Comet.ml, makine öğrenmeyle etkileşim biçimimizi değiştirmek istiyor

Makine öğrenmesinden (ML) faydalanmak isteyen bir işletme, akıllı cihazlardan ve veri toplarından daha fazlasına ihtiyaç duyar. Özünde, ML iki yarım küre etrafında döner: bir tarafta ML modelleri ve algoritmaları, diğer tarafta uygun şekilde küratörlenmiş veri setleri. Her ikisi de oluşturmak için uzmanlık gerektirmekle birlikte, eski, veri bilimcileri ve geliştiricilerin kod modellerini daha verimli bir şekilde izlemelerini ve paylaşmalarını sağlayan araçlarla birlikte bu ayın başlarında başlatılan bir hizmet olan Comet.ml aracılığıyla önemli bir ilerleme kaydetti. Şirket, daha etkili ve kullanışlı ML araçlarına artan bir ihtiyaç olarak gördüklerini cevapladığını söylüyor. Hizmet, daha fazla insanın ML'ye erişmesine, kullanmasına ve öğrenmesine izin vermeye çalışan, gittikçe büyüyen uygun hizmetlerin bir parçasıdır.

GitHub Bağlantısı

Bir aydan daha eski olmasına rağmen, Comet.ml dosyasını "GitHub of ML" olarak tanımlamak uygun olmayabilir. GitHub'a yabancıysanız, geliştiricilerin kodlarını depoladığı ve paylaştığı bir depo barındırma hizmetidir. Aynı kod tabanında çalışan birden fazla geliştiricinin bulunduğu projelerde GitHub gibi depolar, iş akışlarının düzenlenmesi ve sürüm kontrolünün sürdürülmesinde kritik bir kod oynuyor. Bir kod deposu kavramı yeni olmasa da, GitHub, arcane, proje odaklı kodlama yeteneklerinin ötesine geçen bir kullanıcı arayüzü (UI) yaratarak geliştirme topluluğuna yepyeni bir dünya açtı ve sosyal ve sezgisel bir kullanıcı arayüzü ekledi. GitHub'ın kullanıcılar ve hatta topluluklarla konuşmasını sağlayan araçlar. Kodunuzun diğer geliştiriciler tarafından incelenmesini, yeni ve ilginç uygulamalar bulmasını ya da dünyanın en iyi mühendislerinin üzerinde çalıştığı şeyleri merak ediyorsanız olsun, GitHub, geliştirme topluluğunun ne yaptığını yakalamak için en popüler yerlerden biri haline geldi.

Bu tür bir özgeçmiş ile GitHub olmak istediğim her şey son derece iddialı görünüyor ama Comet.ml kurucuları kendine güveniyor. Comet.ml, popüler GitHub servisine benzer şekilde çalışır. Comet.ml web sitesinde ücretsiz bir hesap oluşturun, tercih ettiğiniz ML kütüphanesini seçin (Comet.ml şu anda Java, Pytorch, TensorFlow ve en popüler kitaplıkların birkaçını destekliyor); koşu yapı ve test yapmak ML modelleri neredeyse anında - ve bu noktaya kadar yapabildiğinizden daha kolay. Bunun nedeni, Comet.ml’in, bir ekibin web sitesindeki bir depoda yaptığı tüm değişiklikleri de izlemesidir. Otomatik model optimizasyonu sunar ve Comet.ml çalışmanızı daha büyük projeler için GitHub ile entegre edebilirsiniz.

GitHub ayrıca ML modellerine de ev sahipliği yapıyor ancak Comet.ml, ML'nin benzersiz ihtiyaçları göz önüne alınarak tasarlandı. Bayesian "Hiperparametre optimizasyonu" olarak bilinen bir algoritma türü ile servis, denemelerinizin hiperparametrelerini değiştirerek modellerinizi değiştirecektir. Eğer gerçek bir veri meraklıysanız, şirketin internet sitesinde bunun daha ayrıntılı bir açıklaması vardır. Tweaking modelleri manuel olarak inanılmaz uzun zaman alabilir. Bu algoritma Comet.ml'in dediği gibi çalışırsa, kesinlikle veri bilimi topluluğunun dikkatini çekebilir. Tıpkı GitHub gibi, herkese açık depoları olan bir hesap tamamen ücretsizdir ve özel depolar ayda kullanıcı başına 49 ABD dolarından başlamaktadır.

