Comet.ml хоче змінити спосіб взаємодії з машинним навчанням

Бізнес, який прагне використовувати машинне навчання (ML), потребує більше, ніж розумні пристрої та копіювання даних. По суті, ML обертається навколо двох півкуль: моделей та алгоритмів ML з одного боку та відповідно курованих наборів даних з іншого. Хоча обом потрібен досвід для створення, колишній лише отримав значне збільшення за допомогою Comet.ml, сервісу, запущеного на початку цього місяця, із інструментами, які дозволяють науковцям та розробникам даних відстежувати код та ділитися своїми моделями ML більш ефективно. Компанія каже, що відповідає на те, що вважає підвищеною потребою у більш ефективних та зручних інструментах ML. Послуга є частиною зростаючої сфери зручних сервісів, які прагнуть дозволити більшій кількості людей отримати доступ, використовувати та дізнатися про ML.

З'єднання GitHub

Незважаючи на те, що йому виповнилося менше одного місяця, опис Comet.ml як "GitHub ML" може не бути недоречним. Якщо ви не знайомі з GitHub, це служба хостингу репозиторію, де розробники зберігають і ділиться кодом. У проектах з декількома розробниками, що працюють на одній базі коду, сховища, такі як GitHub, відіграють критичний код в організації робочих процесів та підтримці контролю версій. Хоча концепція сховища коду не нова, GitHub відкрив для спільноти розробників цілий новий світ, створивши користувальницький інтерфейс (UI), що вийшов за рамки прихованих, проектно-орієнтованих можливостей кодування та додав інтуїтивно зрозумілий інтерфейс, а також соціальний інструменти, які дозволяють GitHub спілкуватися з користувачами та навіть спільнотами. Якщо ви хотіли, щоб ваш код переглядали інші розробники, знаходили нові та цікаві додатки, або просто цікаво над тим, над чим працювали провідні світові інженери, GitHub став одним з найпопулярніших місць, щоб наздогнати те, що робить спільнота розвитку.

Завдяки такому резюме, бажання стати GitHub будь-чого здається надзвичайно амбітним, але засновники Comet.ml впевнені. Comet.ml працює аналогічно популярному сервісу GitHub. Просто зробіть безкоштовний акаунт на веб-сайті Comet.ml, виберіть бажану бібліотеку ML (Comet.ml на даний момент підтримує Java, Pytorch, TensorFlow та ще кілька найпопулярніших бібліотек), і ви можете встати і біг будівля та тестування Моделі ML майже вмить - і, швидше за все, легше, ніж вам вдалося зробити до цього моменту. Це тому, що Comet.ml також відстежує всі зміни, які команда вносить у сховище на веб-сайті. Він пропонує автоматизовану оптимізацію моделі, і ви навіть можете інтегрувати свою роботу Comet.ml з GitHub для великих проектів.

GitHub також розміщує ML-моделі, але Comet.ml розроблений з урахуванням унікальних потреб ML. Завдяки типу алгоритму, відомому під назвою Байесова "Оптимізація гіперпараметрів", сервіс налаштує ваші моделі, змінивши гіперпараметри ваших експериментів. Якщо ви справжній видовище даних, то на веб-сайті компанії є більш ретельне пояснення цього. Налаштування моделей вручну може зайняти неймовірно багато часу. Якщо цей алгоритм працює так добре, як каже Comet.ml, це, безумовно, може привернути увагу спільноти даних. Як і у GitHub, один обліковий запис із загальнодоступними сховищами є абсолютно безкоштовним, приватні сховища починаються від $ 49 на користувача на місяць.

Потреба в чомусь простішому

Гедеон Мендельс, співзасновник і генеральний директор Comet.ml, це щось з ветерана ML. Він працював у дослідженнях в Колумбійському університеті та в Google. Протягом усієї своєї кар’єри він намагався знайти ефективний спосіб тестування та обміну моделями ML.

"Я раніше працював у компанії, яку називали GroupWize "У нас було близько 15 моделей машинного навчання у виробництві", - сказав Мендельс. - Простежити за всіма змінами в них просто неможливо. Отже, ми фактично почали будувати Comet внутрішньо як a домашнє пиво рішення для нашого болю ".

Звідти Мендельс та інші члени команди вирішили зосередитись на створенні Comet.ml самостійно. Для Менделя, значення Comet.ml не лише в тому, що моделі ML можуть зберігатися в хмара; йдеться про простіше експериментувати з цим кодом. Мендельс також швидко відкинув думку про те, що його служба намагається конкурувати з GitHub. Зрештою, вона інтегрується в сервіс, і користувачі можуть зареєструватися за допомогою своїх облікових даних GitHub для входу. Для Менделса, справді, йдеться про відповідь на зростаючу хвилю демократизації даних з кращою функціональністю.

"Це пов'язане з більш важливим моментом того, як багато компаній починають займатися дослідженнями МЛ та даних", - сказав Мендельс. "За допомогою GitHub ви можете зберігати код, але з ML, код - це лише одна деталь головоломки. Які дані були використані для того, щоб вписатись у цей код? "Мендельс каже, що функції автоматичного налаштування допоможуть Comet.ml самостійно виділитися.

Ігрові майданчики машинного навчання

Comet.ml - лише одне з декількох пропозицій, які мають на меті змінити спосіб взаємодії з ML. Microsoft, яка була дуже агресивною у просторі, запустила Azure Notebooks кілька років тому. Хоча компанія представляє його як більш навчальний інструмент, ніж Comet.ml, він також розроблений для того, щоб грати з моделями ML у хмарі.

Також доступна ціла хвиля ринків збуту ML, які пропонують повні, готові до роботи моделі як для малого середнього бізнесу, так і для підприємства. Алгоритмія є ан ринок штучного інтелекту (AI), який пропонує, серед іншого, моделі ML, які ви можете купувати та використовувати у власних додатках за допомогою виклику інтерфейсу програмування додатків (API). Не маєте навичок чи часу побудувати модель розбору речень? Потім використовуйте Parsey McParseface для низької ціни в $ 28, 54 для 10 000 дзвінків API. Менш творчо названі моделі на ринок включає такі алгоритми розпізнавання обличчя, спектральна кластеризація географічних даних та вилучення тексту.

Якщо ви не є науковцем даних, то, можливо, ви думаєте, що ці послуги не стосуються вас та вашої організації. Але підприємства будь-якого розміру оголошують про безпрецедентну підтримку та використання AI-рішень, і ML є важливою частиною цього. Ці втілення охоплюють загальну гаму від широких, обширних проектів аж до таких націлених, що ви здивовані, виявивши, що ML є частиною рецепту.

Як приклад цілеспрямованого проекту, WineStein - це послуга цифрового сомельє, яка використовує моделі ML для пари вина з різними видами їжі. Ширший простір прикладів реалізації фінансові технології (fintech) , медичні технології та навіть чат-боти, де AI та ML вже змінили спосіб більшості кожного бізнесу підходити до обслуговування клієнтів та операцій із службою підтримки. Користувальна база для AI та ML швидко зростає і не залишить жодного бізнесу незайманим, що зробить майбутнє світлим місцем для тих, хто любить, як Comet.ml.