Comet.ml רוצה לשנות את האופן בו אנו מתקשרים עם למידת מכונה

עסק המעוניין לעשות שימוש בלמידת מכונה (ML) זקוק ליותר ממכשירים חכמים וקצוות נתונים. בבסיסה, ML סובבת סביב שתי חצאי כדור: דגמי ML ואלגוריתמים בצד אחד וקבוצת נתונים מתואמת מצד שני. בעוד ששניהם זקוקים למומחיות ליצירה, לשעבר יש רק דחיפה משמעותית באמצעות Comet.ml, שירות שהושק בתחילת החודש עם כלים המאפשרים למדענים ומפתחי נתונים לעקוב אחר קוד ולשתף את דגמי ה- ML שלהם בצורה יעילה יותר. החברה טוענת שהיא עונה על מה שהיא רואה כצורך מוגבר בכלי ML יעילים ושימושיים יותר. השירות הוא חלק מתחום הולך וגדל של שירותים נוחים המבקשים לאפשר לאנשים רבים יותר לגשת, להשתמש בהם וללמוד אודות ML.

חיבור GitHub

למרות היותו בן פחות מחודש, התיאור של Comet.ml כ- "GitHub של ML" אינו עשוי להיות בלתי הולם. אם אינך מכיר את GitHub, זהו שירות אירוח מאגר בו המפתחים מאחסנים ומשתפים את הקוד שלהם. בפרויקטים עם מספר מפתחים העובדים על אותו בסיס קוד, מאגרים כמו GitHub משחקים קוד קריטי בארגון זרימות עבודה ושמירה על בקרת הגרסאות. בעוד שהמושג של מאגר קוד אינו חדש, GitHub פתח עולם חדש לחלוטין לקהילת הפיתוח על ידי יצירת ממשק משתמש (UI) אשר עבר מעבר ליכולות קידוד ארקניות, מונחות פרויקט והוסיף ממשק משתמש אינטואיטיבי כמו גם חברתי. כלים המאפשרים ל- GitHub לדבר עם משתמשים ואפילו קהילות. בין אם רצית שהקוד שלך ייבדק על ידי מפתחים אחרים, תמצא אפליקציות חדשות ומעניינות, או סתם סקרנת מה עבדו המהנדסים המובילים בעולם, GitHub הפך לאחד המקומות הפופולריים ביותר להדביק את מה שקהילת הפיתוח עושה.

עם קורות חיים מהסוג הזה, הרצון להיות ה- GitHub של כל דבר נראה שאפתני במיוחד, אך מייסדי Comet.ml בטוחים. Comet.ml עובד בצורה דומה לשירות GitHub הפופולרי. כל שעליך לעשות הוא ליצור חשבון בחינם באתר Comet.ml, בחר את ספריית ML המועדפת עליך (Comet.ml תומך כרגע ב- Java, Pytorch, TensorFlow, ועוד כמה מהספריות הפופולריות ביותר), ותוכלו לקום ו רץ בניין בדיקה דגמי ML כמעט באופן מיידי - וכנראה שיהיה לכם קל יותר מכפי שהצלחתם להגיע עד נקודה זו. הסיבה לכך היא ש- Comet.ml עוקב גם אחר כל השינויים שצוות מבצע במאגר באתר. הוא מציע אופטימיזציה של מודלים אוטומטיים ותוכל אפילו לשלב את עבודת Comet.ml שלך עם GitHub לפרויקטים גדולים יותר.

GitHub מארחת גם דגמי ML אך Comet.ml מעוצבת עם הצרכים הייחודיים של ML בחשבון. באמצעות סוג של אלגוריתם המכונה "אופטימיזציה של היפר-פרמטר" בייס, השירות יעבוד את המודלים שלך על ידי שינוי הפרפרמטרים של הניסויים שלך. אם אתה חנון נתונים אמיתי, יש הסבר מעמיק יותר על כך באתר החברה. לצבוט דגמים באופן ידני יכול לקחת זמן רב להפליא. אם האלגוריתם הזה עובד טוב כמו ש- Comet.ml אומר שהוא כן, הוא בהחלט יכול לקבל את תשומת הלב של קהילת מדעי הנתונים. ממש כמו GitHub, חשבון אחד עם מאגרים זמינים בציבור הוא ללא עלות לחלוטין, כאשר מאגרים פרטיים מתחילים ב 49 $ למשתמש לחודש.

