ในโพสต์นี้ เราจะกล่าวถึงปัญญาประดิษฐ์โอเพนซอร์ซชั้นนำบางส่วน (AI) เครื่องมือสำหรับระบบนิเวศ Linux ปัจจุบัน, AI เป็นหนึ่งในสาขาวิทยาศาสตร์และเทคโนโลยีที่ก้าวหน้า โดยมุ่งเน้นที่การสร้างซอฟต์แวร์และ ฮาร์ดแวร์เพื่อแก้ปัญหาความท้าทายในชีวิตประจำวันในด้านต่างๆ เช่น การดูแลสุขภาพ การศึกษา ความปลอดภัย การผลิต การธนาคาร และอื่นๆ ล้นหลาม.
แนะนำให้อ่าน:20 ซอฟต์แวร์โอเพ่นซอร์สฟรีที่ฉันพบในปี 2558
ด้านล่างนี้คือรายการของแพลตฟอร์มจำนวนหนึ่งที่ออกแบบและพัฒนาขึ้นเพื่อรองรับ AI ซึ่งคุณสามารถใช้บน Linux และระบบปฏิบัติการอื่นๆ ได้อีกมากมาย โปรดจำไว้ว่ารายการนี้ไม่ได้จัดเรียงตามความสนใจเฉพาะใดๆ
Deeplearning4j เป็นไลบรารีการเรียนรู้เชิงลึกแบบกระจายสำหรับเกรดเชิงพาณิชย์ โอเพ่นซอร์ส ปลั๊กแอนด์เพลย์ สำหรับภาษาการเขียนโปรแกรม Java และ Scala ได้รับการออกแบบมาโดยเฉพาะสำหรับแอปพลิเคชันที่เกี่ยวข้องกับธุรกิจและรวมเข้ากับ Hadoop และ Spark ที่ด้านบนของ CPU และ GPU แบบกระจาย
DL4J เผยแพร่ภายใต้ลิขสิทธิ์ Apache 2.0 และให้การสนับสนุน GPU สำหรับการปรับขนาดบน AWS และได้รับการดัดแปลงสำหรับสถาปัตยกรรมไมโครเซอร์วิส
เยี่ยมชมหน้าแรก: http://deeplearning4j.org/
คาเฟ่ เป็นเฟรมเวิร์กการเรียนรู้เชิงลึกแบบแยกส่วนและแสดงออกตามความเร็ว เผยแพร่ภายใต้ใบอนุญาต BSD 2-Clause และสนับสนุนโครงการชุมชนหลายโครงการใน ด้านต่างๆ เช่น การวิจัย ต้นแบบการเริ่มต้นใช้งาน การใช้งานทางอุตสาหกรรมในด้านต่างๆ เช่น การมองเห็น คำพูด และ มัลติมีเดีย
เยี่ยมชมหน้าแรก: http://caffe.berkeleyvision.org/
H20 เป็นเฟรมเวิร์กแมชชีนเลิร์นนิงแบบโอเพนซอร์ส รวดเร็ว ปรับขนาดได้ และกระจายตัว บวกกับชุดของอัลกอริธึมที่ติดตั้งบนเฟรมเวิร์ก รองรับแอปพลิเคชันที่ชาญฉลาดยิ่งขึ้น เช่น การเรียนรู้เชิงลึก การเพิ่มระดับความชัน การสุ่มฟอเรสต์ การสร้างแบบจำลองเชิงเส้นทั่วไป (เช่น การถดถอยโลจิสติก, Elastic Net) และอื่นๆ อีกมากมาย
มันเป็นเครื่องมือปัญญาประดิษฐ์ที่มุ่งเน้นธุรกิจสำหรับการตัดสินใจจากข้อมูล ซึ่งช่วยให้ผู้ใช้สามารถดึงข้อมูลเชิงลึกจากข้อมูลของพวกเขาโดยใช้แบบจำลองการคาดการณ์ที่รวดเร็วและดีกว่า
เยี่ยมชมหน้าแรก: http://www.h2o.ai/
MLlib เป็นไลบรารีการเรียนรู้ของเครื่องแบบโอเพนซอร์ส ใช้งานง่าย และมีประสิทธิภาพสูง ซึ่งพัฒนาขึ้นโดยเป็นส่วนหนึ่งของ Apache Spark ง่ายต่อการปรับใช้และสามารถทำงานบนคลัสเตอร์และข้อมูล Hadoop ที่มีอยู่ได้
แนะนำให้อ่าน:12 สุดยอดเครื่องมือแก้ไขข้อความโอเพ่นซอร์ส (GUI + CLI) ที่ฉันพบในปี 2015
MLlib ยังมาพร้อมกับชุดของอัลกอริทึมสำหรับการจำแนกประเภท การถดถอย คำแนะนำ การจัดกลุ่ม การวิเคราะห์การอยู่รอด และอื่นๆ อีกมากมาย ที่สำคัญ สามารถใช้ในภาษาโปรแกรม Python, Java, Scala และ R ได้
เยี่ยมชมหน้าแรก: https://spark.apache.org/mllib/
ควาญ เป็นเฟรมเวิร์กโอเพนซอร์สที่ออกแบบมาสำหรับการสร้างแอปพลิเคชันการเรียนรู้ของเครื่องที่ปรับขนาดได้ โดยมีคุณสมบัติเด่นสามประการตามรายการด้านล่าง:
เยี่ยมชมหน้าแรก: http://mahout.apache.org/
OpenNN เป็นไลบรารีคลาสโอเพ่นซอร์สที่เขียนด้วย C ++ สำหรับการเรียนรู้เชิงลึกซึ่งใช้เพื่อกระตุ้นโครงข่ายประสาทเทียม อย่างไรก็ตาม เหมาะที่สุดสำหรับโปรแกรมเมอร์ C++ ที่มีประสบการณ์และผู้ที่มีทักษะการเรียนรู้ของเครื่องอย่างมากเท่านั้น โดดเด่นด้วยสถาปัตยกรรมที่ล้ำลึกและประสิทธิภาพสูง
เยี่ยมชมหน้าแรก: http://www.opennn.net/
Oryx 2 เป็นความต่อเนื่องของโปรเจ็กต์ Oryx เริ่มต้น ซึ่งพัฒนาบน Apache Spark และ Apache Kafka ในชื่อ a การสร้างสถาปัตยกรรมแลมบ์ดาใหม่ แม้ว่าจะทุ่มเทให้กับการสร้างเครื่องจักรตามเวลาจริงก็ตาม การเรียนรู้.
