ИИ с открытым исходным кодом для экосистемы Linux

В этой статье мы рассмотрим искусственный интеллект (ИИ) с открытым исходным кодом для экосистемы Linux. В настоящее время ИИ является одной из самых изучаемых сфер в области науки и техники, в основном упор направлен на создание программного обеспечения и аппаратных средств для решения ежедневных жизненных проблем в таких областях, как здравоохранение, образование, безопасность, производство, банковское дело и многих других.

Ниже приведен список нескольких разработанных платформ ИИ, которые вы можете использовать на Linux и многих других операционных системах. Запомните, этот список не имеет определенной последовательности в зависимости от интересов.

1. Deep Learning for Java (Deeplearning4j)

Deeplearning4j - это коммерческий продукт с открытым исходным кодом из категории подключи и используй, имеет библиотеки глубокого обучения для языков программирования Java и Scala. Он разработан специально для бизнес-приложений, интегрированных с Hadoop и Spark поверх CPU и GPU.

DL4J издан под лицензией Apache 2.0 и обеспечивает поддержку GPU для масштабирования на AWS и адаптирован под архитектуру микро-сервисов.

2. Caffe - Deep Learning Framework

Caffe представляет собой модульную и весьма глубоко обучающуюся структуру, ориентированную на скорость. Он выпускается под лицензией BSD 2-Clause, и уже поддерживается несколькими проектами в таких областях, как научные исследования, запуск прототипов, промышленное применение в визуальных, голосовых и мультимедиа направлениях.

3. H20 - Distributed Machine Learning Framework

H20 имеет открытый исходный код, быструю, масштабируемую и распределяющуюся структуру машинного обучения, а также ряд алгоритмов, лежащих в его основе. Он поддерживает умные приложения, такие, как глубокое обучение, повышение градиента, случайные массивы, обобщение линейного моделирования (т.е. логистической регрессии, Elastic Net) и многое другое.

Это коммерческий искусственный интеллект предназначен для принятия решений на основе данных, он позволяет рисовать идеи из данных с использованием быстрого и лучшего прогнозируемого моделирования.

4. MLlib - Machine Learning Library

MLlib имеет открытый исходный код, прост в использовании и обладает высокой производительностью машинного обучения, разработан на Apache Spark. Его легко внедрить, и он может работать на существующих кластерах и данных Hadoop.

MLlib поставляется с коллекцией алгоритмов для классификации, регрессии, рекомендаций, кластеризации, анализа выживаемости и многим другим. Важно то, что его можно использовать в Python, Java, Scala и языках программирования R.

5. Apache Mahout

Mahout разработан на открытом исходном коде и предназначен для построения масштабируемых приложений машинного обучения, он имеет три характерные особенности, перечисленные ниже:

• Обеспечивает простое и расширенное программирование на рабочей области;
• Предлагает разнообразные алгоритмы для Scala + Apache Spark, H20, а также Apache Flink;
• Включает Samaras, векторное математическое экспериментирование на рабочей области с R-подобным синтаксисом.

6. Open Neural Networks Library (OpenNN)

OpenNN имеет открытый исходный код, написан на C++ для глубокого машинного обучения, он используется для побуждения нейронных сетей. Он является оптимальным для опытных программистов C++ и людей с огромными навыками машинного обучения. Он характеризуется глубокой архитектурой и высокой производительностью.

7. Oryx 2

Oryx 2 является продолжением первоначального проекта Oryx, он разрабатывается на Apache Spark и Apache Kafka, как перестройка ламбда архитектуры, хотя посвящен машинному обучению в режиме реального времени.

Это платформа предназначена для разработчиков приложений и судов с применением некоторых дополнительных приложений, а также для совместной фильтрации, классификации, регрессии и кластеризации целей.

8. OpenCyc

OpenCyc - это ИИ с открытым исходным кодом, имеющий самую большую и наиболее полную базу общих знаний в мире и здраво обоснованный двигатель. Он включает в себя большое количество терминов циклоолефинов, расположенных по точно разработанной хронологии для применения в таких областях, как:

• Богатое моделирование доменов;
• Предметно-ориентированные экспертные системы;
• Понимания текста;
• Семантическая интеграция данных, игры с ИИ, а также многое другое.

9. Apache SystemML

SystemML - это искусственный интеллект linux с открытым исходным кодом для машинного обучения, который идеально подходит для больших объемов данных. Его основная особенность - это работа на R и Python-подобных синтаксисах, ориентированных на большие объемы данных и разработанных специально для высокого уровня математического моделирования. Принцип его работы хорошо объясняется на домашней странице, а также имеется видео-демонстрации для четкой иллюстрации возможностей.

Есть несколько способов его использования, в том числе на Apache Spark, Apache Hadoop, Jupyter и Apache Zeppelin. Известны некоторые из случаев его применения, такие, как регулирование автомобильного и авиатрафика, социальный банкинг.

10. NuPIC

NuPIC - это платформа с открытым исходным кодом для машинного обучения, которая базируется на Heirarchical Temporary Memory (HTM), теории неокортекса. Программа НТМ интегрирована в NuPIC для анализа потоковых данных в режиме реального времени, где она обучается существующим данным основанным на модели времени, предсказывает неминуемые значения, а также выявляет любые аномалии.

Его особенности включают:

• Непрерывное онлайн обучение;
• Временные и пространственные структуры;
• Потоковые данные в режиме реального времени;
• Прогнозирование и моделирование;
• Мощное обнаружение аномалий;
• Иерархическая временная память.

Выводы

С ростом заинтересованности исследований в области искусственного интеллекта, мы вынуждены наблюдать и рост инструментов способных помочь нам достичь успеха в развитии технологий, особенно для решения повседневных задач, связанных с образовательными целями.

Вас заинтересовал искусственный интеллект linux? Что вы можете сказать по этому поводу? Поделитесь с нами своими мыслями, предложениями или любой другой информацией в комментариях ниже.

Источник: losst.ru

Комментарии: