Zana 10 za Juu za Ujasusi Bandia za Open Source kwa Linux

Katika chapisho hili, tutashughulikia chache za juu, zana huria za akili bandia (AI) za mfumo ikolojia wa Linux. Hivi sasa, AI ni mojawapo ya nyanja zinazoendelea katika sayansi na teknolojia, ikiwa na lengo kuu linalolenga kujenga programu na vifaa vya kutatua changamoto za kila siku za maisha katika maeneo kama vile huduma za afya, elimu, usalama, viwanda, benki na mengi zaidi.

Ifuatayo ni orodha ya majukwaa kadhaa yaliyoundwa na kutengenezwa kwa ajili ya kusaidia AI, ambayo unaweza kutumia kwenye Linux na pengine mifumo mingine mingi ya uendeshaji. Kumbuka orodha hii haijapangwa kwa mpangilio wowote maalum wa kupendeza.

1. Kujifunza kwa Kina kwa Java (Deeplearning4j)

Deeplearning4j ni daraja la kibiashara, chanzo-wazi, plug na kucheza, iliyosambazwa maktaba ya kujifunza kwa kina kwa lugha za programu za Java na Scala. Imeundwa mahususi kwa matumizi yanayohusiana na biashara, na kuunganishwa na Hadoop na Spark juu ya CPU na GPU zilizosambazwa.

DL4J inatolewa chini ya leseni ya Apache 2.0 na inatoa usaidizi wa GPU kwa kuongeza alama kwenye AWS na inarekebishwa kwa usanifu wa huduma ndogo.

Tembelea Ukurasa wa Nyumbani: http://deeplearning4j.org/

2. Caffe - Mfumo wa Kujifunza kwa Kina

Caffe ni mfumo wa kawaida na unaoelezea wa kujifunza kwa kina kulingana na kasi. Inatolewa chini ya leseni ya Kifungu cha 2 cha BSD, na tayari inasaidia miradi kadhaa ya jamii katika maeneo kama vile utafiti, mifano ya uanzishaji, matumizi ya viwandani katika nyanja kama vile maono, hotuba na medianuwai.

Tembelea Ukurasa wa Nyumbani: http://caffe.berkeleyvision.org/

3. H20 - Mfumo wa Kujifunza wa Mashine uliosambazwa

H20 ni mfumo wa kujifunza wa mashine huria, wa haraka, unaoweza kusambazwa na unaosambazwa, pamoja na utofauti wa algoriti zilizowekwa kwenye mfumo huo. Inaauni utumizi nadhifu kama vile kujifunza kwa kina, kuongeza upinde rangi, misitu isiyo na mpangilio, muundo wa jumla wa laini (yaani urejeshaji wa vifaa, Elastic Net) na mengine mengi.

Ni zana ya akili bandia inayolenga biashara kwa ajili ya kufanya maamuzi kutoka kwa data, inawawezesha watumiaji kupata maarifa kutoka kwa data zao kwa kutumia uundaji wa haraka na bora zaidi wa kubashiri.

Tembelea Ukurasa wa Nyumbani: http://www.h2o.ai/

4. MLlib - Maktaba ya Kujifunza ya Mashine

MLlib ni maktaba ya programu huria, rahisi kutumia na yenye utendakazi wa hali ya juu iliyotengenezwa kama sehemu ya Apache Spark. Kimsingi ni rahisi kusambaza na inaweza kufanya kazi kwenye nguzo na data za Hadoop zilizopo.

MLlib pia husafirishwa na mkusanyiko wa algoriti za uainishaji, urekebishaji, pendekezo, nguzo, uchanganuzi wa kuishi na mengi zaidi. Muhimu, inaweza kutumika katika lugha za programu za Python, Java, Scala na R.

Tembelea Ukurasa wa Nyumbani: https://spark.apache.org/mllib/

5. Apache Mahout

Mahout ni mfumo wa chanzo huria ulioundwa kwa ajili ya kujenga programu tumizi za kujifunza za mashine, una vipengele vitatu maarufu vilivyoorodheshwa hapa chini:

  1. Hutoa mahali pa kazi rahisi na kupanuka kwa programu
  2. Inatoa aina mbalimbali za algoriti zilizopakiwa tayari za Scala + Apache Spark, H20 na Apache Flink
  3. Inajumuisha Samaras, mahali pa kazi ya majaribio ya hesabu ya vekta yenye sintaksia kama R

Tembelea Ukurasa wa Nyumbani: http://mahout.apache.org/

6. Fungua Maktaba ya Mitandao ya Neural (OpenNN)

OpenNN pia ni maktaba ya darasa la chanzo-wazi iliyoandikwa katika C++ kwa ujifunzaji wa kina, inatumika kuchochea mitandao ya neva. Walakini, ni bora tu kwa watengenezaji programu wenye uzoefu wa C++ na watu walio na ustadi mkubwa wa kujifunza kwa mashine. Ina sifa ya usanifu wa kina na utendaji wa juu.

