Introduction à l'apprentissage automatique
Arthur Samuel a inventé le terme d'apprentissage automatique en 1959. Un pionnier américain des jeux informatiques et de l'intelligence artificielle a déclaré: «cela donne aux ordinateurs la possibilité d'apprendre sans programmation explicite. L'apprentissage automatique est une nouvelle devise qui flotte. Il mérite d'être l'un des sous-domaines les plus intéressants en informatique. Les programmes d'intelligence artificielle étaient généralement prévus de manière explicite pour exécuter des tâches dans le passé. Dans la plupart des cas, l '«apprentissage» consistait à ajuster plusieurs paramètres à une implémentation fixe afin d'ajouter des faits à une collection d'autres faits (une base de connaissances), puis à rechercher (effectivement) une solution au problème à partir d'un seul. solution connue à une autre. sous la forme d'un chemin de plusieurs petites étapes. Dans cette rubrique, nous allons découvrir les outils d'apprentissage automatique.
Qu'est-ce que l'outil d'apprentissage automatique?
Les outils d'apprentissage automatique sont des applications algorithmiques d'intelligence artificielle qui fournissent aux systèmes la capacité de comprendre et de s'améliorer sans intervention humaine considérable. Il permet au logiciel, sans être explicitement programmé, de prévoir les résultats avec plus de précision. Les outils d'apprentissage automatique avec roues d'entraînement sont des algorithmes supervisés. Ils exigent qu'un individu planifie à la fois l'entrée et la sortie souhaitée et fournisse un retour d'information sur l'exactitude des résultats finaux. Les algorithmes non supervisés nécessitent très peu d'intervention humaine en utilisant une approche de «deep learning» afin de vérifier des bases de données massives et de tirer des conclusions à partir de données de formation basées sur des exemples précédents; ils sont ainsi généralement utilisés pour des tâches de traitement plus complexes, telles que la prise de conscience d'images, la synthèse vocale et la génération de langages naturels.
Les outils d'apprentissage automatique sont composés de
- Préparation et collecte de données
- Modèles de construction
- Déploiement d'applications et formation
Outils locaux pour les télécommunications et l'apprentissage à distance
Nous pouvons comparer les outils d'apprentissage automatique avec les outils locaux et distants. Vous pouvez télécharger et installer un outil local et l'utiliser localement, mais un outil distant s'exécute sur un serveur externe.
-
Outils locaux
Vous pouvez télécharger, installer et exécuter un outil local dans votre environnement local.
Les caractéristiques des outils locaux sont les suivantes:
- Adapté aux données et algorithmes en mémoire.
- Contrôle d'exécution de la configuration et du paramétrage.
- Intégrez vos systèmes pour satisfaire vos exigences.
Des exemples d'outils locaux sont Shogun, Golearn for Go, etc.
-
Outils à distance
Cet outil est hébergé à partir du serveur et appelé dans votre environnement local. Ces instruments sont souvent appelés Machine Learning as a Service (MLaaS)
- Personnalisé pour les jeux de données plus volumineux à exécuter à l'échelle.
- Exécutez plusieurs périphériques, plusieurs noyaux et un stockage partagé.
- Interfaces plus simples qui fournissent moins de contrôle de configuration et de paramétrage de l'algorithme.
Des exemples de ces outils sont le Machine Learning dans AWS, Predication dans Google, Apache Mahout, etc.
Outils d'apprentissage automatique:
Voici les différents outils d'apprentissage automatique qui sont les suivants:
TensorFlow
Il s'agit d'une bibliothèque d'apprentissage automatique de Google Brain de l'organisation d'intelligence artificielle de Google publiée en 2015. Tensor Flow vous permet de créer vos propres bibliothèques. Nous pouvons également utiliser le langage C ++ et python en raison de la flexibilité. Une caractéristique importante de cette bibliothèque est que les diagrammes de flux de données sont utilisés pour représenter des calculs numériques à l'aide de nœuds et d'arêtes. Les opérations mathématiques sont représentées par des nœuds tandis que les arêtes désignent des tableaux de données multidimensionnels sur lesquels les opérations sont effectuées. TensorFlow est utilisé par de nombreuses sociétés célèbres comme eBay, Twitter, Dropbox, etc. Il fournit également d'excellents outils de développement, en particulier dans Android.
