Comet.ml은 우리가 기계 학습과 상호 작용하는 방식을 바꾸고 싶어합니다

머신 러닝 (ML)을 활용하려는 비즈니스에는 스마트 장치 및 많은 양의 데이터가 필요합니다. 기본적으로 ML은 두 개의 반구를 중심으로 진행됩니다. 한쪽에는 ML 모델과 알고리즘이 있고 다른쪽에는 적절하게 선별 된 데이터 세트가 있습니다. 두 사람 모두 생성에 전문 지식이 필요하지만 전자는 데이터 과학자와 개발자가 코드를 추적하고 ML 모델을보다 효율적으로 공유 할 수 있도록하는 도구를 통해 이달 초에 시작된 서비스 인 Comet.ml을 통해 크게 향상되었습니다. 이 회사는보다 효과적이고 유용한 ML 도구에 대한 요구가 증가하고 있다고 응답하고 있다고 말합니다. 이 서비스는 더 많은 사람들이 ML에 대한 액세스, 사용 및 학습을하도록하는 편리한 서비스의 성장하는 분야의 일부입니다.

GitHub 연결

한 달도 채되지 않았지만 Comet.ml을 "GitHub of ML"로 묘사하는 것은 부적절하지 않을 수 있습니다. GitHub에 익숙하지 않다면 개발자가 코드를 저장하고 공유하는 저장소 호스팅 서비스입니다. 동일한 코드베이스에서 여러 개발자가 작업하는 프로젝트에서 GitHub와 같은 리포지토리는 워크 플로를 구성하고 버전 제어를 유지하는 데 중요한 코드를 재생합니다. 코드 리포지토리의 개념이 새로운 것은 아니지만 GitHub는 비전적이고 프로젝트 지향적 인 코딩 기능을 뛰어 넘는 직관적 인 UI와 소셜을 추가 한 UI (사용자 인터페이스)를 만들어 개발 커뮤니티에 완전히 새로운 세상을 열었습니다. GitHub가 사용자 및 커뮤니티와 대화 할 수있는 도구. 다른 개발자가 코드를 검토하고 싶거나 새롭고 흥미로운 응용 프로그램을 찾거나 세계 최고의 엔지니어들이 무엇을하고 있는지 궁금하든, GitHub는 개발 커뮤니티가하고있는 일을 따라 잡을 수있는 가장 인기있는 장소 중 하나가되었습니다.

그런 종류의 이력서로 GitHub가 되고자하는 것은 매우 야심 찬 것처럼 보이지만 Comet.ml의 창립자는 확신합니다. Comet.ml은 인기있는 GitHub 서비스와 유사한 방식으로 작동합니다. Comet.ml 웹 사이트에서 무료 계정을 만들고 선호하는 ML 라이브러리 (Comet.ml은 현재 Java, Pytorch, TensorFlow 및 가장 인기있는 여러 라이브러리를 지원함)를 선택하면됩니다. 달리는 건물과 테스트 ML 모델은 거의 즉시, 그리고 지금까지 수행했던 것보다 훨씬 쉽습니다. Comet.ml은 팀이 웹 사이트의 리포지토리에 대한 모든 변경 사항을 추적하기 때문입니다. 자동화 된 모델 최적화 기능을 제공하며 Comet.ml 작업을 GitHub와 통합하여 대규모 프로젝트를 수행 할 수도 있습니다.

GitHub는 ML 모델도 호스팅하지만 Comet.ml은 ML의 고유 한 요구를 염두에두고 설계되었습니다. 베이지안 "하이 파라미터 최적화"라는 알고리즘을 통해이 서비스는 실험의 하이퍼 파라미터를 변경하여 모델을 조정합니다. 당신이 진정한 데이터 괴짜라면, 회사의 웹 사이트에 이것에 대한 더 자세한 설명이 있습니다. 모델을 수동으로 조정하면 시간이 오래 걸릴 수 있습니다. 이 알고리즘이 Comet.ml처럼 잘 작동하면 데이터 과학 커뮤니티의 관심을 끌 수 있습니다. GitHub와 마찬가지로 공개적으로 사용 가능한 리포지토리가있는 하나의 계정은 완전히 무료이며 개인 리포지토리는 매월 사용자 당 $ 49에서 시작합니다.

