我的编程空间,编程开发者的网络收藏夹
学习永远不晚
位置:首页-资讯-运维

人工智能低代码机器学习工具

短信预约 -IT技能 免费直播动态提醒
省份

北京

  • 北京
  • 上海
  • 天津
  • 重庆
  • 河北
  • 山东
  • 辽宁
  • 黑龙江
  • 吉林
  • 甘肃
  • 青海
  • 河南
  • 江苏
  • 湖北
  • 湖南
  • 江西
  • 浙江
  • 广东
  • 云南
  • 福建
  • 海南
  • 山西
  • 四川
  • 陕西
  • 贵州
  • 安徽
  • 广西
  • 内蒙
  • 西藏
  • 新疆
  • 宁夏
  • 兵团
手机号立即预约

请填写图片验证码后获取短信验证码

看不清楚,换张图片

免费获取短信验证码

人工智能低代码机器学习工具

低代码机器学习工具。中国人工智能发展迅猛,中国政府也高度重视人工智能领域的发展。预计到2020年,中国人工智能产业规模将超过1500亿元,带动相关产业规模超过1万亿元。2017年全球新兴人工智能项目中,中国占据51%,数量上已经超越美国。但全球人工智能人才储备,中国却只有5%左右,人工智能的人才缺口超过500万。

通常,要开发机器学习模型并将该模型部署到可以在操作上使用的状态,需要对编程有深入的了解,并且需要充分了解其背后的算法。

机器学习有潜力帮助解决企业和整个世界范围内的各种问题。通常,要开发机器学习模型并将该模型部署到可以在操作上使用的状态,需要对编程有深入的了解,并且需要充分了解其背后的算法。

人工智能低代码机器学习工具_人工智能视频_计算机视频_计算机课程视频_编程学习网

这将机器学习的使用限制在一小部分人中,因此也限制了可以解决的问题数量。

幸运的是,在过去的几年中,涌现了许多库和工具,这些库和工具减少了模型开发所需的代码量,或者在某些情况下完全消除了代码开发。 这为非数据科学家(如分析师)发挥了利用机器学习功能的潜力,并允许数据科学家更快地对模型进行原型制作。

这是一些我最喜欢的用于机器学习的低代码工具。

PyCaret

PyCaret是Python的包装器,用于流行的机器学习库,例如Scikit-learn和XGBoost。 它使仅需几行代码就能将模型开发为可部署状态。

可以通过pip安装Pycaret。 有关更详细的安装说明,请参阅PyCaret文档。

  1. pip install pycaret 

PyCaret具有公共数据集的存储库,可以使用pycaret.datasets模块直接安装。 完整列表可在此处找到,但出于本教程的目的,我们将使用一个非常简单的数据集来解决称为"葡萄酒"数据集的分类任务。

PyCaret库包含一组模块,用于解决所有常见的机器学习问题,其中包括:

  • 分类。
  •  回归。
  • 聚类。
  • 自然语言处理。
  • 关联规则挖掘。
  • 异常检测。

要创建分类模型,我们需要使用pycaret.classification模块。 创建模型非常简单。 我们只需调用将Model ID作为参数的create_model()函数即可。 您可以在此处找到支持的型号及其对应ID的完整列表。 或者,您可以在导入适当的模块后运行以下代码以查看可用模型的列表。

  1. from pycaret.classification import * 
  2.  
  3. models() 

 > A snapshot of models available for classification. Image by Author.

在调用create_model()之前,您首先需要调用setup()函数来为您的机器学习实验指定适当的参数。 在这里,您可以指定诸如测试序列拆分的大小以及是否在实验中实施交叉验证之类的内容。

  1. from pycaret.classification import *  
  2. rf = setup(datadata = data,  
  3. target = 'type',  
  4. train_size=0.8)  
  5. rf_model = create_model('rf') 

create_model()函数将自动推断数据类型并使用默认方法处理这些数据类型。 运行create_model()时,您将收到以下输出,其中显示了推断的数据类型。

> Image by Author.

PyCaret将使用一组默认的预处理技术来处理诸如分类变量和估算缺失值之类的事情。 但是,如果您需要更定制的数据解决方案,则可以在模型设置中将它们指定为参数。 在下面的示例中,我更改了numeric_imputation参数以使用中位数。

  1. from pycaret.classification import * 
  2. rf = setup(datadata = data, 
  3. target = 'type'
  4. numeric_imputation='median'
  5. rf_model = create_model('rf') 

对参数满意后,请按Enter键,模型将最终确定并显示性能结果网格。

> Image by Author.

