10 лучших программных продуктов с открытым исходным кодом для работы в области искуственного интеллекта в Linux |
||
МЕНЮ Искусственный интеллект Поиск Регистрация на сайте Помощь проекту ТЕМЫ Новости ИИ Искусственный интеллект Разработка ИИГолосовой помощник Городские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Техническое зрение Чат-боты Авторизация |
2017-03-21 19:10 10 лучших программных продуктов с открытым исходным кодом для работы в области искусственного интеллекта в Linux 1. Deeplearning4j - это распределенная библиотека deep-learning коммерческого уровня с открытым исходным кодом для языков программирования Java и Scala. Она разработана специально для бизнес-приложений и интегрирована с Hadoop и Spark. DL4J распространяется под лицензией Apache 2.0, обеспечивает поддержку GPU и адаптирована для микросервисной архитектуры. Домашняя страница: http://deeplearning4j.org/ 2. Caffe - это модульный фреймворк для глубокого обучения, ориентированный на обеспечение высокой скорости вычислений. Он распространяется под лицензией BSD 2-Clause и уже поддерживается несколькими командами проектов по обработке данных в промышленности и мультимедийной сфере. Домашняя страница: http://caffe.berkeleyvision.org/ 3. H20 - это быстрый, масштабируемый распределенный фреймворк машинного обучения с открытым исходным кодом плюс набор алгоритмов. Он поддерживает такие востребованные в настоящее время методики машинного обучения, как deep learning, gradient boosting, random forests, generalized linear modeling (т.е. логистическая регрессия, Elastic Net) и многие другие. Это бизнес-ориентированный инструментарий для работы с данными. Домашняя страница: http://www.h2o.ai/ 4. MLlib - это простая в использовании и высокопроизводительная библиотека машинного обучения с открытым исходным кодом, разработанная как часть проекта Apache Spark. Она легко развертывается и может работать с имеющимися кластерами Hadoop. Также MLlib поставляется с набором алгоритмов классификации, регрессии, рекомендаций, кластеризации и т.д. Важно, что могут использоваться языки программирования Python, Java, Scala и R. Домашняя страница: https://spark.apache.org/mllib/ 5. Mahout - это фреймворк с открытым исходным кодом, созданный для построения масштабируемых приложений машинного обучения. Он обладает следующими возможностями: - предоставляет простую и расширяемую среду программирования; - предлагает большой набор собранных в пакеты алгоритмов для Scala + Apache Spark, H20, а также Apache Flink; - включает Samaras - векторную математическую среду с R-подобным синтаксисом. Домашняя страница: http://mahout.apache.org// 6. OpenNN - это библиотека с открытым исходным кодом, написанная на С++, для глубокого обучения, она используется для работы с нейронными сетями. Однако, библиотека подходит только опытным программистам C++, также хорошо знающим машинное обучение. Она характеризуется сложной архитектурой и высокой производительностью. Домашняя страница: http://www.opennn.net/ 7. Oryx 2 - это продолжение изначального проекта Oryx, он разработан на Apache Spark и Apache Kafka как переработка лямбда-архитектуры, хотя фокусируется на машинное обучение в режиме реального времени. Это платформа для разработки приложений в таких областях, как коллаборативная фильтрация, классификация, регрессия и кластеризация. Домашняя страница: http://oryx.io/ 8. OpenCyc - это портал с открытым исходным кодом к самой большой и подробной базе общих знаний и движок здравого смысла. Он включает большое количество определений для применения в таких областях, как: - предметно-ориентированные экспертные системы; - понимание текста; - семантическая интеграция данных плюс AI в играх и многое другое. Домашняя страница: http://www.cyc.com/platform/opencyc/ 9. SystemML - это платформа искусственного интеллекта и машинного обучения, идеальная для работы с большими объемами данных. Ее главные возможности - работа с R и Python-подобным синтаксисом, фокус на big data и ориентация на сложную математику. Как она работает, хорошо объясняется на домашней странице. Имеется несколько способов взаимодействия с Apache Spark, Apache Hadoop, Jupyter и Apache Zeppelin. Домашняя страница: http://systemml.apache.org/ 10. NuPIC - это фремворк машинного обучения с открытым исходным кодом на базе Heirarchical Temporary Memory (HTM). Программа HTM интегрирована в NuPIC и предназначена для анализа поступающих в режиме реального времени и выделения в них паттернов. Основные возможности: - непрерывное онлайновое обучение; - обработка поступающих данных в режиме реального времени; - прогнозирование и моделирование; - мощный алгоритм определения аномалий. Домашняя страница: http://numenta.org/ Источник: rus-linux.net Комментарии: |
|