AutoML Google создает модели машинного обучения без опыта программирования

Интерес к компьютерному обучению в последние годы взорвался, поскольку компании понимают, что у него есть приложения в области фотографии, самозанятых автомобилей, игр и т. Д. Мы пришли к выводу, что опытных программистов и ученых-данных не хватает опытных специалистов для создания этих систем. Решение Google - Cloud AutoML, система «точка-и-щелчок» для создания моделей обучения машинам без каких-либо навыков кодирования.

Google уже давно предлагает предварительно обученные нейронные сети, доступные через API, которые могут выполнять определенные задачи, но это полезно только в том случае, если вам нужно именно то, что делает эта модель. Суть Cloud AutoML заключается в том, что почти каждый может принести каталог изображений, импортировать теги для изображений и создать на основе этого функциональную модель машинного обучения. Google делает все тяжелые работы за кулисами, поэтому клиенту не нужно ничего знать о тонкостях проектирования нейронной сети.

AutoML не будет конкурировать с передовыми, сильно настроенными системами AI, которые мог бы построить опытный инженер, но у немногих предприятий есть деньги или ресурсы для поддержки разработки полностью настраиваемых моделей машинного обучения. AutoML использует простой графический интерфейс, позволяющий пользователю перетаскивать набор изображений. Затем платформа должна знать, как описывать эти изображения. Google делает свою магию, и вы получаете модель, работающую в облаке, которая может идентифицировать указанные термины на фотографиях. AutoML предоставляет статистику по силе модели, поэтому вы можете обучать ее большим количеством данных или тестировать с новыми изображениями.

Конечным результатом является модель машинного обучения, которая работает на серверах Google, доступная через API. Пользователи могут обратиться к этой модели с помощью API облака Google и получить прогнозы на новые изображения. Например, как Disney, так и Urban Outfitters протестировали AutoML, чтобы идентифицировать объекты в своих интернет-магазинах, чтобы пользователи могли искать и фильтровать больше терминов. Таким образом, вы можете искать «синий рюкзак» на Urban Outfitters и видеть все синие рюкзаки, даже если элементы не были помечены таким образом в системе.

Облачный AutoML Google в настоящее время ограничен изображениями, и это альфа. Вам нужно подать заявку на доступ к альфа-версии, и нет гарантии, что вы получите прямо сейчас. Визуальная часть AutoML - это лишь первая часть нескольких функций, запланированных для продукта. Google не упоминал о стоимости, но, вероятно, предприятиям придется заплатить за доступ API к моделям, которые они создают в AutoML.

Читать далее

Samsung, Стэнфорд, создали дисплей с разрешением 10000 пикселей на дюйм, который может революционизировать VR и

Спросите любого, кто провел в гарнитуре VR более нескольких минут, и они отметят эффект дверного экрана. Это могло бы устранить его навсегда.

НАСА создало коллекцию жутких космических звуков для Хэллоуина

Последний выпуск данных НАСА превращает сигналы из-за пределов Земли в жуткие звуки, которые наверняка вызовут мурашки по позвоночнику.

Intel представляет новые мобильные графические процессоры Xe Max для создателей контента начального уровня

Intel выпустила новый потребительский мобильный графический процессор, но у него очень специфический вариант использования, по крайней мере, на данный момент.

MIT создает подводный GPS-навигатор без батарей

Радиосигналы GPS быстро рассеиваются при попадании в воду, что затрудняет научные исследования в море. Единственная альтернатива - использовать акустические системы, которые разжевывают батарейки. Команда из Массачусетского технологического института разработала технологию слежения без батарей, которая могла бы положить конец этому раздражению.