เป็นแพลตฟอร์มสำหรับการพัฒนาแอปพลิเคชันและจัดส่งพร้อมกับแอปพลิเคชันบางอย่าง รวมถึงการกรองร่วมกัน การจัดประเภท การถดถอย และการจัดกลุ่ม
เยี่ยมชมหน้าแรก: http://oryx.io/
OpenCyc เป็นพอร์ทัลโอเพนซอร์ซสู่ฐานความรู้ทั่วไปที่ใหญ่ที่สุดและครอบคลุมที่สุดและกลไกการให้เหตุผลทั่วไปของโลก ประกอบด้วยคำศัพท์ Cyc จำนวนมากที่จัดเรียงใน onology ที่ออกแบบมาอย่างแม่นยำสำหรับการใช้งานในด้านต่างๆ เช่น:
เยี่ยมชมหน้าแรก: http://www.cyc.com/platform/opencyc/
SystemML เป็นแพลตฟอร์มปัญญาประดิษฐ์แบบโอเพนซอร์สสำหรับการเรียนรู้ของเครื่องในอุดมคติสำหรับข้อมูลขนาดใหญ่ คุณสมบัติหลักของมันคือ - ทำงานบนไวยากรณ์ R และ Python ที่เน้นข้อมูลขนาดใหญ่และได้รับการออกแบบมาโดยเฉพาะสำหรับคณิตศาสตร์ระดับสูง มีการอธิบายวิธีการทำงานเป็นอย่างดีในหน้าแรก รวมถึงการสาธิตวิดีโอสำหรับภาพประกอบที่ชัดเจน
มีหลายวิธีในการใช้งานรวมถึง Apache Spark, Apache Hadoop, Jupyter และ Apache Zeppelin กรณีการใช้งานที่โดดเด่นบางส่วน ได้แก่ ยานยนต์ การจราจรในสนามบิน และธนาคารทางสังคม
เยี่ยมชมหน้าแรก: http://systemml.apache.org/
NuPIC เป็นเฟรมเวิร์กโอเพนซอร์สสำหรับแมชชีนเลิร์นนิงที่อิงตามหน่วยความจำชั่วคราวแบบสืบทอดมรดก (HTM) ซึ่งเป็นทฤษฎีนีโอคอร์เท็กซ์ โปรแกรม HTM ที่รวมอยู่ใน NuPIC ใช้สำหรับวิเคราะห์ข้อมูลการสตรีมแบบเรียลไทม์ โดยที่ เรียนรู้รูปแบบตามเวลาที่มีอยู่ในข้อมูล คาดการณ์ค่าที่ใกล้เข้ามา และเปิดเผยใดๆ ความผิดปกติ
คุณสมบัติที่โดดเด่น ได้แก่ :
เยี่ยมชมหน้าแรก: http://numenta.org/
ด้วยการวิจัยที่เพิ่มขึ้นและก้าวหน้าใน AIเราจะได้เห็นเครื่องมือต่างๆ เพิ่มขึ้นเพื่อช่วยให้เทคโนโลยีนี้ประสบความสำเร็จโดยเฉพาะอย่างยิ่งสำหรับการแก้ปัญหาทางวิทยาศาสตร์ในชีวิตประจำวันควบคู่ไปกับวัตถุประสงค์ด้านการศึกษา
คุณสนใจ AI ไหม คุณมีความคิดเห็นอย่างไร? เสนอความคิดเห็น ข้อเสนอแนะ หรือข้อเสนอแนะที่เป็นประโยชน์เกี่ยวกับเรื่องนี้ผ่านทางส่วนความคิดเห็นด้านล่าง และเรายินดีที่จะทราบข้อมูลเพิ่มเติมจากคุณ