يجعل Datameer التعلم العميق أكثر سهولة

الفيديو: كيف تستخدم Haven Life الذكاء الاصطناعي والتعلم الآلي لإخراج حياة جديدة من البيانات الطويلة الأمد

ونظرًا لتسليط الضوء على التعلم الآلي والذكاء الاصطناعي، فمن الطبيعي أن نطرح السؤال: "ماذا الآن؟" ويتمثل التحدي في كيفية نقل نماذج الذكاء الاصطناعي من الكمبيوتر المحمول إلى الإنتاج وتقديم قيمة الأعمال.

بما أن الطبيعة تمقت الفراغ، لم يكن هناك نقص في الحلول لمعالجة أجزاء من هذه الفجوة. آي بي إم منصة بيانات واتسون هو إطار عمل طموح للحلول التي تتناول دورة الحياة بدءًا من التعاون وحتى التشغيل. كلاوديرا منضدة عمل علوم البيانات يهدف إلى نقل تجربة الخوارزميات من الكمبيوتر المحمول إلى مجموعة Hadoop. أدوات التعاون في علوم البيانات من مقدمي الخدمات مثل داتايكو, مختبر بيانات الدومينو، و بيانات جبال الألب

التعاون المستهدف وسير العمل وإدارة دورة حياة علوم البيانات ونماذج التعلم الآلي. في أثناء، ألتيريكس يتيح لك تضمين برامج R تحت غطاء أداة BI ذاتية الخدمة.

لذلك ليس هناك حل سحري لسد الفجوة من عقل عالم البيانات إلى الدمج اليومي للنماذج في التحليلات التشغيلية اليومية. مع سمارت آي, داتامير يعالج الميل الأخير. فهو يضيف القدرة على "إحضار النموذج الخاص بك" إلى Datameer وتشغيله كوظيفة جدول بيانات تحليلية لـ Datameer. على وجه التحديد، تقوم SmartAI باستيراد الثنائيات للنماذج التي تم تطويرها باستخدام TensorFlow، مكتبة التعلم العميق التي تم فتحها بواسطة جوجل.

من الناحية العملية، هذا يعني أنه بمجرد قيام عالم البيانات أو فريق علم البيانات الخاص بك باختبار النماذج والتحقق من صحتها، يمكن بعد ذلك إسقاطها في مسار تحليل Datameer. وهنا تبدأ دورة الحياة التحليلية، بدءًا من إعداد البيانات والتكامل وهندسة الميزات، ثم تنفيذ النموذج عن طريق استدعائه كوظيفة تحليلية Datameer (تحتوي الأداة على مكتبة تضم أكثر من بضع مئات من المهام). لذا، يمكن تطبيق نموذج التعلم العميق على مشكلات عمل محددة، مثل Customer 360، أو تحليل البيانات الجينومية، أو المراقبة التشغيلية، أو اكتشاف الاحتيال. ومن خلال إغلاق الحلقة، يمكن استخدام مجموعات البيانات لتدريب النماذج وتحسينها.

لذلك ستوفر Datameer المسار المباشر من تطوير نموذج التعلم العميق TensorFlow إلى تضمينه في تطبيق ذكاء الأعمال. ولكن هذا يثير السؤال التالي: كيف سيستفيد العملاء من ذلك؟

إذا قمت برسم خريطة حرارية حول الثرثرة والضجة، فإن التعلم الآلي هو في المقدمة والمركز. لكن التعلم الآلي عبارة عن مظلة واسعة من الأساليب، تمتد من مطابقة الأنماط الذكية للتجميع، أو الغابة العشوائية، أو المسار مناهج التحليل، إلى المناهج الأكثر طموحًا للتعلم العميق والحوسبة المعرفية التي تحد من الإدراك والفكر البشري العمليات.

من خلال استهداف TensorFlow، اختارت Datameer المكتبة التي جذبت اهتمامًا كبيرًا من المطورين. إنها استراتيجية ذكية، خاصة إذا كانت شركة Datameer تسعى إلى تمييز نفسها عن الشركات الناشئة جوجل كلاود منصة. ولكن بالنظر إلى أن التعلم العميق منطقة غير مخططة جيدًا مقارنة بالآلات الأقل طموحًا مناهج التعلم، نتساءل عن مقدار الميزة العملية التي سيحققها عملاء Datameer في المدى القصير.

ومع ذلك، من خلال تمكين شكل من أشكال التوصيل والتشغيل لنماذج التعلم الآلي، يقوم Datameer بمسح أ مسار لجعل الفوائد ملموسة من خلال أداة ذكاء الأعمال الموجودة ضمن منطقة الراحة في العمل المحللين. والخبر السار هو أن الموصل يمكن أن يدعم تكاملًا مشابهًا مع مكتبات التعلم الآلي الشائعة الأخرى أيضًا. إذا قام Datameer بذلك مع سبارك ملليب أو غيرها، فإنه سيفتح الباب على مصراعيه أمام تطبيقات ذكاء الأعمال للتعلم الآلي على نطاق أوسع.