O Comet.ml quer mudar a forma como interagimos com o aprendizado de máquina

Uma empresa que procura fazer uso do aprendizado de máquina (ML) precisa mais do que dispositivos inteligentes e resmas de dados. Na sua essência, o ML gira em torno de dois hemisférios: modelos e algoritmos de ML de um lado e conjuntos de dados com curadoria adequada do outro. Embora ambos exijam experiência para criar, o primeiro recebeu um impulso significativo via Comet.ml, um serviço lançado no início deste mês com ferramentas para permitir que cientistas e desenvolvedores de dados rastreiem o código e compartilhem seus modelos de ML com mais eficiência. A empresa diz que está respondendo ao que vê como uma necessidade crescente de ferramentas de ML mais eficazes e utilizáveis. O serviço faz parte de um crescente campo de serviços convenientes que procuram permitir que mais pessoas acessem, usem e aprendam sobre ML.

A conexão do GitHub

Apesar de ter menos de um mês, descrever o Comet.ml como "o GitHub da ML" pode não ser inapropriado. Se você não está familiarizado com o GitHub, é um serviço de hospedagem de repositórios em que os desenvolvedores armazenam e compartilham seus códigos. Em projetos com vários desenvolvedores trabalhando na mesma base de código, repositórios como o GitHub executam um código crítico na organização de fluxos de trabalho e na manutenção do controle de versão. Embora o conceito de repositório de código não seja novo, o GitHub abriu um mundo totalmente novo para a comunidade de desenvolvimento, criando uma interface de usuário (UI) que ia além dos recursos de codificação arcanos orientados a projetos e adicionava uma interface de usuário intuitiva e social. ferramentas que permitem ao GitHub conversar com usuários e até comunidades. Se você deseja que seu código seja revisado por outros desenvolvedores, encontre aplicativos novos e interessantes ou apenas esteja curioso sobre o que os principais engenheiros do mundo estão trabalhando, o GitHub se tornou um dos lugares mais populares para acompanhar o que a comunidade de desenvolvimento está fazendo.

Com esse tipo de currículo, querer ser o GitHub de qualquer coisa parece extremamente ambicioso, mas os fundadores do Comet.ml estão confiantes. O Comet.ml funciona de maneira semelhante ao popular serviço GitHub. Basta criar uma conta gratuita no site Comet.ml, escolher sua biblioteca ML preferida (o Comet.ml atualmente suporta Java, Pytorch, TensorFlow e várias outras bibliotecas mais populares) e você pode se levantar e corrida construção e Testando Modelos de ML quase instantaneamente - e provavelmente com mais facilidade do que você foi capaz de fazer até esse momento. Isso ocorre porque o Comet.ml também rastreia todas as alterações que uma equipe faz em um repositório no site. Ele oferece otimização de modelo automatizada e você pode até integrar seu trabalho Comet.ml ao GitHub para projetos maiores.

O GitHub também hospeda modelos de ML, mas o Comet.ml é projetado com as necessidades exclusivas do ML em mente. Por meio de um tipo de algoritmo conhecido como "Otimização de hiperparâmetros" bayesiano, o serviço ajustará seus modelos alterando os hiperparâmetros de suas experiências. Se você é um verdadeiro nerd de dados, há uma explicação mais completa sobre isso no site da empresa. Ajustar modelos manualmente pode levar um tempo incrivelmente longo. Se esse algoritmo funcionar tão bem quanto o Comet.ml diz, certamente poderá chamar a atenção da comunidade de ciência de dados. Assim como o GitHub, uma conta com repositórios disponíveis publicamente é totalmente gratuita, com repositórios particulares a partir de US $ 49 por usuário por mês.

A necessidade de algo mais simples

Gideon Mendels, co-fundador e CEO do Comet.ml, é uma espécie de veterano da ML. Ele trabalhou em pesquisa para a Columbia University e no Google. Ao longo de sua carreira, ele se esforçou para encontrar uma maneira eficaz de testar e compartilhar modelos de ML.

"Eu já trabalhei em uma empresa chamada GroupWize , e tínhamos cerca de 15 modelos de aprendizado de máquina em produção ", disse Mendels." Era impossível acompanhar todas as mudanças neles. Então, nós começamos a construir o Comet internamente como um homebrew solução para a nossa dor ".

A partir daí, Mendels e outros membros da equipe decidiram se concentrar na criação do Comet.ml por conta própria. Para Mendels, o valor do Comet.ml não é apenas o fato de que os modelos ML podem ser armazenados no a nuvem; é facilitar a experiência com esse código. Mendels também foi rápido em descartar a noção de que seu serviço está tentando competir com o GitHub. Afinal, ele se integra ao serviço e os usuários podem se inscrever com suas credenciais de login no GitHub. Para Mendels, trata-se realmente de responder a uma onda crescente de democratização de dados com melhor funcionalidade.

"Ele se conecta a um ponto maior de como muitas empresas estão começando a desenvolver ML e ciência de dados", disse Mendels. "Com o GitHub, você pode armazenar código, mas com o ML, código é apenas uma peça do quebra-cabeça. Quais dados foram usados ​​para caber nesse código? "Mendels diz que os recursos de ajustes automatizados ajudarão o Comet.ml a se destacar por si próprio.

Playgrounds para aprendizado de máquina

O Comet.ml é apenas uma das várias ofertas que visam mudar a maneira como interagimos com o ML. A Microsoft, que tem sido muito agressiva no espaço, lançou os Notebooks do Azure há alguns anos atrás. Embora a empresa a apresente como mais uma ferramenta educacional que o Comet.ml, ela também foi projetada para permitir que você brinque com modelos de ML na nuvem.

Há também toda uma onda de mercados de ML disponíveis, que oferecem modelos completos e prontos para uso, tanto para pequenas e médias empresas (SMBs) quanto para empresas. Algoritmia é a mercado de inteligência artificial (AI) que oferece, entre outras coisas, modelos de ML que você pode comprar e usar em seus próprios aplicativos por meio de uma chamada de API (API). Não tem habilidade ou tempo para criar um modelo de análise de sentenças? Em seguida, use Parsey McParseface pelo preço baixo de US $ 28, 54 para 10.000 chamadas de API. Modelos com nomes menos criativos em o mercado inclui aqueles para algoritmos de reconhecimento facial, agrupamento espectral para dados geográficos e extração de texto.

Se você não é um cientista de dados, pode estar pensando que esses serviços não são aplicáveis ​​a você e à sua organização. Mas empresas de todos os tamanhos estão anunciando suporte e utilização sem precedentes de soluções de IA, e o ML é uma parte importante disso. Essas implementações vão desde projetos amplos e abrangentes até projetos tão direcionados que você fica surpreso ao descobrir que o ML faz parte da receita.

Como exemplo de um projeto direcionado, o WineStein é um serviço de sommelier digital que usa modelos ML para emparelhar vinhos com diferentes tipos de alimentos. Exemplos de implementação mais abrangentes tecnologia financeira (fintech) , tecnologia de assistência médica e até chatbots onde a IA e a ML já mudaram a maneira como toda empresa aborda as operações de atendimento ao cliente e serviço de assistência técnica. A base de usuários de IA e ML está crescendo rapidamente e não deixará nenhum negócio intocado, o que torna o futuro um lugar brilhante para iniciantes como o Comet.ml.