Comet.ml ingin mengubah cara kita berinteraksi dengan pembelajaran mesin

Perniagaan yang ingin menggunakan mesin pembelajaran (ML) memerlukan lebih banyak daripada peranti pintar dan reams data. Di terasnya, ML berkisar dua buah hemisfera: model ML dan algoritma pada satu sisi dan menetapkan data yang sesuai dengan yang lain. Walaupun kedua-duanya memerlukan kepakaran untuk mencipta, mantan hanya mendapat rangsangan yang signifikan melalui Comet.ml, sebuah perkhidmatan yang dilancarkan awal bulan ini dengan alat untuk membolehkan para saintis dan pemaju data mengesan kod dan berkongsi model ML mereka dengan lebih cekap. Syarikat itu mengatakan ia menjawab apa yang dilihat sebagai keperluan yang meningkat untuk alat ML yang lebih berkesan dan boleh digunakan. Perkhidmatan ini adalah sebahagian daripada bidang perkhidmatan mudah yang semakin berkembang yang berusaha untuk membolehkan lebih banyak orang mengakses, menggunakan, dan belajar tentang ML.

Sambungan GitHub

Walaupun berusia kurang dari satu bulan, menggambarkan Comet.ml sebagai "GitHub of ML" mungkin tidak sesuai. Sekiranya anda tidak dikenali dengan GitHub, ia merupakan perkhidmatan hosting repositori di mana pemaju menyimpan dan berkongsi kod mereka. Dalam projek-projek dengan beberapa pemaju yang bekerja di pangkalan data yang sama, repositori seperti GitHub memainkan kod penting dalam mengatur alur kerja dan mengekalkan kawalan versi. Walaupun konsep repositori kod tidak baru, GitHub membuka dunia baru kepada komuniti pembangunan dengan mencipta antara muka pengguna (UI) yang melampaui keupayaan pengekodan berorientasikan projek dan menambahkan UI intuitif serta sosial alat yang membolehkan GitHub bercakap dengan pengguna dan juga komuniti. Sama ada anda mahukan kod anda disemak oleh pemaju lain, mencari aplikasi baru dan menarik, atau hanya ingin tahu tentang apa yang jurutera tertinggi di dunia bekerja, GitHub telah menjadi salah satu tempat yang paling popular untuk mengejar apa yang dilakukan oleh komuniti pembangunan.

Dengan resume semacam itu, mahu menjadi GitHub sesuatu seolah-olah sangat bercita-cita tinggi, tetapi pengasas Comet.ml yakin. Comet.ml berfungsi dengan cara yang sama dengan perkhidmatan GitHub yang popular. Hanya buat akaun percuma di laman web Comet.ml, pilih perpustakaan ML pilihan anda (Comet.ml saat ini menyokong Java, Pytorch, TensorFlow, dan beberapa lagi perpustakaan yang paling popular), dan anda boleh bangun dan berjalan bangunan dan ujian Model ML hampir serta-merta-dan mungkin lebih mudah daripada yang anda dapat lakukan hingga ke tahap ini. Ini kerana Comet.ml juga menjejaki semua perubahan yang dilakukan oleh pasukan ke repositori di laman web. Ia menawarkan pengoptimuman model automatik dan anda juga boleh mengintegrasikan kerja Comet.ml anda dengan GitHub untuk projek yang lebih besar.

GitHub juga menjadi tuan rumah model ML tetapi Comet.ml direka dengan keperluan unik ML dalam fikiran. Melalui jenis algoritma yang dikenali sebagai Bayesian "Pengoptimuman Hyperparameter, " perkhidmatan itu akan mengubah model anda dengan menukar hiperparameter eksperimen anda. Sekiranya anda seorang geek data yang benar, maka ada penjelasan yang lebih teliti tentang ini di laman web syarikat. Model tweaking secara manual boleh mengambil masa yang sangat lama. Sekiranya algoritma ini berfungsi dan Comet.ml berkata, ia pasti dapat mendapat perhatian komuniti sains data. Sama seperti GitHub, satu akaun dengan repositori tersedia secara awam adalah percuma, dengan repositori peribadi bermula dari $ 49 setiap pengguna sebulan.