PyCaret还具有plot_model()函数,该函数显示模型性能的图形表示。

  1. plot_model(rf_model) 

> Image by Author.

本教程刚刚展示了使用PyCaret库进行模型训练的基础。 还有更多功能和模块可提供完整的低码机器学习解决方案,包括功能工程,模型调整,持久性和部署。

BigQuery ML

Google在2018年发布了一个名为BigQuery ML的新工具。 BigQuery是Google的云数据仓库解决方案,旨在为数据分析师和科学家提供快速访问大量数据的途径。 BigQuery ML是一种工具,可让仅使用SQL从BigQuery数据仓库直接开发机器学习模型。

自从发布以来,BigQueryML已经发展到可以支持大多数常见的机器学习任务,包括分类,回归和聚类。 您甚至可以导入自己的Tensforflow模型以在工具中使用。

根据我自己的经验,BigQueryML是用于加速模型原型制作的极其有用的工具,并且还可以用作基于生产的系统来解决简单的问题。

为了简要介绍该工具,我将使用称为成人收入数据集的数据集来说明如何在BigQueryML中建立和评估逻辑回归分类模型。

该数据集可以在UCI机器学习存储库中找到,我正在使用以下Python代码以CSV文件的形式下载。

  1. url_data = 'https://archive.ics.uci.edu/ml/machine-learning-databases/adult/adult.data' 
  2.  
  3. column_names = ['age', 'workclass', 'fnlwgt', 'education', 'educational-num','marital-status', 
  4.  
  5. 'occupation', 'relationship', 'race', 'gender','capital-gain', 'capital-loss', 
  6.  
  7. 'hours-per-week', 'native-country','income'] 
  8.  
  9. adults_data = pd.read_csv(url_data, names=column_names
  10.  
  11. adults_data.to_csv('adults_data.csv') 

这是一个脚本,用于下载数据并导出为CSV文件。

如果您还没有Google Cloud Platform(GCP)帐户,则可以在此处创建一个。 最初注册时,您将获得$ 300的免费信用额度,足以试用以下示例。

进入GCP后,从下拉菜单导航至BigQuery网络用户界面。 如果您是第一次使用GCP,则需要创建一个项目并使用BigQuery进行设置。 Google快速入门指南在此处提供了很好的概述。

我先前下载的CSV文件可以直接上传到GCP中以创建表格。

> Image by Author.

您可以通过单击边栏中的表名称并选择预览来检查表中的数据。 现在,成人的数据就是BigQuery中的数据。

> Image by Author.

要针对这些数据训练模型,我们只需编写一个SQL查询,该查询从表中选择所有内容(*),将目标变量(收入)重命名为label,并添加逻辑以创建名为" adults_log_reg"的逻辑回归模型。

有关所有模型选项,请参见此处的文档。

  1. CREATE MODEL `mydata.adults_log_reg` 
  2. OPTIONS(model_type='logistic_reg') AS 
  3. SELECT *, 
  4. ad.income AS label 
  5. FROM 
  6. `mydata.adults_data` ad 

如果我们单击现在将出现在数据表旁边的侧栏中的模型,则可以看到对训练效果的评估。

> Image by Author.

现在我们可以使用模型使用ML.PREDICT函数进行预测。

Fastai

众所周知,诸如Tensorflow之类的流行深度学习框架具有陡峭的学习曲线,对于初学者或非数据科学家而言,可能很难起步并运行它。 fastai库提供了一个高级API,使您可以用几行简单的代码来训练神经网络。

Fastai与Pytorch一起使用,因此您需要先安装这两个库,然后才能使用它。

  1. pip install pytorch 
  2. pip install fastai 

fastai库具有用于处理结构化数据和非结构化数据(例如文本或图像)的模块。 在本教程中,我们将使用fastai.tabular.all模块来解决我们之前使用的葡萄酒数据集的分类任务。

类似于PyCaret,fastai将通过嵌入层对非数字数据类型执行预处理。 为了准备数据,我们使用TabularDataLoaders帮助器函数。 在这里,我们具体说明了数据框的名称,列的数据类型以及我们要模型执行的预处理步骤。

要训练神经网络,我们只需使用tabular_learner()函数,如下所示。

  1. dl = TabularDataLoaders.from_df(data, y_names="type"
  2. cat_names = ['quality'], 
  3. cont_names = ['fixed acidity', 'volatile acidity', 
  4. 'citric acid', 'residual sugar', 
  5. 'chlorides', 'free sulfur dioxide', 
  6. 'total sulfur dioxide', 'density', 
  7. 'pH', 'sulphates', 'alcohol'], 
  8. procs = [Categorify, FillMissing, Normalize]) 

运行此代码后,将显示性能指标。

> Image by Author.

