当前位置: 首页 > 科技观察

哪些开源AI项目将在2018年引领潮流?_0

时间:2023-03-14 13:24:01 科技观察

【.comExpressTranslation】这几天关于人工智能(AI)和机器学习的炒作新闻很难逃脱。根据IDC2017年9月的预测,2017年全球在认知和AI解决方案上的支出将在120亿美元左右。到2021年,这一数字可能会以50.1%的复合年增长率(CAGR)增长,届时市场规模将达到惊人的576亿美元。ForresterResearch在其2018年的预测中预测,今年“AI将重塑数据分析和企业创新”,“AI将帮助20%的企业做出决策并提供实时指导”。不过,该公司也提醒称,“CIO们将在2018年意识到人工智能等新技术需要付出努力。”对于许多组织而言,大部分艰苦的工作都需要首先了解机器学习和人工智能框架。据Gartner称,“59%的企业组织仍在收集信息以制定人工智能战略。”大部分信息收集可能会围绕开源解决方案展开。市场上有许多领先的AI工具使用开源许可证,大多数最前沿的研发都发生在这些开源项目中。那么企业IT经理应该研究哪些开源AI解决方案呢?本文重点介绍了极为流行的10大开源AI和机器学习工具。1.TensorFlow谷歌开发的TensorFlow已经成为当今使用最广泛的机器学习框架之一。该项目在其GitHub页面上拥有超过87,700颗星,并且已分叉超过42,700次。2017年GitHubOctoverse报告将这个开源人工智能工具列为分叉次数最多的项目第一名,贡献者数量第五大项目,评论数量第十大项目。它在基于云的应用程序中使用尤其广泛,例如AmazonWebServices、MicrosoftAzure和GoogleCloudPlatform都提供与TensorFlow的支持和/或兼容服务。根据该项目的官方网站,使用它的公司包括Airbnb、Nvidia、Uber、SAP、Dropbox、eBay、谷歌、英特尔、可口可乐、Twitter等。相关链接:https://www.tensorflow.org/2。Scikit-LearnScikit-learn基于另外三个开源项目:NumPy、SciPy和matplotlibe,是一个基于Python的机器学习工具,专注于数据挖掘和数据分析。它提供了许多算法:分类、递归、聚类、降维、模型选择和预处理。用户包括Spotify、Evernote、OKCupid、Change.org等等。它最初是谷歌的代码之夏项目,随后的开发得到了几个组织的资助,包括法国国家信息与自动化研究所(INRIA)、巴黎萨克雷数据科学中心、纽约大学、巴黎高等电信研究所、哥伦比亚大学、AlfredP.Sloan基金会和悉尼大学。在GitHub上,它拥有超过25,300个星标和超过12,900个分支。相关链接:http://scikit-learn.org/stable/3。CaffeCaffe是贾扬清博士期间开发的这个项目的杰作。在加州大学伯克利分校。伯克利人工智能研究中心(BAIR)现在负责日常开发工作。该项目的官方网站声称这是一个“着眼于表达、速度和模块化而开发的深度学习框架”。主要特性包括:表达式架构、可扩展代码、高速性能以及庞大的学术和行业用户社区。在GitHub上,该项目拥有超过22,600个星数和超过13,800个fork。相关链接:http://caffe.berkeleyvision.org/4。MicrosoftCognitiveToolkitMicrosoftCognitiveToolkit(以前称为CNTK)声称是“一个免费、易于使用、开源、商业级的工具包,可以训练深度学习算法像人脑一样学习。”AI解决方案由微软内部开发,并于2016年发布了开源版本。该工具的主要功能包括:支持Python、C++和BrainScript;强化学习、生成对抗网络以及有监督和无监督学习;有效利用资源;与NumPy合作;并与MicrosoftAzure集成。它在GitHub上拥有超过13700颗星和超过3600个分支。相关链接:https://www.microsoft.com/en-us/cognitive-toolkit/5。PredictionIOApache项目PredictionIO是一个开源机器学习服务器系统,它利用了许多其他Apache大数据工具,例如Hadoop、HBase和Spark。企业组织经常使用它来实现lambda架构,官方网站将其作为整个机器学习堆栈的一部分提供,包括ApacheSpark、MLlib、HBase、Spray和Elasticsearch。该项目的目标是帮助数据科学家和开发人员快速创建可部署为Web服务的预测引擎。GitHub页面显示超过10900个star和超过1777个fork。相关链接:http://predictionio.incubator.apache.org/index.html6。Deeplearn.js顾名思义,deeplearn.js是一个用于深度学习的JavaScript库。它允许用户在浏览器中训练神经网络。与本文介绍的其他几个开源AI项目一样,它也起源于GoogleBrain团队,Google持续支持该项目。Deeplearn.js包括两个独立的API:一个类似于NumPy的直接执行模型和一个更像TensorFlow的延迟执行模型。在GitHub上,它拥有超过6000颗星和超过550个分叉。相关链接:https://deeplearnjs.org/7。PatternPattern由安特卫普大学计算语言学和语言心理学研究中心(CLiPS)开发。它提供了许多人工智能功能,包括数据挖掘、自然语言处理、机器学习、网络分析和可视化。它基于Python,附带50多个示例和350多个单元测试。GitHub用户star超过6000次,fork超过1100次。相关链接:https://www.clips.uantwerpen.be/pages/pattern8。TuriCreateTuriCreate旨在让非专家无需编写大量代码即可构建自己的机器学习模型。它适用于创建推荐引擎、图像分析工具和文本分类引擎,它包括广泛方面的算法:分类、递归、图分析、聚类、最近邻、主题模型等。Apple直到最近(2017年12月)才在GitHub上发布了该工具,但它已经获得了关注,积累了超过5,700颗星和超过490个分支。相关链接:https://github.com/apple/turicreate9。AerosolveAerosolve由Airbnb开发,这款人工智能工具特别擅长处理地理数据。为了声名鹊起,它被设计为“人性化”。主要功能包括:基于Thrift的特征表示(Thrift是Apache开发的多语言协作平台)、特征转换语言、可调试模型、支持Java和Scala、图像内容分析代码。在GitHub页面上,它拥有超过4200个星标和超过550个分支。相关链接:http://airbnb.io/aerosolve/10。DSSTNEDSSTNE的全称是“DeeplyScalableSparseTensorNetworkEngine”,由亚马逊开发。这家在线购物巨头使用DSSTNE构建其推荐引擎,该AI工具引起了其他零售商和在线企业的兴趣。它的开发者说它特别适合机器学习训练数据为***的用例。在GitHub上,它拥有超过4000个星标和660多个分支。相关链接:https://github.com/amzn/amazon-dsstne原标题:2018年十大开源AI项目,作者:CynthiaHarvey】