6 no-code платформ машинного обучения

Построить алгоритм за минуту, перетаскивая объекты по экрану или быстро запрограммировать робота — все это возможно с помощью платформ для создания алгоритмов без кода. 

По данным IDC, из-за сложности разработки машинное обучение внедрили только около 28% бизнесов в мире. 50% компаний тратят до 90 дней на создание одной модели. Для организаций и простых пользователей есть МL-платформы «‎без кода»‎ с доступным интерфейсом. 

Рассказываем о шести таких платформах.

#1. Google ML Kit
 

ML Kit — простая в управлении лаборатория SDK, которая позволяет внедрять МL на Android и iOS, независимо от опыта разработчиков в машинном обучении.

В марте 2021 года Google объявили, что платформа ML Kit стала общедоступной (до этого инструменты были на стадии бета-тестирования).

API-интерфейсы позволяют использовать модели TensorFlow Lite и Mobile Vision на смартфоне или планшете. API на устройстве обрабатывают датасеты быстро и будут доступны без интернета, облачные API работают на Google Cloud Platform. Google стремится постоянно пополнять список API. 

ML Kit помогает внедрить в мобильные приложения обнаружение лиц, распознавание текста и речи, определение животных, растений, продуктов, отделение фона на фото, сканирование штрихкодов. 

Одна из последних функций — возможность отделения фона на видео. API сегментации видео принимает входное изображение и создает маску вывода — слой поверх видео, который позволяет отделить людей/объекты от фона. Каждому пикселю маски назначается число с плавающей запятой в диапазоне [0,0, 1,0]. Чем ближе число к 1,0, тем выше вероятность, что пиксель представляет человека, и наоборот. 

При помощи ML Kit были созданы приложения VSCO, PicsArt, EyeEm, Fishbrain. Один из первых пользователей внедрил несколько ML-функций в приложение для подсчета калорий. Оно собирает информацию с этикеток продуктов. 

Стоимость: бесплатно. 

#2. Fritz AI
 

Fritz AI — end-to-end-решение для создания и обучения моделей, а также генерирования наборов данных без кода. Оно доступно на Windows, Linux, MacOS, а также мобильных ОС. 

В 2020 году компания привлекла на разработку $5 млн. У нее есть два продукта: Fritz AI for SnapML и Fritz AI for mobile. Первый — набор инструментов для создания моделей в Snapchat. Их используют креативные агентства, дизайнеры, художники. 

Второй продукт — SDK для развертывания и обучения моделей на мобильных платформах, а также улучшения UX-приложений на основе реальных данных. Fritz AI for mobile позволяет создавать датасеты и тренировать модели. Есть возможность загрузки и аннотирования изображений, а также готовые к работе модели мобильного машинного обучения на основе наборов данных. Можно конвертировать модели для разных мобильных систем. Среди готовых систем — сегментация изображений, обнаружение объекта, маркировка изображений, наложение стилей, определение поз и положения объектов. 

Доступны видеоуроки от самой платформы. Компания бесплатно выложила на сайте списки книг, статей и видео по работе с ML. 

Стоимость: от $179 до $849 в месяц.

#3. DataRobot
 

Основатели компании ранее занимались исследованиями и моделированием вероятностей в страховании. Сначала наработки стартапа применялись, чтобы предсказать, кому достанется следующая награда «Грэмми» и кто умрет в «Игре престолов». Сейчас ПО устанавливают банки для определения кредитных рисков и борьбы с отмыванием денег, а больницы — для расчета вместимости при повторной госпитализации. Среди клиентов: Humana, Lenovo, Red Cross Blood Service, Мичиганский университет. 

Компания создала несколько инструментов для корпоративных и частных нужд. Например, управляемый, гибридный и автоматизированный облачные сервисы. Можно выбрать готовые предобученные модели. Они разделены на 15+ сфер, включая банкинг, финтех, страхование и медицину, маркетинг, телекоммуникации, логистику. 

