Comet.ml vrea să schimbe modul în care interacționăm cu învățarea mașinii

O afacere care dorește să utilizeze învățarea automată (ML) are nevoie de mai mult decât dispozitive inteligente și reams de date. La baza sa, ML se învârte în jurul a două emisfere: modele ML și algoritmi pe o parte și seturi de date curate corespunzător pe cealaltă. În timp ce ambele necesită expertiză pentru a crea, primul a primit doar un impuls semnificativ prin intermediul Comet.ml, un serviciu lansat la începutul acestei luni cu instrumente pentru a permite oamenilor de știință și dezvoltatorilor de date să urmărească codul și să partajeze mai eficient modelele lor ML. Compania spune că răspunde la ceea ce vede ca fiind o nevoie crescută de instrumente ML mai eficiente și utilizabile. Serviciul face parte dintr-un domeniu tot mai mare de servicii convenabile, care încearcă să permită accesul, utilizarea și aflarea mai multor persoane despre ML.

Conexiunea GitHub

În ciuda faptului că are o vechime de mai puțin de o lună, descrierea Comet.ml drept „GitHub din ML” poate să nu fie inadecvată. Dacă nu aveți cunoștință de GitHub, este un serviciu de găzduire a depozitelor în care dezvoltatorii își depozitează și își împărtășesc codul. În proiectele cu mai mulți dezvoltatori care lucrează la aceeași bază de cod, depozitele precum GitHub joacă un cod critic în organizarea fluxurilor de lucru și menținerea controlului versiunii. Deși conceptul unui depozit de coduri nu este nou, GitHub a deschis o lume cu totul nouă comunității de dezvoltare prin crearea unei interfețe de utilizator (UI) care a depășit capacitățile de codare arcane, orientate spre proiect și a adăugat o UI intuitivă, precum și socială. instrumente care permit GitHub să vorbească cu utilizatorii și chiar cu comunitățile. Fie că doriți ca codul dvs. să fie revizuit de către alți dezvoltatori, să găsiți aplicații noi și interesante sau să fiți doar curioși despre ce lucrau inginerii de top din lume, GitHub a devenit unul dintre cele mai populare locuri pentru a ține pasul cu ceea ce face comunitatea de dezvoltare.

Cu acest fel de CV, a dori să fii GitHub de orice pare extrem de ambițios, dar fondatorii Comet.ml sunt încrezători. Comet.ml funcționează într-un mod similar cu serviciul popular GitHub. Pur și simplu faceți un cont gratuit pe site-ul Comet.ml, alegeți biblioteca ML preferată (Comet.ml acceptă în prezent Java, Pytorch, TensorFlow și alte câteva dintre cele mai populare biblioteci) și vă puteți ridica și alergare construirea și testarea Modele ML aproape instantaneu - și probabil mai ușor decât ați reușit până acum. Acest lucru se datorează faptului că Comet.ml urmărește, de asemenea, toate modificările pe care o echipă le face unui depozit pe site-ul web. Oferă optimizarea automată a modelului și puteți chiar să integrați activitatea Comet.ml cu GitHub pentru proiecte mai mari.

GitHub găzduiește, de asemenea, modele ML, dar Comet.ml este proiectat având în vedere nevoile unice ale ML. Printr-un tip de algoritm cunoscut sub numele de Bayesian „Optimizarea hiperparametrului”, serviciul îți va modela modelele schimbând hiperparametrele experimentelor tale. Dacă sunteți un adevărat geek de date, atunci există o explicație mai detaliată a acestui lucru pe site-ul companiei. Modificarea manuală poate dura foarte mult. Dacă acest algoritm funcționează la fel de bine cum spune și Comet.ml, atunci cu siguranță ar putea atrage atenția comunității de știință a datelor. La fel ca GitHub, un cont cu depozite disponibile public este complet gratuit, depozitele private începând de la 49 USD pe utilizator pe lună.

