Comet.mlは、機械学習との対話方法を変更したい

機械学習（ML）の利用を検討しているビジネスには、スマートデバイスや一連のデータ以上のものが必要です。 MLの核となるのは、2つの半球を中心に展開することです。一方はMLモデルとアルゴリズム、他方は適切にキュレーションされたデータセットです。 どちらも作成には専門知識が必要ですが、前者は、データサイエンティストと開発者がコードを追跡し、MLモデルをより効率的に共有できるツールを備えた今月初めに開始されたサービスであるComet.mlによって大幅に向上しました。 同社は、より効果的で使いやすいMLツールの必要性が高まっていると考えていることに答えていると言います。 このサービスは、より多くの人々がMLにアクセスし、使用し、学習できるようにする便利なサービスの成長分野の一部です。

GitHub接続

1か月未満ですが、Comet.mlを「MLのGitHub」と記述することは不適切ではない場合があります。 GitHubに慣れていない場合、GitHubは開発者がコードを保存および共有するリポジトリホスティングサービスです。 複数の開発者が同じコードベースで作業しているプロジェクトでは、GitHubなどのリポジトリは、ワークフローの編成とバージョン管理の維持において重要なコードを果たします。 コードリポジトリの概念は新しいものではありませんが、GitHubは、難解なプロジェクト指向のコーディング機能を超えたユーザーインターフェイス（UI）を作成し、直感的なUIとソーシャルを追加することにより、開発コミュニティにまったく新しい世界を開きました。 GitHubがユーザーやコミュニティと会話できるツール。 他の開発者がコードをレビューしたい、新しい興味深いアプリケーションを見つけたい、または世界のトップエンジニアが取り組んでいることに興味があるだけでも、GitHubは開発コミュニティが行っていることをキャッチする最も人気のある場所の1つになりました。

そのような履歴書では、何でもGitHubになりたいと思うのは非常に野心的ですが、Comet.mlの創設者は自信を持っています。 Comet.mlは、人気のあるGitHubサービスと同様に機能します。 Comet.ml Webサイトで無料のアカウントを作成し、好みのMLライブラリを選択するだけです（Comet.mlは現在、Java、Pytorch、TensorFlow、および最も人気のあるいくつかのライブラリをサポートしています）。 ランニング 建物と 検査 MLはほぼ瞬時にモデル化されますが、おそらくこれまでにできたよりも簡単です。 これは、Comet.mlが、チームがWebサイト上のリポジトリに対して行ったすべての変更も追跡するためです。 自動化されたモデル最適化を提供し、Comet.mlの作業を大規模なプロジェクトのGitHubと統合することもできます。

GitHubはMLモデルもホストしますが、Comet.mlはMLの固有のニーズを念頭に置いて設計されています。 Bayesian「ハイパーパラメーター最適化」として知られるタイプのアルゴリズムを通じて、サービスは実験のハイパーパラメーターを変更することでモデルを調整します。 あなたが真のデータマニアなら、会社のウェブサイトでこれについてのより徹底的な説明があります。 モデルを手動で調整するには、非常に長い時間がかかる場合があります。 このアルゴリズムがComet.mlによると同じように機能する場合、データサイエンスコミュニティの注目を集めることができます。 GitHubと同様に、公開されているリポジトリを持つ1つのアカウントは完全に無料で、プライベートリポジトリはユーザーあたり月額49ドルからです。

よりシンプルなものの必要性

ギデオン メンデルス、Comet.mlの共同設立者兼CEO、 MLベテランのようなものです。 彼は、コロンビア大学とGoogleで研究に従事しました。 彼はキャリアを通じて、MLモデルをテストして共有する効果的な方法を見つけるのに苦労してきました。

「以前は GroupWize 、そして私たちには実稼働で約15の機械学習モデルがありました」とメンデルスは言います。「それらのすべての変更を追跡することは不可能でした。 そのため、実際にCometを内部的に構築し始めました。 自作 私たちの痛みの解決策。」

メンデルスと他のチームメンバーは、そこからComet.mlを独自に構築することに集中することにしました。 メンデルスにとって、Comet.mlの価値は、MLモデルを保存できるということだけではありません に クラウド; そのコードを簡単に実験できるようにすることです。 また、メンデルスは、彼のサービスがGitHubと競合しようとしているという概念をすぐに却下しました。 結局、サービスと統合され、ユーザーはGitHubのログイン資格情報でサインアップできます。 メンデルにとって、それは本当に優れた機能を備えたデータ民主化の波に答えることです。

「これは、多くの企業がMLおよびデータサイエンスをどのように始めているかという大きなポイントにつながります」とメンデルス氏は言います。 「GitHubを使用するとコードを保存できますが、MLを使用すると、 コード パズルのほんの一部です。 そのコードに適合するためにどのデータが使用されましたか？」メンデルスは、自動調整機能がComet.mlが単独で際立つのに役立つと言います。

機械学習の遊び場

Comet.mlは、MLとの対話方法を変更することを目的とするいくつかのオファリングの1つにすぎません。 この分野で非常に積極的なMicrosoftは、数年前にAzure Notebooksを発売しました。 同社はこれをComet.mlよりも教育的なツールとして提示していますが、クラウド内のMLモデルを操作できるようにも設計されています。

また、中小企業（SMB）と企業の両方に完全ですぐに使えるモデルを提供するMLマーケットプレイスの波があります。 Algorithmiaは と とりわけ、アプリケーションプログラミングインターフェイス（API）呼び出しを介して独自のアプリで購入して使用できるMLモデルを提供する人工知能（AI）マーケットプレイス。 文解析モデルを構築するスキルや時間がありませんか？ その後、Parsey McParsefaceを使用して、10, 000回のAPI呼び出しで28.54ドルの低価格を実現します。 あまり創造的でないモデル オン 市場には、顔認識アルゴリズム、地理データのスペクトルクラスタリング、テキスト抽出などが含まれます。

データサイエンティストでない場合、これらのサービスはあなたやあなたの組織には適用できないと考えるかもしれません。 しかし、あらゆる規模の企業が前例のないサポートとAIソリューションの利用を発表しており、MLはその重要な部分です。 これらの実装は、MLがレシピの一部であることを知って驚いたほど広範囲にわたる広範なプロジェクトからターゲットを絞ったものまで、あらゆる範囲に及びます。

ターゲットプロジェクトの例として、WineSteinは、MLモデルを使用してワインとさまざまな種類の食品を組み合わせるデジタルソムリエサービスです。 より広範な実装例 金融テクノロジー（fintech） 、ヘルスケアテクノロジー、さらにはAIやMLによって、ほとんどすべてのビジネスがカスタマーサービスやヘルプデスク業務にアプローチする方法をすでに変更しているチャットボットさえも含まれます。 AIとMLのユーザーベースは急速に成長しており、ビジネスに手を加えることはありません。これにより、Comet.mlなどの新進気鋭の未来が明るい場所になります。