код е само едно парче от пъзела. Какви данни са били използвани, за да се поберат в този код? "Менделс казва, че автоматизираните функции за настройване ще помогнат на Comet.ml да се раздели самостоятелно.

Детски площадки за машинно обучение

Comet.ml е само едно от няколко предложения, които имат за цел да променят начина, по който общуваме с ML. Microsoft, която беше много агресивна в пространството, лансира Azure Notebooks преди няколко години. Въпреки че компанията го представя като по-скоро образователен инструмент, отколкото Comet.ml, той също така е създаден да ви позволи да играете с ML модели в облака.

Налична е и цяла вълна от ML пазари, които предлагат цялостни, готови модели за малки и средни предприятия (SMBs) и предприятия. Алгоритмията е един пазар на изкуствен интелект (AI), който предлага, наред с други неща, модели ML, които можете да купувате и използвате в собствените си приложения чрез призив за интерфейс за програмиране (API). Нямате умение или време да изградите модел за разбор на изречения? След това използвайте Parsey McParseface за ниската цена от 28, 54 $ за 10 000 API разговори. По-малко креативно наречени модели На пазарът включва такива за алгоритми за разпознаване на лица, спектрално групиране на географски данни и извличане на текст.

Ако не сте учен с данни, тогава може би мислите, че тези услуги не са приложими за вас и вашата организация. Но фирми от всякакви размери обявяват безпрецедентна подкрепа и използване на AI решения, а ML е важна част от това. Тези реализации обхващат гамата от широки и обширни проекти, стигащи до толкова насочени, че изненадвате, че ML е част от рецептата.

Като пример за целенасочен проект, WineStein е дигитална сомелиева услуга, която използва ML модели, за да сдвоява вино с различни видове храна. По-широки примери за изпълнение финансова технология (fintech) , здравни технологии и дори чат-ботове, в които AI и ML вече са променили начина, по който повечето бизнес се доближават до обслужване на клиенти и операции с помощни служби. Потребителската база за AI и ML се разраства бързо и няма да остави непроменен бизнес, което превръща бъдещето в светло място за актуални потребители като Comet.ml.