Les 10 principals eines d'intel·ligència artificial de codi obert per a Linux

En aquesta publicació, tractarem algunes de les principals eines d'intel·ligència artificial (IA) de codi obert per a l'ecosistema Linux. Actualment, la IA és un dels camps que cada cop avança en la ciència i la tecnologia, amb un enfocament principal orientat a la creació de programari i maquinari per resoldre els reptes de la vida diària en àrees com la salut, l'educació, la seguretat, la fabricació, la banca i molt més.

A continuació es mostra una llista de diverses plataformes dissenyades i desenvolupades per donar suport a la IA, que podeu utilitzar a Linux i possiblement a molts altres sistemes operatius. Recordeu que aquesta llista no està ordenada en cap ordre específic d'interès.

1. Aprenentatge profund per a Java (Deeplearning4j)

Deeplearning4j és una biblioteca d'aprenentatge profund distribuïda de grau comercial, de codi obert, plug and play, per als llenguatges de programació Java i Scala. Està dissenyat específicament per a aplicacions relacionades amb el negoci i s'ha integrat amb Hadoop i Spark a més de CPU i GPU distribuïdes.

DL4J es publica sota la llicència Apache 2.0 i proporciona suport de GPU per escalar a AWS i està adaptat per a l'arquitectura de microserveis.

Visiteu la pàgina d'inici: http://deeplearning4j.org/

2. Caffe – Marc d'aprenentatge profund

Caffe és un marc d'aprenentatge profund modular i expressiu basat en la velocitat. Està llançat sota la llicència BSD 2-Clause i ja dóna suport a diversos projectes comunitaris en àrees com la investigació, els prototips d'inici, les aplicacions industrials en camps com la visió, la parla i el multimèdia.

Visiteu la pàgina d'inici: http://caffe.berkeleyvision.org/

3. H20 – Marc d'aprenentatge automàtic distribuït

H20 és un marc d'aprenentatge automàtic de codi obert, ràpid, escalable i distribuït, a més de la varietat d'algorismes equipats al marc. Admet aplicacions més intel·ligents, com ara aprenentatge profund, augment del gradient, boscos aleatoris, modelització lineal generalitzada (és a dir, regressió logística, Elastic Net) i molts més.

És una eina d'intel·ligència artificial orientada a les empreses per a la presa de decisions a partir de dades, que permet als usuaris extreure informació de les seves dades mitjançant un model predictiu més ràpid i millor.

Visiteu la pàgina d'inici: http://www.h2o.ai/

4. MLlib – Biblioteca d'aprenentatge automàtic

MLlib és una biblioteca d'aprenentatge automàtic de codi obert, fàcil d'utilitzar i d'alt rendiment desenvolupada com a part d'Apache Spark. És essencialment fàcil d'implementar i es pot executar en clústers i dades d'Hadoop existents.

MLlib també s'inclou amb una col·lecció d'algorismes per a la classificació, regressió, recomanació, agrupació, anàlisi de supervivència i molt més. És important destacar que es pot utilitzar en llenguatges de programació Python, Java, Scala i R.

Visiteu la pàgina d'inici: https://spark.apache.org/mllib/

5. Apache Mahout

Mahout és un marc de codi obert dissenyat per crear aplicacions d'aprenentatge automàtic escalables, té tres funcions destacades que s'enumeren a continuació:

  1. Ofereix un lloc de treball de programació senzill i extensible
  2. Ofereix una varietat d'algoritmes preempaquetats per a Scala + Apache Spark, H20 i Apache Flink
  3. Inclou Samaras, un lloc de treball d'experimentació matemàtica vectorial amb sintaxi semblant a R

Visiteu la pàgina d'inici: http://mahout.apache.org/

6. Obriu la biblioteca de xarxes neuronals (OpenNN)

OpenNN també és una biblioteca de classe de codi obert escrita en C++ per a l'aprenentatge profund, que s'utilitza per instigar xarxes neuronals. Tanmateix, només és òptim per a programadors C++ experimentats i persones amb grans habilitats d'aprenentatge automàtic. Es caracteritza per una arquitectura profunda i un alt rendiment.

Visiteu la pàgina d'inici: http://www.opennn.net/

7. Oryx 2

Oryx 2 és una continuació del projecte inicial Oryx, està desenvolupat a Apache Spark i Apache Kafka com a re-arquitectura de l'arquitectura lambda, tot i que es dedica a aconseguir l'aprenentatge automàtic en temps real.

És una plataforma per al desenvolupament d'aplicacions i s'inclou amb determinades aplicacions, així com amb finalitats col·laboratives de filtratge, classificació, regressió i agrupació.

Visiteu la pàgina d'inici: http://oryx.io/

8. OpenCyc

OpenCyc és un portal de codi obert a la base de coneixement general més gran i completa i el motor de raonament de sentit comú del món. Inclou un gran nombre de termes Cyc disposats en una onologia dissenyada amb precisió per a l'aplicació en àrees com ara:

  1. Model de domini ric
  2. Sistemes experts específics del domini
  3. Comprensió del text
  4. Integració de dades semàntiques, així com jocs d'IA i molts més.

Visiteu la pàgina d'inici: http://www.cyc.com/platform/opencyc/

9. Apache SystemML

SystemML és una plataforma d'intel·ligència artificial de codi obert per a l'aprenentatge automàtic ideal per a grans dades. Les seves característiques principals són: s'executa amb R i sintaxi semblant a Python, centrada en grans dades i dissenyada específicament per a matemàtiques d'alt nivell. Com funciona s'explica bé a la pàgina d'inici, inclosa una demostració de vídeo per a una il·lustració clara.

Hi ha diverses maneres d'utilitzar-lo, com ara Apache Spark, Apache Hadoop, Jupyter i Apache Zeppelin. Alguns dels seus casos d'ús notables inclouen l'automoció, el trànsit aeroportuari i la banca social.

Visiteu la pàgina d'inici: http://systemml.apache.org/

10. NuPIC

NuPIC és un marc de codi obert per a l'aprenentatge automàtic que es basa en la Memòria Temporal Heirarchical (HTM), una teoria del neocòrtex. El programa HTM integrat a NuPIC s'implementa per analitzar dades de streaming en temps real, on aprèn patrons basats en el temps existents a les dades, prediu els valors imminents i revela qualsevol irregularitat.

Les seves característiques notables inclouen:

  1. Aprenentatge continu en línia
  2. Patrons temporals i espacials
  3. Dades de transmissió en temps real
  4. Predicció i modelització
  5. Detecció potent d'anomalies
  6. Memòria temporal jeràrquica

Visiteu la pàgina d'inici: http://numenta.org/

Amb l'augment i l'avanç constant de la investigació en IA, estem obligats a ser testimonis de l'aparició de més eines que ajudin a fer que aquesta àrea de la tecnologia sigui un èxit, especialment per resoldre els reptes científics quotidians juntament amb finalitats educatives.

T'interessa la IA, què dius? Oferiu-nos els vostres pensaments, suggeriments o qualsevol comentari productiu sobre el tema a través de la secció de comentaris a continuació i estarem encantats de saber-ne més.