Comet.ml хочет изменить то, как мы взаимодействуем с машинным обучением

Бизнес, который хочет использовать машинное обучение (ML), нуждается не только в интеллектуальных устройствах и пакетах данных. По своей сути, ML вращается вокруг двух полушарий: модели и алгоритмы ML с одной стороны и наборы данных с соответствующей курацией с другой. В то время как для создания обоих требуются знания, первый из них получил значительный импульс благодаря Comet.ml, сервису, запущенному ранее в этом месяце, с инструментами, позволяющими ученым и разработчикам данных более эффективно отслеживать код и делиться своими моделями ML. Компания заявляет, что она отвечает растущей потребности в более эффективных и полезных инструментах ML. Сервис является частью растущей области удобных сервисов, которые стремятся предоставить как можно больше людей доступа, использования и изучения ОД.

Соединение GitHub

Несмотря на то, что возраст менее одного месяца, описание Comet.ml как «GitHub of ML» может быть неуместным. Если вы не знакомы с GitHub, то это хостинговый сервис, где разработчики хранят и делятся своим кодом. В проектах с несколькими разработчиками, работающими над одной и той же кодовой базой, репозитории, такие как GitHub, играют важную роль в организации рабочих процессов и поддержании контроля версий. Несмотря на то, что концепция репозитория кода не нова, GitHub открыл целый новый мир для сообщества разработчиков, создав пользовательский интерфейс (UI), который вышел за рамки непонятных, проектно-ориентированных возможностей кодирования и добавил интуитивно понятный пользовательский интерфейс, а также социальные сети. инструменты, которые позволяют GitHub общаться с пользователями и даже сообществами. Если вы хотите, чтобы ваш код был проверен другими разработчиками, найти новые и интересные приложения, или вам просто было интересно узнать, над чем работают ведущие инженеры мира, GitHub стал одним из самых популярных мест, где можно узнать о том, что делает сообщество разработчиков.

С такого рода резюме желание стать GitHub чего-либо кажется чрезвычайно амбициозным, но основатели Comet.ml уверены. Comet.ml работает аналогично популярному сервису GitHub. Просто создайте бесплатную учетную запись на веб-сайте Comet.ml, выберите предпочитаемую библиотеку ML (Comet.ml в настоящее время поддерживает Java, Pytorch, TensorFlow и еще несколько самых популярных библиотек), и вы можете встать и Бег строительство и тестирование Модели ML почти мгновенно - и, вероятно, легче, чем вы могли сделать до этого момента. Это связано с тем, что Comet.ml также отслеживает все изменения, которые команда вносит в репозиторий на веб-сайте. Он предлагает автоматическую оптимизацию модели, и вы даже можете интегрировать свою работу Comet.ml с GitHub для более крупных проектов.

GitHub также содержит модели ML, но Comet.ml разработан с учетом уникальных потребностей ML. С помощью алгоритма, известного как байесовская «оптимизация гиперпараметров», сервис настроит ваши модели, изменив гиперпараметры ваших экспериментов. Если вы настоящий фанат данных, то на веб-сайте компании есть более подробное объяснение. Ручная настройка моделей может занять невероятно много времени. Если этот алгоритм работает так же, как это делает Comet.ml, то он, безусловно, может привлечь внимание сообщества специалистов в области данных. Как и в GitHub, одна учетная запись с общедоступными репозиториями полностью бесплатна, а частные репозитории начинаются от 49 долларов США на пользователя в месяц.

Потребность в чем-то более простом

Гидеон Менделс, соучредитель и генеральный директор Comet.ml, это что-то вроде ветерана ОД. Он работал в исследованиях в Колумбийском университете и в Google. На протяжении всей своей карьеры он изо всех сил пытался найти эффективный способ тестирования и обмена моделями ML.

«Ранее я работал в компании под названием GroupWize и у нас было около 15 моделей машинного обучения, - сказал Мендельс. - Было просто невозможно отследить все изменения в них. Итак, мы фактически начали строить Comet как доморощенного решение для нашей боли."

Оттуда Менделс и другие члены команды решили сосредоточиться на создании Comet.ml самостоятельно. Для Менделя ценность Comet.ml - это не только тот факт, что модели ML можно хранить в облако; речь идет об упрощении экспериментов с этим кодом. Мендельс также поспешил опровергнуть мнение о том, что его служба пытается конкурировать с GitHub. В конце концов, он интегрируется со службой, и пользователи могут зарегистрироваться, используя свои учетные данные для входа в GitHub. Для Менделя это действительно ответ на растущую волну демократизации данных с лучшей функциональностью.

«Это связано с тем, что многие компании начинают заниматься ОД и наукой о данных», - сказал Мендельс. «С GitHub вы можете хранить код, но с ML, код это всего лишь одна часть головоломки. Какие данные использовались для встраивания в этот код? »Мендельс говорит, что функции автоматической настройки помогут Comet.ml выделиться самостоятельно.

Машинное обучение игровые площадки

Comet.ml - это только одно из нескольких предложений, направленных на изменение нашего взаимодействия с ML. Microsoft, которая была очень агрессивной в космосе, выпустила ноутбуки Azure несколько лет назад. Хотя компания представляет его как более образовательный инструмент, чем Comet.ml, он также предназначен для того, чтобы вы могли поиграть с моделями ML в облаке.

Существует также целая волна доступных торговых площадок ML, которые предлагают законченные, готовые к работе модели как для малых и средних предприятий (SMB), так и для предприятий. Алгоритмия Рынок искусственного интеллекта (ИИ), который предлагает, помимо прочего, модели ML, которые можно купить и использовать в своих собственных приложениях через вызов интерфейса прикладного программирования (API). У вас нет навыков или времени для построения модели разбора предложений? Затем используйте Parsey McParseface по низкой цене в $ 28, 54 за 10000 вызовов API. Менее креативно названные модели на Рынок включает в себя таковые для алгоритмов распознавания лиц, спектральной кластеризации для географических данных и извлечения текста.

Если вы не специалист по данным, то можете подумать, что эти услуги не применимы к вам и вашей организации. Но компании всех размеров объявляют о беспрецедентной поддержке и использовании решений ИИ, и ML является важной частью этого. Эти реализации охватывают диапазон от широких, широких проектов до тех, на которые так нацелены, что вы удивитесь, обнаружив, что ML является частью рецепта.

В качестве примера целевого проекта WineStein - это услуга цифрового сомелье, которая использует модели ML для сочетания вина с различными видами пищи. Расширенные примеры реализации финансовые технологии (финтех) , медицинские работники и даже чат-боты, в которых AI и ML уже изменили подход большинства клиентов к обслуживанию клиентов и службам поддержки. Пользовательская база для ИИ и МЛ быстро растет и не оставит нетронутым бизнес, что делает будущее ярким местом для начинающих, таких как Comet.ml.