The Need for Something Simpler

Gideon Mendels, pengasas bersama dan Ketua Pegawai Eksekutif Comet.ml, adalah seorang veteran ML. Beliau telah bekerja dalam penyelidikan untuk Universiti Columbia dan di Google. Sepanjang kariernya, dia telah berusaha untuk mencari cara yang berkesan untuk menguji dan berkongsi model ML.

"Saya sebelum ini bekerja di syarikat yang dipanggil GroupWize , dan kami mempunyai kira-kira 15 model pembelajaran mesin dalam pengeluaran, "kata Mendels." Tidak mustahil untuk menjejaki semua perubahan di dalamnya. Jadi, kita sebenarnya mula membina Komet secara dalaman sebagai homebrew penyelesaian untuk kesakitan kita."

Dari situ, Mendels dan ahli pasukan lain memutuskan untuk memberi tumpuan untuk membina Comet.ml sendiri. Kepada Mendels, nilai Comet.ml bukan sekadar fakta bahwa model ML dapat disimpan dalam awan; ia adalah lebih mudah untuk bereksperimen dengan kod itu. Mendels juga cepat menolak pendapat bahawa khidmatnya cuba bersaing dengan GitHub. Lagipun, ia terintegrasi dengan perkhidmatan dan pengguna boleh mendaftar dengan kelayakan log masuk GitHub mereka. Untuk Mendels, ia benar-benar mengenai menjawab gelombang demokrasi data yang semakin meningkat dengan fungsi yang lebih baik.

"Ia menghubungkan kepada titik yang lebih besar bagaimana banyak syarikat mula melakukan ML dan sains data, " kata Mendels. "Dengan GitHub, anda boleh menyimpan kod, tetapi dengan ML, kod hanya satu teka-teki. Data apa yang digunakan untuk muat dalam kod itu? "Mendels mengatakan bahawa ciri-ciri tweaking automatik akan membantu Comet.ml berdiri berasingan.

Taman Permainan Pembelajaran Mesin

Comet.ml hanyalah salah satu daripada beberapa tawaran yang bertujuan mengubah cara kita berinteraksi dengan ML. Microsoft, yang telah sangat agresif di dalam ruang, melancarkan Azure Notebook beberapa tahun yang lalu. Walaupun syarikat membentangkannya sebagai alat pendidikan daripada Comet.ml, ia juga direka untuk membolehkan anda bermain-main dengan model ML di awan.

Terdapat juga seluruh pasaran ML yang menawarkan model lengkap dan siap sedia untuk kedua-dua perniagaan kecil dan menengah (SMB) dan perusahaan sama. Algoritma adalah a pasaran kecerdasan buatan (AI) yang menawarkan, antara lain, model ML yang boleh anda beli dan digunakan dalam aplikasi anda sendiri melalui panggilan antara muka aplikasi pengaturcaraan (API). Tidak mempunyai kemahiran atau masa untuk membina model parsing sentence? Kemudian gunakan Parsey McParseface untuk harga rendah $ 28.54 untuk 10, 000 panggilan API. Model kurang bernama kurang kreatif pada pasaran termasuk mereka untuk algoritma pengiktirafan wajah, kluster spektrum untuk data geografi, dan pengekstrakan teks.

Jika anda bukan ahli sains data, maka anda mungkin berfikir bahawa perkhidmatan ini tidak terpakai bagi anda dan organisasi anda. Tetapi perniagaan dari semua saiz mengumumkan sokongan yang belum pernah terjadi sebelumnya dan penggunaan penyelesaian AI, dan ML adalah bahagian penting dari itu. Pelaksanaan ini merangkumi gamut dari projek-projek yang luas dan menyapu ke sasaran yang sangat disengajakan sehingga anda terkejut apabila mendapati ML adalah sebahagian daripada resipi.

Sebagai contoh projek yang disasarkan, WineStein adalah perkhidmatan sommelier digital yang menggunakan model ML untuk memasangkan wain dengan pelbagai jenis makanan. Contoh penerapan yang lebih luas teknologi kewangan (fintech) , teknologi penjagaan kesihatan, dan juga chatbots di mana AI dan ML telah mengubah cara paling setiap perniagaan mendekati perkhidmatan pelanggan dan operasi meja bantuan. Pangkalan pengguna untuk AI dan ML berkembang dengan pesat dan tidak akan meninggalkan perniagaan yang tidak tersentuh, yang menjadikan masa depan tempat yang cerah untuk penyampai dan comer seperti Comet.ml.