У цій публікації ми розглянемо декілька найкращих штучних інтелектів з відкритим кодом (ШІ) інструменти для екосистеми Linux. В даний час, ШІ є однією з постійно прогресуючих галузей у галузі науки та техніки, основна увага спрямована на створення програмного забезпечення та обладнання для вирішення повсякденних життєвих проблем у таких сферах, як охорона здоров'я, освіта, безпека, виробництво, банківська справа тощо набагато більше.
Пропонуємо прочитати:20 безкоштовних програм з відкритим кодом, які я знайшов у 2015 році
Нижче наведено перелік ряду платформ, розроблених та розроблених для підтримки штучного інтелекту, які можна використовувати в Linux та, можливо, у багатьох інших операційних системах. Пам’ятайте, що цей список не упорядкований у певному порядку.
Deeplearning4j є комерційною програмою з відкритим кодом, plug and play, розповсюдженою глибоко вивченою бібліотекою для мов програмування Java та Scala. Він розроблений спеціально для програм, пов'язаних з бізнесом, та інтегрований з
Hadoop та Іскра поверх розподілених процесорів та графічних процесорів.DL4J випущений під ліцензією Apache 2.0 і забезпечує підтримку графічного процесора для масштабування на AWS і адаптований для архітектури мікросервісів.
Відвідайте домашню сторінку: http://deeplearning4j.org/
Кафе є модульною та виразною основою глибокого навчання, заснованої на швидкості. Він випущений під ліцензією BSD 2-Clause і вже підтримує кілька спільнот проектів у Росії такі сфери, як дослідження, прототипи запуску, промислове застосування в таких сферах, як зір, мова та мультимедіа.
Відвідайте домашню сторінку: http://caffe.berkeleyvision.org/
H20 є швидким, масштабованим і розподіленим фреймворком машинного навчання з відкритим вихідним кодом, а також асортиментом алгоритмів, обладнаних у рамках. Він підтримує розумніші програми, такі як глибоке навчання, підвищення градієнта, випадкові ліси, узагальнене лінійне моделювання (тобто логістична регресія, пружна мережа) та багато іншого.
Це інструмент штучного інтелекту, орієнтований на бізнес, для прийняття рішень на основі даних, він дозволяє користувачам отримувати уявлення зі своїх даних за допомогою більш швидкого та якісного прогнозування.
Відвідайте домашню сторінку: http://www.h2o.ai/
MLlib -це відкрита, проста у використанні та високопродуктивна бібліотека машинного навчання, розроблена як частина Apache Spark. Він, по суті, простий у розгортанні і може працювати на існуючих кластерах та даних Hadoop.
Пропонуємо прочитати:12 найкращих текстових редакторів з відкритим кодом (GUI + CLI), які я знайшов у 2015 році
MLlib також поставляється з колекцією алгоритмів класифікації, регресії, рекомендацій, кластеризації, аналізу виживання та багато іншого. Важливо, що його можна використовувати в мовах програмування Python, Java, Scala та R.
Відвідайте домашню сторінку: https://spark.apache.org/mllib/
Mahout -це платформа з відкритим вихідним кодом, призначена для створення масштабованих програм машинного навчання, вона має три важливі функції, перераховані нижче:
Відвідайте домашню сторінку: http://mahout.apache.org/
OpenNN також є бібліотекою класів з відкритим вихідним кодом, написаною на C ++ для глибокого навчання, вона використовується для створення нейронних мереж. Однак це оптимально лише для досвідчених програмістів на C ++ та людей з величезними навичками машинного навчання. Він характеризується глибокою архітектурою та високими експлуатаційними характеристиками.
Відвідайте домашню сторінку: http://www.opennn.net/
Орікс 2 є продовженням початкового проекту Oryx, розробленого на Apache Spark та Apache Kafka як реконструкція лямбда-архітектури, хоча і присвячена досягненню машини реального часу навчання.
Це платформа для розробки додатків та поставляється з певними додатками, а також для цілей спільної фільтрації, класифікації, регресії та кластеризації.
Відвідайте домашню сторінку: http://oryx.io/
OpenCyc -це портал з відкритим вихідним кодом до найбільшої та найповнішої загальної бази знань та механізму здорового мислення у світі. Він включає велику кількість термінів Cyc, розташованих у точно розробленій онології для застосування в таких областях, як:
Відвідайте домашню сторінку: http://www.cyc.com/platform/opencyc/
SystemML -це платформа зі штучним інтелектом з відкритим вихідним кодом для машинного навчання, ідеальна для великих даних. Його основні особливості-працює на R та Python-подібному синтаксисі, орієнтований на великі дані та розроблений спеціально для математики високого рівня. Як це працює, добре пояснено на домашній сторінці, включаючи демонстрацію відео для наочної ілюстрації.
Існує кілька способів його використання, включаючи Apache Spark, Apache Hadoop, Jupyter та Apache Zeppelin. Деякі з його помітних випадків використання включають автомобілі, рух аеропорту та соціальне банкінг.
Відвідайте домашню сторінку: http://systemml.apache.org/
NuPIC -це платформа з відкритим кодом для машинного навчання, яка базується на Heirarchical Temporary Memory (HTM), теорії неокортексу. Програма HTM, інтегрована в NuPIC, реалізована для аналізу потокових даних у режимі реального часу, де вона вивчає шаблони, що ґрунтуються на часі, наявні в даних, передбачає неминучі цінності, а також розкриває будь-які порушення.
Серед його помітних особливостей:
Відвідайте домашню сторінку: http://numenta.org/
Із зростанням та постійним розвитком досліджень у Росії ШІ, ми обов’язково станемо свідками появи нових інструментів, які допоможуть досягти успіху в цій галузі технології, особливо для вирішення щоденних наукових завдань разом із освітніми цілями.
Вас цікавить штучний інтелект, що ви говорите? Запропонуйте нам свої думки, пропозиції або будь -який продуктивний відгук на цю тему через розділ коментарів нижче, і ми будемо раді дізнатися більше від вас.