要使用模型进行预测,您可以简单地使用learning.predict(df.iloc [0])。

以培养掌握人工智能理论与工程技术的专门人才为目标,学习机器学习的理论和方法、深度学习框架、工具与实践平台、自然语言处理技术、语音处理与识别技术、视觉智能处理技术、国际人工智能专业领域最前沿的理论方法,培养人工智能专业技能和素养,构建解决科研和实际工程问题的专业思维、专业方法和专业嗅觉。

免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

人工智能低代码机器学习工具

下载Word文档到电脑,方便收藏和打印~

下载Word文档

猜你喜欢

人工智能低代码机器学习工具

编程学习网:通常,要开发机器学习模型并将该模型部署到可以在操作上使用的状态,需要对编程有深入的了解,并且需要充分了解其背后的算法。
人工智能低代码机器学习工具
2024-04-23

低代码机器学习工具

通常,要开发机器学习模型并将该模型部署到可以在操作上使用的状态,需要对编程有深入的了解,并且需要充分了解其背后的算法。

人工智能机器学习算法

编程学习网:根据一项调查,采用基于AI的解决方案的防欺诈专家中有80%认为AI对打击欺诈者有效。但是,仍然存在的问题是弄清楚哪种机器学习算法可以有效地检测未知的欺诈模式。监督学习和无监督学习算法哪一个更有效?
人工智能机器学习算法
2024-04-23

人工智能、机器学习与深度学习

为了更好的和大家一起学习共进,想着自己百度瞎写一些自己对于人工智能、机器学习与深度学习的认识,能够分享给大家,在今后的协同中都能够事半功倍,拙劣之文,希望大家多多指教。
人工智能2024-12-03

PHP学习笔记:人工智能与机器学习

人工智能(Artificial Intelligence,简称AI)和机器学习(Machine Learning)是如今计算机科学领域最热门的话题之一。随着大数据的快速发展和计算能力的提高,人工智能和机器学习的应用范围日益广泛,并逐渐渗透到
2023-10-21

现代机器学习工具

数据科学的发展日新月异,机器学习的角色正从数据科学的混合角色过渡到更多的工程或面向分析的角色,通常称为A型和B型数据科学家。

解锁人工智能、机器学习和深度学习

深度学习是机器学习的子集,而机器学习又是人工智能的子集,但是这些名称的起源来自一个有趣的历史。此外,还有一些引人入胜的技术特征,可将深度学习与其他类型的机器学习区分开来……对于技能水平较高的ML、DL或AI的任何人来说,这都是必不可少的工作

人工智能、机器学习和自动化

编程学习网:网络安全技能短缺仍然困扰着跨地区、跨市场、跨部门的组织,政府部门也不例外。根据调查,全球需要足够的网络安全专业人员来填补目前60%的空缺,这意味着劳动力需要增长145%才能满足当前的需求。
人工智能、机器学习和自动化
2024-04-23

人工智能,机器学习,深度学习与数据科学

如果您刚开始接触人工智能或数据科学,那么很有可能一遍又一遍地碰到这四个术语。在本文中,您将发现它们的基本含义,并了解它们之间的区别。

为什么机器学习胜过人工智能?

人工智能、数据科学和机器学习都属于同一个领域。问题是,在这种情况下,它们中的哪一个能达到正确的目的。

应用在客户服务团队的人工智能和机器学习工具

人工智能驱动的客户服务解决方案改善了业务的各个方面。它有助于提供出色的客户体验,并保持忠诚度、品牌声誉、预防性帮助等等。而且这种发展将在未来增加。

人工智能、机器学习、深度学习,到底是个啥?

