¿A cuantas charlas, conferencias, o eventos sobre AI y Machine Learning has ido en los últimos meses? Hoy día ya no hay eventos tecnológicos en los que no se hable sobre AI o ML. La cuestión es que cada día más empresas ven el potencial  y adoptan estas tecnologías.

De la misma forma, nacen nuevas herramientas y softwares relacionados con Machine learning, y muchas de ellas no son tan conocidas como “las de siempre”.

Algunas de estas herramientas son para tus Data Scientists, pero otras son para tus developers. Creo que conocerlas puede ser clave para tu posicionamiento. Además, es una buena forma de darles a tus desarrolladores nuevas habilidades necesarias ahora, y el en el futuro.

Antes de seguir te recomiendo leer los siguientes artículos:

Ahora que ya sabes un poco más sobre AI y Machine Learning, ¡conozcamos estas herramientas!

H2O

H2O es una plataforma Open Source de machine learning para empresas y desarrolladores. Está desarrollada en Python y R, y puedes usarla para analizar conjunto de datos en la nube, y sistemas de ficheros de Apache Hadoop.

Asimismo, el AutoML de H2O puede ser usado para automatizar el workflow de machine learning, que incluye entrenamiento y ajuste automático de varios modelos dentro de un tiempo especificado por el usuario. Lo puedes usar para realizar análisis avanzado, detección de fraude, o publicidad digital.

PredictionIO®

PredictionIO de Apache es un servidor Open Source de machine learning desarrollado con código abierto para desarrolladores y data scientists. Permite crear motores predictivos para cualquier tarea de machine learning. Entre otras características, y gracias a sus tres componentes principales - PredictionIO platform, Event Server y Template Gallery - te permite:

  • Desarrollar y desplegar de forma rápida un motor como servicio web en producción
  • Unificar datos de diferentes plataformas en batch, o en tiempo real para análisis predictivo integral
  • Implementar tus propios modelos de machine learning e incorporarlos en tu motor
  • Simplificar la gestión de la infraestructura de datos

Protégé

Protégé es una plataforma Open Source y gratis que te proporciona un conjunto de herramientas para construir modelos de dominio y aplicaciones basadas en el conocimiento con ontologías.

Pensado para expertos y principiantes, su versión web (WebProtégé) y su versión Desktop (Protégé Desktop) se caracterizan por:

  • Cumplir con las normas W3C
  • Tener una Interfaz de usuario simple y personalizable
  • Estar optimizado para la colaboración
  • Proporcionar una arquitectura altamente conectable
  • Ser compatibles entre las dos (WebProtégé - Protégé Desktop)

Protégé permite que tus desarrolladores creen, suban, cambien y compartan aplicaciones.

OpenNN

OpenNN es una biblioteca gratis de programación para C++ y Python que permite implementar redes neuronales para análisis avanzado. Lo puedes utilizar para aplicaciones del sector de la energía, marketing, o sanidad.

Gracias a sus algoritmos sofisticados, con OpenNN puedes beneficiarte de las siguientes soluciones de machine learning:

  • Regresión
  • Clasificación
  • Previsión
  • Asociación

La biblioteca cuenta con más de 50000 usuarios y organizaciones como Airbus, Philips o Seat. En su sitio web dispones de documentación y tutoriales para iniciación en redes neuronales, pero es un herramienta para tus desarrolladores con más experiencia en inteligencia artificial.

Además, OpenNN tiene una herramienta para análisis avanzado, “Neural Designer”, que pretende simplificar e interpretar la entrada de datos creando contenido visual como gráficos y tablas.

Apache Spark MLlib

MLlib es una biblioteca escalable de machine learning para Apache Spark. MLlib es un framework de procesamiento de datos en memoria que cuenta con una gran base de datos de algoritmos que se centran en la clasificación, regresión, clustering y el filtrado colaborativo.

MLlib se caracteriza también por:

  • Facilidad de uso en Java, Scala, Python o R
  • Rendimiento. Alta calidad de algoritmos, 100 veces más rápido que MapReduce
  • Ejecutarse en cualquier sitio. Spark se ejecuta en Hadoop, Apache Mesos, Kubernetes, de forma independiente, o en la nube.

Conclusión

Estas son solamente algunas de las herramientas existentes en el mercado que quizás no sean tan conocidas como las herramientas de Amazon Web Services, las de Google Cloud, IBM, Microsoft, etc...

Pero, gracias a las organizaciones que ya las utilizan, y a sus comunidades activas, creo que vale la pena tenerlas en tu caja de herramientas.  Te recomiendo también que valores utilizarlas en algún proyecto de Inteligencia Artificial y Machine Learning de tu organización.

¿Qué herramientas de Machine Learning e Inteligencia Artificial utilizan tus desarrolladores? ¿Qué tal los resultados?


Fotografía:  Lucas Fonseca en Pexels

Fuente:

Compartir es construir