Tembelea Ukurasa wa Nyumbani: http://www.opennn.net/

7. Oriksi 2

Oryx 2 ni mwendelezo wa mradi wa awali wa Oryx, umetengenezwa kwenye Apache Spark na Apache Kafka kama usanifu upya wa usanifu wa lambda, ingawa umejitolea kufikia ujifunzaji wa mashine kwa wakati halisi.

Ni jukwaa la ukuzaji wa programu na meli ndani na programu fulani vile vile kwa uchujaji shirikishi, uainishaji, urejeleaji na madhumuni ya nguzo.

Tembelea Ukurasa wa Nyumbani: http://oryx.io/

8. OpenCyc

OpenCyc ni tovuti ya chanzo huria kwa msingi mkubwa na mpana zaidi wa maarifa ya jumla na injini ya kufikiri ya commonsense duniani. Inajumuisha idadi kubwa ya masharti ya Cyc yaliyopangwa katika onolojia iliyoundwa kwa usahihi kwa matumizi katika maeneo kama vile:

  1. Muundo tajiri wa kikoa
  2. Mifumo ya wataalamu mahususi wa kikoa
  3. Uelewa wa maandishi
  4. Muunganisho wa data ya kimantiki pamoja na michezo ya AI pamoja na mingine mingi.

Tembelea Ukurasa wa Nyumbani: http://www.cyc.com/platform/opennic/

9. Apache SystemML

SystemML ni mfumo huria wa kijasusi wa bandia wa kujifunza kwa mashine unaofaa kwa data kubwa. Sifa zake kuu ni - huendesha syntax ya R na Python-kama, inayolenga data kubwa na iliyoundwa mahsusi kwa hesabu ya kiwango cha juu. Jinsi inavyofanya kazi imefafanuliwa vyema kwenye ukurasa wa nyumbani, ikijumuisha onyesho la video kwa kielelezo wazi.

Kuna njia kadhaa za kuitumia ikiwa ni pamoja na Apache Spark, Apache Hadoop, Jupyter na Apache Zeppelin. Baadhi ya matukio yake mashuhuri ya utumiaji ni pamoja na magari, trafiki ya uwanja wa ndege na benki za kijamii.

Tembelea Ukurasa wa Nyumbani: http://systemml.apache.org/

10. NuPIC

NuPIC ni mfumo huria wa kujifunza kwa mashine ambao unatokana na Kumbukumbu ya Muda ya Heirarchical (HTM), nadharia ya neocortex. Mpango wa HTM uliojumuishwa katika NuPIC unatekelezwa kwa ajili ya kuchanganua data ya utiririshaji katika wakati halisi, ambapo hujifunza muundo unaotegemea wakati uliopo katika data, kutabiri thamani zinazokaribia na pia kufichua dosari zozote.

Vipengele vyake vinavyojulikana ni pamoja na:

  1. Kujifunza mtandaoni kwa kuendelea
  2. Mifumo ya muda na anga
  3. Data ya utiririshaji katika wakati halisi
  4. Utabiri na uundaji
  5. Ugunduzi mkubwa wa hitilafu
  6. Kumbukumbu ya muda ya uongozi

Tembelea Ukurasa wa Nyumbani: http://numenta.org/

Kwa kuongezeka na kuendeleza utafiti katika AI, tutalazimika kushuhudia zana zaidi zikichipuka ili kusaidia kufanya eneo hili la teknolojia kufanikiwa haswa kwa kutatua changamoto za kila siku za kisayansi pamoja na madhumuni ya kielimu.

Je, unavutiwa na AI, unasemaje? Tupe maoni yako, mapendekezo au maoni yoyote yenye tija kuhusu suala hilo kupitia sehemu ya maoni hapa chini na tutafurahi kujua zaidi kutoka kwako.