说到人工智能,大家的第一反应可能是科幻电影里那些拥有人类智慧的机器人,但实际上,人工智能可不仅仅是机器人哦。人工智能是由约翰·麦卡锡(John McCarthy)于1956年提出来的,当时的定义是“制造智能机器的科学与工程”。

人工智能、深度学习、机器学习概念和区别

人工智能的浪潮正在席卷全球,人工智能(Artificial Intelligence)、机器学习(Machine Learning)、深度学习(Deep Learning)这些词汇经常出现,业内人士对于这些词汇概念也想必熟悉,然而对于大多数

机器学习和人工智能数据预处理和建模的工具Slik-wrangler

在本文中将展示Slik-wrangler的一些基本用法。在介绍一些概念的同时,还会演示一些有用的函数,这些函数有助于数据清理和整理。

AI vs ML:人工智能和机器学习概述

机器可以复制甚至超越人类思维的想法成为先进计算框架的灵感来源——现在,无数企业正在进行巨额投资。这一概念的核心是人工智能(AI)和机器学习(ML)。

基于规则的人工智能vs机器学习

基于规则的人工智能是一种基于一组预定规则的AI系统。这些规则是由人类创建的,并定义了系统在不同情况下将采取的行动。

人工智能和机器学习的质量保证

人工智能和机器学校(ML)的质量检查正在快速发展。了解它为什么重要以及数据质量与机器学习(Machine Learning,以下简称ML)模型的准确性以及AI计划的成功有何关系。

人工智能、机器学习、RPA行业的预期

IT行业媒体eWEEK每年都会分享IT思想领袖对未来一年IT行业的预测,其中包括新产品、创新服务、发展趋势等。这些行业专家对2020年的人工智能、机器学习和基于机器人的自动化领域的未来发展进行了预测,并分享自己的见解。

人工智能和机器学习如何改变DevOps

人工智能和机器学习为DevOps带来了新的自动化功能,为此需要对这些技术如何优化组织运营的示例进行了解。
智能2024-12-03

编程热搜

  • 人工智能你要知道的那些事
    编程学习网:早在1g时代我们只能接打电话。2g时代可以打电话发短信,玩早期的qq,但网络十分不稳定。3g时代带给我们很大的改变就是宽带上网,视频通话,看视频,听歌玩游戏。那时的人们认为4g无用,认为不会有什么改变,但当4g出来时我们才发现这是一次质的飞跃。
    人工智能你要知道的那些事
  • 人工智能无人机管制到底有多难?
    编程学习网:近日,一段“重庆网红列车遭无人机撞击逼停”的视频,在网络热传。
    人工智能无人机管制到底有多难?
  • 人工智能与人类
    欢迎各位阅读本篇,人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。本篇文章讲述了人工智能与人类,编程学习网教育平台提醒各位:本篇文章纯干货~因此大家一定要认真阅读本篇文章哦!
    人工智能与人类
  • 两小时 Elasticsearch 性能优化,直接把慢查询干团灭了……
    公共集群的机器负载分布不均衡的问题,业务的查询和流量不可控等各种各样的问题,要节省机器资源就一定会面对这种各种各样的问题,除非土豪式做法,每个业务都拥有自己的机器资源,这里面有很多很多颇具技术挑战的事情。
    两小时 Elasticsearch 性能优化,直接把慢查询干团灭了……
  • 关于OpenStack的架构详细讲解
    欢迎各位阅读本篇文章,OpenStack是一个开源的云计算管理平台项目,由几个主要的组件组合起来完成具体工作。本篇文章讲述了关于OpenStack的架构详细讲解,编程学习网教育平台提醒各位:本篇文章纯干货~因此大家一定要认真阅读本篇文章哦!
    关于OpenStack的架构详细讲解
  • AI &神经网络
    欢迎各位阅读本篇,本篇文章讲述了AI &神经网络,人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。神经网络内容丰富,反映了当前国内外该领域的最新研究成果和动向,编程学习网教育平台提醒各位:本篇文章纯干货~因此大家一定要认真阅读本篇文章哦!
    AI &神经网络
  • 人工智能对于网络安全的优缺点
    编程学习网:如今,产生的数据比以往任何时候都要多。由于数据分析工具的发展,各行各业的组织都更加重视大数据的收集和存储。
    人工智能对于网络安全的优缺点
  • Bash 初学者系列 7:bash 中的条件语句(if else)
    今天我们介绍一下如何在 bash 中使用条件语句。
    Bash 初学者系列 7:bash 中的条件语句(if else)
  • 人工智能机器学习的重要趋势是什么?
    编程学习网:在竞争日益激烈的技术市场中,从高科技初创公司到全球跨国公司都将人工智能视为关键竞争优势。但是,人工智能行业发展如此之快,以至于很难跟踪最新的研究突破和成就,甚至很难应用科学成果来实现业务成果。
    人工智能机器学习的重要趋势是什么?
  • 人工智能为什么会觉得Matplotlib用起来困难?
    编程学习网:Matplotlib是一个流行的Python库,可以很容易地用于创建数据可视化。
    人工智能为什么会觉得Matplotlib用起来困难?

目录