 

Создатели подчеркивают, что инструменты на платформе доступны и разработчикам, и тем, кто далек от ML. Чтобы обучить модель, нужно выбрать цель, нажать большую кнопку «‎Пуск» и ждать, пока результат не появится в таблице. На это требуется от нескольких часов до месяца, в зависимости от задачи. В таблице доступна аналитика по обученным моделям, их эффективность и перечень возможных ошибок. Можно сравнить модели между собой. 

Стоимость рассчитывается индивидуально. При регистрации сайт дарит $500 на расходы внутри платформы.

#4. What-If tool
 

Это небольшой, но занимательный проект от PAIR (People + AI Research). WIT или What-If Tool — алгоритм в виде плагина для работы с регрессионными ML-моделями. Можно делать предсказания и логические выводы на больших наборах данных, визуализируя результаты. Есть инструменты для повторного анализа, проверки производительности и «честности» алгоритма.

Основная цель WIT — обучение. С плагином можно работать через TensorBoard или в Jupyter Notebook и Colab. Чтобы использовать WIT в TensorBoard, нужны:

• модели с использованием API классификации, регрессии или прогнозирования. 
• набор данных, который будет обрабатываться моделями. Он должен находиться в файле TFRecord, доступном веб-серверу TensorBoard.

Используя WIT, можно тестировать производительность, анализировать важность разных функций данных и визуализировать поведение модели в нескольких подмножествах входных данных. Интерфейс состоит из трех вкладок, которые можно переключать. Это редактор датасетов, регрессионные модели и модели бинарной классификации. На сайте есть пошаговая инструкция настройки датасетов и их анализа. 

Стоимость: бесплатно.

#5. Teachable Machine
 

Бесплатный инструмент от Google, запущенный в 2017 году. Он позволяет создавать ML-модели в браузере за пару минут. Teachable Machine показывает ключевые аспекты ML: входные данные, точки данных, кластеризацию, алгоритмы в виде деревьев, процесс обучения.

Пользователи могут вводить примеры в разные категории для обучения алгоритма. После ввода данных они распределяются на категории изображения, звука и положения тела в пространстве. Можно использовать алгоритм только на устройстве, чтобы данные веб-камеры или микрофона не покидали компьютер.

Распознавание изображений и поз человеческого тела происходит в режиме реального времени, инструмент считывает данные с веб-камеры. Аудио принимается в форматах WAV и MP3.

На сайте доступны пошаговые уроки: как определить испорченный банан при помощи нейросетей или как распознать свист и хлопки в ладоши. Пользователи создали при помощи инструмента забавные мини-проекты. Например, Винс Мингпу превратил кусочек бумаги в контроллер для управления нарисованной змеей. 

 

С помощью Teachable Machine создаются модели TensorFlow.js. Они совместимы со всеми платформами, где запущен javascript, поэтому работают с Glitch, P5.js, Node.js. Доступен экспорт моделей в разные форматы. Это открывает простор для экспериментов. При помощи Arduino и Teachable Machine можно создать даже обучаемого робота. 

Стоимость: бесплатно.

#6. RapidMiner
 

Проект разделен на три части: веб-инструмент RapidMiner Go, программа для ПК RapidMiner Studio и образовательная грантовая программа RapidMiner Academy, которая сотрудничает с университетами. 

 

Интерфейс простой — доступны функции перетаскивания, быстрое подключение к базам данных, корпоративному хранилищу и социальным сетям; модели визуализированы. Разработчики заверяют, что создать алгоритм можно в 5 кликов. Есть два режима — для продвинутых специалистов и тех, кто не знаком с разработкой. В библиотеке RapidMiner — более чем 1,5 тыс. предобученных алгоритмов. На сайте можно выбрать инструменты из 15+ категорий — страхование, IT, маркетинг, финтех, тяжелая промышленность и других. 

Одна из целей компании — обучение. Для студентов и преподавателей аккредитованного университета бесплатно доступна образовательная лицензия RapidMiner Studio и RapidMiner AI Hub на один год. Эту лицензию нельзя использовать в коммерческих целях. Для ее получения достаточно заполнить форму на сайте. 

Стоимость: месячная подписка на веб-инструмент RapidMiner — $10. За RapidMiner Studio — от $39 в месяц, но есть 30 бесплатных дней.