더 간단한 것의 필요성

기드온 Comet.ml의 공동 창립자이자 CEO 인 Mendels, ML 베테랑의 무언가입니다. 그는 Columbia University 및 Google에서 리서치에 참여했습니다. 그는 커리어 전반에 걸쳐 ML 모델을 테스트하고 공유 할 수있는 효과적인 방법을 찾기 위해 노력했습니다.

"이전에는 GroupWize Mendels는 "생산에 약 15 개의 기계 학습 모델이 있었으며, 모든 변경 사항을 추적하는 것은 불가능했습니다. 우리는 실제로 내부적으로 Comet을 구축하기 시작했습니다. 사제 우리의 고통에 대한 해결책."

거기에서 Mendels와 다른 팀원들은 Comet.ml을 자체 제작하는 데 집중하기로 결정했습니다. Mendels에게 Comet.ml의 가치는 ML 모델을 저장할 수 있다는 사실 만이 아닙니다. …에서 구름; 해당 코드를 쉽게 실험 할 수 있도록하는 것입니다. Mendels는 또한 그의 서비스가 GitHub와 경쟁하려고한다는 생각을 기각했습니다. 결국 서비스와 통합되며 사용자는 GitHub 로그인 자격 증명으로 가입 할 수 있습니다. Mendels에게는 더 나은 기능으로 점점 늘어나는 데이터 민주화에 대응하는 것입니다.

멘델 스는“많은 회사들이 ML과 데이터 과학을 시작하는 방법의 더 큰 지점에 연결되어있다”고 말했다. "GitHub를 사용하면 코드를 저장할 수 있지만 ML을 사용하면 암호 퍼즐의 한 조각 일뿐입니다. Mendels는 자동 조정 기능이 Comet.ml 자체를 차별화하는 데 도움이 될 것이라고 말합니다.

기계 학습 놀이터

Comet.ml은 ML과 상호 작용하는 방식을 바꾸는 것을 목표로하는 몇 가지 제품 중 하나 일뿐입니다. 우주에서 매우 공격적인 Microsoft는 몇 년 전에 Azure Notebook을 시작했습니다. 이 회사는 Comet.ml보다 더 교육적인 도구로 제공하지만 클라우드에서 ML 모델을 가지고 놀 수 있도록 설계되었습니다.

중소 기업 (SMB)과 기업 모두를 위해 완벽하고 즉시 사용 가능한 모델을 제공하는 ML 마켓 플레이스도 있습니다. 알고리즘은 과 API (응용 프로그래밍 인터페이스) 호출을 통해 자신의 앱에서 구매하고 사용할 수있는 ML 모델을 제공하는 인공 지능 (AI) 마켓 플레이스. 문장 분석 모델을 만들 기술이나 시간이 없습니까? 그런 다음 10, 000 API 호출에 대해 28.54 달러의 저렴한 가격으로 Parsey McParseface를 사용하십시오. 덜 창의적인 이름의 모델 의 위에 시장에는 안면 인식 알고리즘, 지리 데이터를위한 스펙트럼 클러스터링 및 텍스트 추출을위한 것들이 포함됩니다.

데이터 과학자가 아닌 경우 이러한 서비스가 귀하와 귀하의 조직에 적용되지 않는다고 생각할 수 있습니다. 그러나 모든 규모의 비즈니스는 전례없는 AI 솔루션의 지원 및 활용을 발표하고 있으며 ML은 그 중 중요한 부분입니다. 이러한 구현은 광범위한 프로젝트에서 광범위한 프로젝트에 이르기까지 광범위하게 퍼져 있으므로 ML이 레시피의 일부라는 사실에 놀랐습니다.

대상 프로젝트의 예로서 WineStein은 ML 모델을 사용하여 와인을 다른 종류의 음식과 페어링하는 디지털 소믈리에 서비스입니다. 광범위한 구현 예 금융 기술 (fintech) AI, ML은 이미 모든 비즈니스가 고객 서비스 및 헬프 데스크 운영에 접근하는 방식을 이미 바꿨습니다. AI와 ML의 사용자 기반은 빠르게 성장하고 있으며 비즈니스에 영향을 미치지 않을 것이므로 Comet.ml과 같은 미래의 사람들에게 미래는 밝은 곳이 될 것입니다.