Daha Basit Birşeye İhtiyaç Var

Gideon Comet.ml'in kurucu ortağı ve CEO'su Mendels, bir ML gazisi olan bir şey. Columbia Üniversitesi ve Google'da araştırmalarda çalıştı. Kariyeri boyunca, ML modellerini test etmek ve paylaşmak için etkili bir yol bulmakta zorlandı.

"Daha önce denilen bir şirkette çalıştım GroupWize ve üretimde yaklaşık 15 makine öğrenme modelimiz vardı, "dedi Mendels." İçlerindeki tüm değişiklikleri takip etmek imkansızdı. Yani, aslında Comet'i dahili olarak inşa etmeye başladık. ev yapımı içki acımız için çözüm. "

Oradan, Mendels ve diğer ekip üyeleri Comet.ml'i kendi başına oluşturmaya odaklandı. Mendels için Comet.ml değeri sadece ML modellerinin depolanabilmesi gerçeği değildir. içinde Bulut; bu kodla denemeyi kolaylaştırmakla ilgilidir. Mendels, servisinin GitHub ile rekabet etmeye çalıştığı fikrini de reddetti. Sonuçta, hizmetle bütünleşir ve kullanıcılar GitHub oturum açma kimlik bilgileriyle kaydolabilirler. Mendels'e göre, büyümekte olan bir veri demokratikleşme dalgasını daha iyi işlevsellik ile cevaplamakla ilgili.

Mendels, "Bu, birçok şirketin ML ve veri bilimini yapmaya nasıl başladığı konusunda daha büyük bir noktaya bağlanıyor." Dedi. "GitHub ile kod saklayabilirsiniz, ancak ML ile kod bulmacanın sadece bir parçası. Bu koda uyması için hangi veriler kullanıldı? ”Diyor Mendels, otomatik ince ayar özelliklerinin Comet.ml'nin kendi başına ayrılmasına yardımcı olacağını söylüyor.

Makine Öğrenme Oyun Alanları

Comet.ml, ML ile etkileşim biçimimizi değiştirmeyi amaçlayan tekliflerden sadece bir tanesidir. Alanda çok agresif davranan Microsoft, birkaç yıl önce Azure Dizüstü Bilgisayarları piyasaya sürdü. Her ne kadar şirket, Comet.ml'den daha çok bir eğitim aracı olarak sunsa da, buluttaki ML modelleri ile oynamanıza izin verecek şekilde tasarlandı.

Hem küçük hem de orta ölçekli işletmelere (KOBİ'ler) ve benzer işletmelere eksiksiz, kullanıma hazır modeller sunan bir dizi ML pazarı da vardır. Algoritma bir Diğer uygulamaların yanı sıra, bir uygulama programlama arayüzü (API) çağrısı ile kendi uygulamalarınızda satın alabileceğiniz ve kullanabileceğiniz ML modelleri sunan yapay zeka (AI) pazarı. Cümle çözümleyici bir model oluşturmak için gerekli yeteneğiniz veya zamanınız yok mu? Ardından 10.000 API çağrı için 28.54 $ 'lık düşük bir fiyata Parsey McParseface kullanın. Daha az yaratıcı adlandırılmış modeller üzerinde pazar, yüz tanıma algoritmaları, coğrafi veriler için spektral kümeleme ve metin çıkarma için olanları içerir.

Veri bilimcisi değilseniz, bu hizmetlerin sizin ve kurumunuz için geçerli olmadığını düşünüyor olabilirsiniz. Ancak, her ölçekteki işletme, AI çözümlerinin daha önce görülmemiş şekilde desteklendiğini ve kullanıldığını duyuruyor ve ML bunun önemli bir parçası. Bu uygulamalar, gamı ​​geniş kapsamlı projelerden, ML'nin tarifin bir parçası olduğunu bulmak için şaşırdığınız hedeflere kadar uzanıyor.

Hedeflenen bir projenin örneği olarak WineStein, şarabı farklı yiyecek türleriyle eşleştirmek için ML modellerini kullanan dijital bir sommelier hizmetidir. Daha geniş uygulama örnekleri finansal teknoloji (fintech) , sağlık teknolojisi ve AI ve ML'nin zaten her işletmenin müşteri hizmetlerine ve yardım masası işlemlerine yaklaşma şeklini değiştirdiği hatta sohbetler. AI ve ML'nin kullanıcı tabanı hızlı bir şekilde büyüyor ve dokunulmadan hiçbir iş bırakmayacak, bu da geleceği Comet.ml gibi geleceğe yönelik parlak bir yer haline getiriyor.