Keras
Keras est une bibliothèque Python d'apprentissage en profondeur qui peut s'exécuter sur Theano, TensorFlow. François Chollet, membre de l'équipe Google Brain, l'a développé pour donner aux scientifiques des données la possibilité d'exécuter rapidement des programmes d'apprentissage automatique. En raison de l'utilisation de l'interface compréhensible de haut niveau de la bibliothèque et de la division des réseaux en séquences de modules séparés, un prototypage rapide est possible. Il est plus populaire en raison de l'interface utilisateur, de la facilité d'extensibilité et de la modularité. Il fonctionne sur CPU ainsi que sur GPU.
Scikit-learn
Scikit-learn, qui a été publié pour la première fois en 2007, est une bibliothèque open source pour l'apprentissage automatique. Python est un langage de script de ce cadre et comprend plusieurs modèles d'apprentissage automatique tels que la classification, la régression, le clustering et la réduction de la dimensionnalité. Scikit-learn est conçu sur trois projets open source - Matplotlib, NumPy et SciPy.
Scikit-learn fournit aux utilisateurs n nombre d'algorithmes d'apprentissage automatique. La bibliothèque de framework se concentre sur la modélisation des données mais pas sur le chargement, le résumé, la manipulation des données.
Caffe2
Caffe2 est une version mise à jour de Caffe. Il s'agit d'un outil d'apprentissage machine open source léger développé par Facebook. Il possède une vaste bibliothèque d'apprentissage automatique pour exécuter des modèles complexes. En outre, il prend en charge le déploiement mobile. Cette bibliothèque possède des API C ++ et Python qui permettent aux développeurs de créer des prototypes en premier, et l'optimisation peut être effectuée plus tard
Apache Spark MLlib
Apache Spark MLlib est un cadre distribué pour l'apprentissage automatique. Le noyau Spark est développé au sommet. Apache déclenche MLlib est neuf fois plus rapide à partir d'une implémentation sur disque. Il est largement utilisé comme projet open source qui met l'accent sur l'apprentissage automatique pour le rendre facile.
Apache Spark MLlib possède une bibliothèque pour une formation professionnelle évolutive. MLlib comprend des algorithmes de régression, des filtres collaboratifs, le clustering, des arbres de décisions, des API de pipeline de niveaux supérieurs.
OpenNN
OpenNN est développé par la société d'intelligence artificielle Artelnics. OpenNN est une bibliothèque de micrologiciels d'analyse avancée écrite en C ++. La méthode d'apprentissage automatique la plus réussie est la mise en œuvre de réseaux de neurones. Il est performant. La vitesse d'exécution et l'allocation de mémoire de cette bibliothèque se démarquent.
Amazon SageMaker
Amazon SageMaker est un service entièrement géré qui permet aux chercheurs et aux développeurs de données de créer, former et implémenter des modèles d'apprentissage automatique à n'importe quelle échelle rapidement et facilement. Amazon SageMaker prend en charge les blocs-notes d'applications Web open source Jupyter qui aident les développeurs à partager du code en direct. Ces blocs-notes comprennent des pilotes, des packages et des bibliothèques pour les plates-formes et les frameworks d'apprentissage en profondeur courants pour les utilisateurs de SageMaker. Amazon SageMaker chiffre éventuellement les modèles pendant et pendant le transit via AWS Key Management Service, et les demandes d'API sont effectuées via une connexion sécurisée à la couche socket. SageMaker stocke également le code dans des volumes qui sont protégés et chiffrés par des groupes de sécurité.
Conclusion
Avant de développer des applications d'apprentissage automatique, il est très important de sélectionner un outil d'apprentissage automatique doté de bibliothèques étendues, d'une excellente interface utilisateur et d'une prise en charge des langages de programmation courants. Il s'agit donc d'un guide des outils d'apprentissage automatique qui vous aidera à sélectionner la technologie requise.
Articles recommandés
Cela a été un guide pour les outils d'apprentissage automatique. Ici, nous avons discuté des outils pour l'apprentissage automatique et des outils locaux pour les télécommunications et l'apprentissage à distance. Vous pouvez également consulter nos autres articles suggérés pour en savoir plus-
- Qu'est-ce que l'apprentissage automatique?
- Techniques d'apprentissage automatique
- Carrières en apprentissage automatique
- Apprentissage automatique vs statistiques
- Matplotlib en Python