Comet.ml ingin mengubah cara kami berinteraksi dengan pembelajaran mesin

Bisnis yang ingin memanfaatkan pembelajaran mesin (ML) membutuhkan lebih dari sekadar perangkat pintar dan rim data. Pada intinya, ML berputar di sekitar dua belahan: model ML dan algoritma di satu sisi dan set data yang dikuratori dengan tepat di sisi lain. Meskipun keduanya membutuhkan keahlian untuk membuat, yang pertama hanya mendapat dorongan signifikan melalui Comet.ml, layanan yang diluncurkan awal bulan ini dengan alat untuk memungkinkan para ilmuwan dan pengembang data melacak kode dan membagikan model ML mereka dengan lebih efisien. Perusahaan mengatakan menjawab apa yang dilihatnya sebagai peningkatan kebutuhan akan alat ML yang lebih efektif dan dapat digunakan. Layanan ini merupakan bagian dari bidang layanan yang nyaman yang terus berkembang yang berupaya agar lebih banyak orang mengakses, menggunakan, dan mempelajari tentang ML.

Koneksi GitHub

Meskipun berusia kurang dari satu bulan, menggambarkan Comet.ml sebagai "GitHub ML" mungkin tidak pantas. Jika Anda tidak terbiasa dengan GitHub, ini adalah layanan hosting repositori tempat pengembang menyimpan dan berbagi kode mereka. Dalam proyek dengan beberapa pengembang yang bekerja pada basis kode yang sama, repositori seperti GitHub memainkan kode penting dalam mengatur alur kerja dan mempertahankan kontrol versi. Sementara konsep repositori kode bukanlah hal baru, GitHub membuka dunia baru bagi komunitas pengembangan dengan menciptakan antarmuka pengguna (UI) yang melampaui misterius, kemampuan pengkodean berorientasi proyek dan menambahkan UI intuitif serta sosial alat yang memungkinkan GitHub untuk berbicara dengan pengguna dan bahkan komunitas. Apakah Anda ingin kode Anda ditinjau oleh pengembang lain, menemukan aplikasi baru dan menarik, atau hanya ingin tahu tentang apa yang sedang dilakukan oleh para insinyur top dunia, GitHub telah menjadi salah satu tempat paling populer untuk mengejar ketinggalan tentang apa yang dilakukan komunitas pengembangan.

Dengan resume semacam itu, ingin menjadi GitHub dari apa pun tampaknya sangat ambisius, tetapi para pendiri Comet.ml yakin. Comet.ml bekerja dengan cara yang mirip dengan layanan GitHub yang populer. Cukup buat akun gratis di situs web Comet.ml, pilih perpustakaan ML pilihan Anda (Comet.ml saat ini mendukung Java, Pytorch, TensorFlow, dan beberapa perpustakaan lainnya yang paling populer), dan Anda bisa bangun dan berlari bangunan dan pengujian Model ML hampir secara instan - dan kemungkinan lebih mudah daripada yang bisa Anda lakukan hingga saat ini. Ini karena Comet.ml juga melacak semua perubahan yang dilakukan oleh tim ke repositori di situs web. Ini menawarkan optimasi model otomatis dan Anda bahkan dapat mengintegrasikan pekerjaan Comet.ml Anda dengan GitHub untuk proyek yang lebih besar.

GitHub juga menjadi tuan rumah model ML tetapi Comet.ml dirancang dengan kebutuhan unik ML. Melalui jenis algoritme yang dikenal sebagai Bayesian "Hyperparameter optimization, " layanan ini akan mengubah model Anda dengan mengubah hyperparameter percobaan Anda. Jika Anda benar-benar ahli data, maka ada penjelasan yang lebih menyeluruh tentang hal ini di situs web perusahaan. Tweaking model secara manual bisa memakan waktu yang sangat lama. Jika algoritme ini berfungsi sebaik kata Comet.ml, itu pasti bisa mendapatkan perhatian komunitas ilmu data. Sama seperti GitHub, satu akun dengan repositori yang tersedia untuk umum benar-benar gratis, dengan repositori pribadi mulai dari $ 49 per pengguna per bulan.