הצורך במשהו פשוט יותר

גדעון מנדלס, מייסד-שותף ומנכ"ל Comet.ml, זה משהו מוותיק ML. הוא עבד במחקר באוניברסיטת קולומביה וב- Google. לאורך הקריירה שלו הוא נאבק למצוא דרך יעילה לבדוק ולשתף דגמי ML.

"עבדתי בעבר בחברה שנקראה GroupWize היינו בערך 15 דגמי למידת מכונות בייצור, "אמר מנדלס." פשוט אי אפשר היה לעקוב אחר כל השינויים בהם. אז התחלנו לבנות את Comet באופן פנימי בירה ביתית פיתרון לכאב שלנו."

משם החליטו מנדלס וחברי צוות אחרים להתמקד בבניית Comet.ml לבד. בעיני מנדלס, הערך של Comet.ml אינו רק העובדה שניתן לאחסן דגמי ML בתוך הענן; זה הקלה על הניסוי עם הקוד הזה. מנדלס מיהר גם למחוק את הרעיון כי שירותו מנסה להתמודד עם GitHub. אחרי הכל, זה משתלב עם השירות ומשתמשים יכולים להירשם עם אישורי הכניסה שלהם ל- GitHub. עבור מנדלס, זה באמת לענות על גל הולך וגובר של דמוקרטיזציה של נתונים עם פונקציונליות טובה יותר.

"זה מתחבר לנקודה גדולה יותר של כמה חברות מתחילות לעשות מדעי ML ומידע, " אמר מנדלס. "עם GitHub אתה יכול לאחסן קוד, אבל עם ML, קוד הוא רק חלק אחד מהפאזל. אילו נתונים שימשו כדי להתאים לקוד הזה? "מנדלס אומר שהתכונות לצבוט האוטומטיות יעזרו ל- Comet.ml להתבדל מעצמו.

גני שעשועים למידת מכונות

Comet.ml הוא רק אחת מכמה הצעות שמטרתן לשנות את הדרך בה אנו מתקשרים עם ML. מיקרוסופט, שהייתה מאוד אגרסיבית בחלל, השיקה לפני מספר שנים את מחברת Azure Notebooks. למרות שהחברה מציגה אותו ככלי חינוכי יותר מאשר Comet.ml, היא גם מיועדת לאפשר לכם להסתובב עם דגמי ML בענן.

יש גם גל שלם של שוקי ML המציעים דגמים שלמים ומוכנים לשימוש, לעסקים קטנים עד בינוניים (SMBs) וגם לארגונים כאחד. אלגוריתמיה היא א שוק בינה מלאכותית (AI) המציע בין היתר דגמי ML שתוכלו לקנות ולהשתמש בהם באפליקציות שלכם באמצעות שיחת ממשק תכנות יישומים (API). אין לך מיומנות או זמן לבנות מודל לניתוח משפטים? לאחר מכן השתמש בפרסי מקפרספייס במחיר הנמוך של 28.54 $ עבור 10, 000 שיחות API. דוגמניות בעלות שם פחות יצירתי ב השוק כולל את אלה לאלגוריתמים לזיהוי פנים, אשכול ספקטרלי לנתונים גיאוגרפיים וחילוץ טקסטים.

אם אינך מדען נתונים, יתכן שאתה חושב ששירותים אלה אינם חלים עליך וארגון שלך. אך עסקים מכל הגדלים מכריזים על תמיכה ושימוש חסר תקדים בפתרונות AI, ו- ML הוא חלק חשוב מכך. יישומים אלה מורחבים את הסולם מפרויקטים רחבים וסוחפים וכלה בפרויקטים כה ממוקדים שאתה מופתע למצוא ML הוא חלק מהמתכון.

כדוגמה לפרויקט ממוקד, WineStein הוא שירות Sommelier דיגיטלי המשתמש בדגמי ML כדי לזווג יין לסוגי אוכל שונים. דוגמאות ליישום רחבות יותר טכנולוגיה פיננסית (פינטק) , טק בתחום הבריאות ואפילו צ'אט בוטים שבהם AI ו- ML כבר שינו את האופן בו רוב כל עסק ניגש לשירות לקוחות ופעולות של helpdesk. בסיס המשתמשים של AI ו- ML צומח במהירות ולא ישאיר שום עסק ללא מגע, מה שהופך את העתיד למקום מואר עבור מהשכנים כמו Comet.ml.