Las 10 mejores herramientas de inteligencia artificial de código abierto para Linux


En esta publicación, cubriremos algunas de las herramientas principales de inteligencia artificial de código abierto ( AI ) para el ecosistema de Linux. Actualmente, AI es uno de los campos de la ciencia y la tecnología que avanza cada vez más, y se centra principalmente en la construcción de software y hardware para resolver los desafíos de la vida cotidiana en áreas como la atención médica, educación, seguridad, fabricación , banca y mucho más.

A continuación, se incluye una lista de varias plataformas diseñadas y desarrolladas para soportar AI, que puede utilizar en Linux y posiblemente en muchos otros sistemas operativos. Recuerde que esta lista no está ordenada en ningún orden específico de interés.

1. Deep Learning para Java (Deeplearning4j)

Deeplearning4j es una biblioteca de aprendizaje profundo distribuida, de código abierto, plug and play, para lenguajes de programación Java y Scala. Está diseñado específicamente para aplicaciones relacionadas con el negocio e integrado con Hadoop y Spark sobre las CPU y GPU distribuidas.

DL4J se lanza bajo la licencia Apache 2.0 y proporciona soporte de GPU para escalar en AWS y está adaptado para la arquitectura de microservicio.

Visite la página principal : http://deeplearning4j.org/

2. Caffe - Marco de Aprendizaje Profundo

Caffe es un marco de aprendizaje profundo modular y expresivo basado en la velocidad. Se publica bajo la licencia BSD 2-Clause, y ya apoya varios proyectos comunitarios en áreas como investigación, prototipos de inicio, aplicaciones industriales en campos como visión, habla y multimedia.

Visite la página principal : http://caffe.berkeleyvision.org/

3. H20 - Marco de aprendizaje automático distribuido

H20 es un marco de aprendizaje automático de código abierto, rápido, escalable y distribuido, más el surtido de algoritmos equipados en el marco. Admite aplicaciones más inteligentes como aprendizaje profundo, aumento de gradiente, bosques aleatorios, modelado lineal generalizado (es decir, regresión logística, Elastic Net) y muchos más.

Es una herramienta de inteligencia artificial orientada a los negocios para la toma de decisiones a partir de datos, permite a los usuarios obtener información de sus datos mediante un modelado predictivo más rápido y mejor.

Visite la página principal : http://www.h2o.ai/

4. MLlib - Biblioteca de aprendizaje automático

MLlib es una biblioteca de aprendizaje automático de código abierto, fácil de usar y de alto rendimiento desarrollada como parte de Apache Spark. Es esencialmente fácil de implementar y puede ejecutarse en clústeres y datos existentes de Hadoop.

MLlib también incluye una colección de algoritmos para clasificación, regresión, recomendación, agrupación, análisis de supervivencia y mucho más. Es importante destacar que se puede utilizar en los lenguajes de programación Python, Java, Scala y R.

Visite la página principal : https://spark.apache.org/mllib/

5. Apache Mahout

Mahout es un marco de código abierto diseñado para crear aplicaciones de aprendizaje automático escalables, tiene tres características destacadas a continuación:

  1. Provides simple and extensible programming workplace
  2. Offers a variety of prepackaged algorithms for Scala + Apache Spark, H20 as well as Apache Flink
  3. Includes Samaras, a vector math experimentation workplace with R-like syntax

Visite la página principal : http://mahout.apache.org/

6. Biblioteca abierta de redes neuronales (OpenNN)

OpenNN también es una biblioteca de clases de código abierto escrita en C ++ para un aprendizaje profundo, se utiliza para instigar redes neuronales. Sin embargo, solo es óptimo para programadores con experiencia en C ++ y personas con tremendas habilidades de aprendizaje automático. Se caracteriza por una arquitectura profunda y alto rendimiento.

Visite la página principal : http://www.opennn.net/

7. Oryx 2

Oryx 2 es una continuación del proyecto inicial de Oryx, desarrollado en Apache Spark y Apache Kafka como una re-arquitectura de la arquitectura lambda, aunque está dedicado a lograr el aprendizaje automático en tiempo real.

Es una plataforma para el desarrollo de aplicaciones y se entrega con ciertas aplicaciones, así como para fines de filtrado, clasificación, regresión y agrupación en colaboración.

Visite la página principal : http://oryx.io/

8. OpenCyc

OpenCyc es un portal de código abierto para la base de conocimiento general más grande y completa y el motor de razonamiento de sentido común del mundo. Incluye un gran número de términos de Cyc dispuestos en una onología diseñada con precisión para su aplicación en áreas tales como:

  1. Rich domain modeling
  2. Domain-specific expert systems
  3. Text understanding
  4. Semantic data integration as well as AI games plus many more.

Visite la página principal : http://www.cyc.com/platform/opencyc/

9. Apache SystemML

SystemML es una plataforma de inteligencia artificial de código abierto para el aprendizaje automático, ideal para big data. Sus características principales son: se ejecuta en sintaxis tipo R y Python, se centra en big data y está diseñado específicamente para matemáticas de alto nivel. La forma en que funciona está bien explicada en la página de inicio, incluida una demostración en video para una ilustración clara.

Hay varias formas de usarlo, incluyendo Apache Spark, Apache Hadoop, Jupyter y Apache Zeppelin. Algunos de sus casos de uso notables incluyen automóviles, tráfico aeroportuario y banca social.

Visite la página principal : http://systemml.apache.org/

10. NuPIC

NuPIC es un marco de código abierto para el aprendizaje automático que se basa en Heirarchical Temporary Memory (HTM), una teoría de neocortex. El programa HTM integrado en NuPIC se implementa para analizar datos de transmisión en tiempo real, donde aprende los patrones de tiempo existentes en los datos, predice los valores inminentes y revela cualquier irregularidad.

Sus características notables incluyen:

  1. Continuous online learning
  2. Temporal and spatial patterns
  3. Real-time streaming data
  4. Prediction and modeling
  5. Powerful anomaly detection
  6. Hierarchical temporal memory

Visite la página principal : http://numenta.org/

Con el aumento y el avance de la investigación en AI , estamos obligados a presenciar el surgimiento de más herramientas para ayudar a que esta área de la tecnología sea un éxito, especialmente para resolver los desafíos científicos diarios y los propósitos educativos.

¿Te interesa la IA, cuál es tu opinión? Envíenos sus opiniones, sugerencias o cualquier comentario productivo sobre el tema a través de la sección de comentarios a continuación y estaremos encantados de saber más de su.