Nevoia de ceva mai simplu

Gideon Mendels, co-fondator și CEO al Comet.ml, este ceva al unui veteran al ML. A lucrat în cercetări la Universitatea Columbia și la Google. De-a lungul carierei sale, el s-a străduit să găsească o modalitate eficientă de a testa și împărtăși modelele ML.

„Am lucrat anterior la o companie numită GroupWize și am avut în jur de 15 modele de învățare a mașinilor în producție ", a spus Mendels.„ A fost doar imposibil să urmărim toate schimbările din ele. Deci, am început de fapt să construim Comet pe plan intern ca homebrew soluție pentru durerea noastră ”.

De acolo, Mendels și alți membri ai echipei au decis să se concentreze pe construirea Comet.ml de unul singur. Pentru Mendels, valoarea Comet.ml nu este doar faptul că modelele ML pot fi stocate în norul; este vorba de a facilita experimentarea cu codul respectiv. De asemenea, Mendels a respins rapid ideea că serviciul său încearcă să concureze cu GitHub. La urma urmei, se integrează cu serviciul, iar utilizatorii se pot înscrie cu datele de autentificare GitHub. Pentru Mendels, este vorba despre răspunsul la un val din ce în ce mai mare de democratizare a datelor, cu o funcționalitate mai bună.

„Se conectează la un punct mai mare al modului în care multe companii încep să facă ML și știința datelor”, a spus Mendels. „Cu GitHub, puteți stoca cod, dar cu ML, cod este doar o piesă din puzzle. Ce date au fost utilizate pentru a se încadra în acel cod? "Mendels spune că funcțiile de reglaj automatizate vor ajuta Comet.ml să se distanțeze de unul singur.

Locuri de joacă pentru învățare automată

Comet.ml este doar una dintre mai multe oferte care au ca scop schimbarea modului în care interacționăm cu ML. Microsoft, care a fost foarte agresivă în spațiu, a lansat Azure Notebooks acum câțiva ani. Deși compania o prezintă ca un instrument educațional mai mult decât Comet.ml, este de asemenea concepută pentru a vă permite să vă jucați cu modelele ML din cloud.

Există, de asemenea, un val întreg de piețe ML care oferă modele complete, gata de mers atât pentru întreprinderile mici și mijlocii (IMM-uri), cât și pentru întreprinderi. Algoritmia este un piața de inteligență artificială (AI) care oferă, printre altele, modele ML pe care le puteți cumpăra și utiliza în propriile aplicații printr-un apel de interfață de programare a aplicațiilor (API). Nu aveți priceperea sau timpul necesar pentru a construi un model de analiză de propoziții? Apoi folosiți Parsey McParseface pentru un preț redus de 28, 54 USD pentru 10 000 de apeluri API. Modele mai puțin numite creativ pe piața include cele pentru algoritmi de recunoaștere facială, grupare spectrală pentru date geografice și extragere de text.

Dacă nu sunteți om de știință de date, este posibil să vă gândiți că aceste servicii nu sunt aplicabile dvs. și organizației dvs. Dar întreprinderile de toate dimensiunile anunță sprijin și utilizarea fără precedent a soluțiilor AI, iar ML este o parte importantă în acest sens. Aceste implementări acoperă gama de proiecte largi și extinse către cele atât de direcționate încât ești surprins să găsești că ML face parte din rețetă.

Ca exemplu de proiect vizat, WineStein este un serviciu digital de somelier care folosește modelele ML pentru a împerechea vinul cu diferite tipuri de mâncare. Exemplele de implementare mai ample se întind pe durata tehnologie financiară (fintech) , tehnologia asistenței medicale și chiar chatbots în care AI și ML au schimbat deja modul în care majoritatea întreprinderilor abordează serviciile pentru clienți și operațiunile de asistență. Baza de utilizatori pentru AI și ML crește rapid și nu va lăsa nicio treabă de afaceri, ceea ce face ca viitorul să fie un loc luminos pentru cei mai importanți, precum Comet.ml.