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

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

En esta publicación, cubriremos algunas de las mejores herramientas de inteligencia artificial de código abierto ( AI. para el ecosistema Linux. Actualmente, AI. es uno de los campos en constante avance en ciencia y tecnología, con un enfoque principal orientado a la creación de software y hardware para resolver los desafíos de la vida cotidiana en áreas como la atención médica, la educación, la seguridad y la fabricación., banca y mucho más.

Lectura sugerida: 20 softwares gratuitos de código abierto que encontré en el año 2015

A continuación se muestra una lista de una serie de plataformas diseñadas y desarrolladas para admitir IA, que puede utilizar en Linux y posiblemente en muchos otros sistemas operativos. Recuerde que esta lista no está organizada en ningún orden de interés específico.

1. Aprendizaje profundo para Java (Deeplearning4j)

Deeplearning4j. es una biblioteca de aprendizaje profundo distribuida, plug and play, de código abierto y comercial para lenguajes de programación Java y Scala. Está diseñado específicamente para aplicaciones relacionadas con negocios e integrado con Hadoop. y Spark. en la parte superior de CPU y GPU distribuidas.

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

 Deeplearning4j-Aprendizaje profundo para Java Deeplearning4j-Aprendizaje profundo para Java Deeplearning4j-Deep Learning para Java

Visite la página de inicio. http://deeplearning4j.org/

2. Caffe-Marco de aprendizaje profundo

freestar.config.enabled_slots.push

Caffe. es un aprendizaje profundo modular y expresivo marco basado en la velocidad. Se lanza bajo la licencia BSD de 2 cláusulas y ya está respaldando varios proyectos comunitarios en áreas como investigación, prototipos de startups, aplicaciones industriales en campos como visión, habla y multimedia.

 Caffe-Marco de aprendizaje profundo  Caffe-Marco de aprendizaje profundo Caffe-Marco de aprendizaje profundo

Visite la página de inicio. 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, además de la variedad de algoritmos equipados en el marco. Es compatible con aplicaciones más inteligentes como aprendizaje profundo, aumento de gradientes, bosques aleatorios, modelado lineal generalizado (es decir, regresión logística, Elastic Net) y muchas más.

Es una herramienta de inteligencia artificial orientada a las empresas para la toma de decisiones a partir de datos., permite a los usuarios extraer conocimientos de sus datos mediante un modelo predictivo mejor y más rápido.

H2O-Marco de aprendizaje automático distribuido H2O-Marco de aprendizaje automático distribuido H2O-Marco de aprendizaje automático distribuido

Visite la página de inicio : 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 se puede ejecutar en clústeres y datos de Hadoop existentes.

Lectura sugerida: Los 12 mejores editores de texto de código abierto (GUI + CLI) que encontré en 2015

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

 MLlib-Biblioteca de aprendizaje automático  MLlib-Biblioteca de aprendizaje automático MLlib-Biblioteca de aprendizaje automático

Visite la página de inicio. 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 que se enumeran a continuación:

  1. Proporciona lugar de trabajo de programación simple y extensible
  2. Ofrece una variedad de algoritmos preempaquetados para Scala + Apache Spark, H20 y Apache Flink
  3. Incluye Samaras, un lugar de trabajo de experimentación matemática vectorial con sintaxis similar a R

 Apache Mahout  Apache Mahout Apache Mahout

Visite la página de inicio. http://mahout.apache.org/

6. Biblioteca de redes neuronales abiertas (OpenNN)

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

 OpenNN-Biblioteca de redes neuronales abierta  OpenNN-Biblioteca abierta de redes neuronales OpenNN: biblioteca abierta de redes neuronales

Visite la página de inicio. http://www.opennn.net/

7. Oryx 2

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

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

 Oryx2-Rediseño de la arquitectura Lambda  Oryx2-Rediseño de Lambda Arquitectura Oryx2: rediseño de la arquitectura Lambda

Visite la página de inicio. http://oryx.io/

8. OpenCyc

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

  1. Modelado de dominios enriquecidos
  2. Sistemas expertos de dominios específicos
  3. Comprensión de texto
  4. Integración de datos semánticos, así como juegos de IA más muchos más.

OpenCyc  OpenCyc OpenCyc

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

9. Apache SystemML

SystemML. es una plataforma de inteligencia artificial de código abierto para aprendizaje automático ideal para big data. Sus características principales son: se ejecuta en una sintaxis similar a R y Python, se centra en big data y está diseñada específicamente para matemáticas de alto nivel. Su funcionamiento está bien explicado en la página de inicio, incluido un video de demostración para una ilustración clara.

Lectura sugerida: 18 mejores IDE para programación C/C ++ o editores de código fuente en Linux

Hay varias formas de utilícelo, incluidos Apache Spark, Apache Hadoop, Jupyter y Apache Zeppelin. Algunos de sus casos de uso notables incluyen automoción, tráfico de aeropuertos y banca social.

 Apache SystemML-Plataforma de aprendizaje automático Apache SystemML-Plataforma de aprendizaje automático Apache SystemML-Plataforma de aprendizaje automático

Visite la página de inicio. http://systemml.apache.org/

10. NuPIC

NuPIC. es un marco de código abierto para el aprendizaje automático que se basa en la memoria temporal jerárquica (HTM), una teoría del neocórtex. El programa HTM integrado en NuPIC se implementa para analizar datos de transmisión en tiempo real, donde aprende patrones basados ​​en el tiempo existentes en los datos, predice los valores inminentes y revela cualquier irregularidad.

Sus características notables incluyen:

  1. Aprendizaje en línea continuo
  2. Patrones temporales y espaciales
  3. Transmisión de datos en tiempo real
  4. Predicción y modelado
  5. Potente detección de anomalías
  6. Memoria temporal jerárquica

 NuPIC Machine Intelligence  NuPIC Machine Intelligence NuPIC Machine Intelligence

Visite la página de inicio. http://numenta.org/

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

¿Está interesado en la IA, qué opina? Ofrézcanos sus pensamientos, 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.

Leave a comment

Your email address will not be published. Required fields are marked *