Kebutuhan akan Sesuatu yang Lebih Sederhana

Gideon Mendels, salah satu pendiri dan CEO Comet.ml, adalah sesuatu dari seorang veteran ML. Dia telah bekerja dalam penelitian untuk Universitas Columbia dan di Google. Sepanjang karirnya, ia telah berjuang untuk menemukan cara yang efektif untuk menguji dan berbagi model ML.

"Saya sebelumnya bekerja di sebuah perusahaan bernama GroupWize , dan kami memiliki sekitar 15 model pembelajaran mesin dalam produksi, "kata Mendels." Tidak mungkin melacak semua perubahan di dalamnya. Jadi, kami sebenarnya mulai membangun Komet secara internal sebagai homebrew solusi untuk rasa sakit kita."

Dari sana, Mendels dan anggota tim lainnya memutuskan untuk fokus membangun Comet.ml sendiri. Bagi Mendels, nilai Comet.ml bukan hanya fakta bahwa model ML dapat disimpan di awan; ini tentang membuatnya lebih mudah untuk bereksperimen dengan kode itu. Mendels juga cepat menepis anggapan bahwa layanannya berusaha bersaing dengan GitHub. Lagi pula, itu terintegrasi dengan layanan dan pengguna dapat mendaftar dengan kredensial masuk GitHub mereka. Untuk Mendels, ini benar-benar tentang menjawab gelombang demokratisasi data yang berkembang dengan fungsionalitas yang lebih baik.

"Ini terhubung ke titik yang lebih besar tentang bagaimana banyak perusahaan mulai melakukan ML dan ilmu data, " kata Mendels. "Dengan GitHub, Anda dapat menyimpan kode, tetapi dengan ML, kode hanyalah salah satu bagian dari teka-teki. Data apa yang digunakan agar sesuai dengan kode itu? "Mendels mengatakan bahwa fitur tweaker otomatis akan membantu Comet.ml berdiri sendiri.

Mesin Belajar Bermain

Comet.ml hanyalah salah satu dari beberapa penawaran yang bertujuan untuk mengubah cara kami berinteraksi dengan ML. Microsoft, yang sangat agresif dalam peluncurannya, meluncurkan Azure Notebooks beberapa tahun yang lalu. Meskipun perusahaan menyajikannya lebih sebagai alat pendidikan daripada Comet.ml, itu juga dirancang untuk memungkinkan Anda bermain-main dengan model ML di cloud.

Ada juga seluruh gelombang pasar ML yang tersedia yang menawarkan model yang lengkap dan siap pakai untuk bisnis skala kecil dan menengah (UKM) maupun perusahaan. Algoritma adalah sebuah pasar kecerdasan buatan (AI) yang menawarkan, antara lain, model ML yang dapat Anda beli dan gunakan di aplikasi Anda sendiri melalui panggilan antarmuka pemrograman aplikasi (API). Tidak memiliki keterampilan atau waktu untuk membangun model parsing kalimat? Kemudian gunakan Parsey McParseface untuk harga rendah $ 28, 54 untuk 10.000 panggilan API. Model yang kurang kreatif dinamai di pasar termasuk yang untuk algoritma pengenalan wajah, pengelompokan spektral untuk data geografis, dan ekstraksi teks.

Jika Anda bukan ilmuwan data, maka Anda mungkin berpikir bahwa layanan ini tidak berlaku untuk Anda dan organisasi Anda. Tetapi bisnis dari semua ukuran mengumumkan dukungan yang belum pernah terjadi sebelumnya dan pemanfaatan solusi AI, dan ML adalah bagian penting dari itu. Implementasi ini mencakup keseluruhan dari proyek yang luas dan luas hingga yang sangat ditargetkan sehingga Anda terkejut menemukan ML adalah bagian dari resep.

Sebagai contoh dari proyek yang ditargetkan, WineStein adalah layanan sommelier digital yang menggunakan model ML untuk memasangkan anggur dengan berbagai jenis makanan. Rentang contoh implementasi yang lebih luas teknologi keuangan (fintech) , teknologi kesehatan, dan bahkan chatbots di mana AI dan ML telah mengubah cara sebagian besar bisnis mendekati layanan pelanggan dan operasi helpdesk. Basis pengguna untuk AI dan ML tumbuh cepat dan tidak akan meninggalkan bisnis yang tak tersentuh, yang menjadikan masa depan tempat yang cerah bagi pengunjung baru seperti Comet.ml.