H2O.ai demokratiserar djupinlÀrning för företag av alla storlekar med Hydrogen Torch

H2O.ai demokratiserar djupinlÀrning för företag av alla storlekar med Hydrogen Torch


Applikationsutveckling som innehĂ„ller avancerade teknologier som AI och ML fortsĂ€tter att utvecklas – den hĂ€r gĂ„ngen genom att integrera olika implementeringsresultat i en plattform utan kod för allmĂ€nt bruk. PĂ„ sĂ„ sĂ€tt kan branschanvĂ€ndare helt enkelt klicka frĂ„n att analysera dataposter till bearbetning av naturligt sprĂ„k och sedan till bild- och videoutgĂ„ngar.

Denna typ av mÄngsidighet för icke-IT-anstÀllda har inte funnits pÄ marknaden, eftersom sÄ mÄnga mjukvarutillverkare kan fokusera pÄ endast en av dessa utgÄngar Ät gÄngen. Marknadsledare som DataRobot, Amazon Web Services, Microsoft, DataBricks och SAS tillhandahÄller inte denna exakta funktionalitet. H2O.ai har dock bestÀmt sig för att lösa detta.

Mountain View, Kalifornien-baserade H2O.ai presenterade idag ett viktigt nytt tillÀgg till sin open source-baserade plattform: H2O Hydrogen Torch. Den hÀr funktionen Àr en djupinlÀrningsmotor som den hÀvdar gör det lÀttare för företag av alla storlekar i alla branscher att göra toppmoderna bild-, video- och NLP-modeller (natural language processing) utan kodning. Dessa modeller kan anvÀndas i produktionen för att upptÀcka nya affÀrsinsikter om kunder, konkurrenter, marknaden och andra intresseomrÄden.

Fram till nu har skapande av djupinlÀrningsmodeller krÀvt omfattande kunskap och tid för att koda och stÀlla in korrekta modeller. Dessa investeringar kan bli dyra eftersom datavetare Àr bland de högst betalda specialisterna i IT-vÀrlden. H2O Hydrogen Torch har utvecklats av vÀrldens bÀsta dataforskare, Kaggle Grandmasters, och de utmanande delarna av att skapa djupinlÀrningsmodeller i vÀrldsklass hanteras automatiskt av produkten, sa VD och medgrundare Sri Ambati till VentureBeat.

Genom ett enkelt, kodfritt anvÀndargrÀnssnitt, sa Ambati, kan kunniga LOB-anstÀllda, datavetare och utvecklare snabbt göra modeller för mÄnga anvÀndningsfall för bild-, video- och NLP-bearbetning, inklusive att identifiera eller klassificera objekt i bilder och video och analysera sentiment eller hitta relevant information i texter.

VideoanvĂ€ndningsfall, till exempel, skulle inkludera övervakning av gĂ„ngtrafik i offentliga byggnader, gallerior och butiker, notera frekvensen av besökare och var de rör sig frĂ„n plats till plats. ÅterförsĂ€ljare kan anvĂ€nda plattformen för att se vilka försĂ€ljningsdisplayer som drar till sig mest uppmĂ€rksamhet. All data sammanstĂ€lls omedelbart och görs tillgĂ€nglig för frĂ„gor i analysmotorn H2O.ai, sa Ambati.

“Det finns sĂ„ mycket ostrukturerad data dĂ€r ute och specifikt inom omrĂ„det bilder och text i företag,” sa Ambati. “Det finns mycket outnyttjad potential. MĂ„let Ă€r verkligen att tillĂ„ta och göra det möjligt för anvĂ€ndare att verkligen bygga toppmoderna modeller för olika typer av anvĂ€ndningsfall. I grund och botten, i Hydrogen Torch, ger vi dem verkligen dessa möjligheter att hantera olika typer av anvĂ€ndningsfall.”

Enligt flera analytikeruppskattningar Àr 80 % till 90 % av data ostrukturerad information, men ÀndÄ kan bara en liten andel av organisationer hÀmta vÀrde frÄn ostrukturerad data, sa Ambati.

Modeller för djupinlÀrning ger möjligheten att lÄsa upp möjligheter att förvandla industrier inklusive hÀlsovÄrd med datorstödd sjukdomsdetektering eller diagnos genom analys av medicinska bilder; försÀkring med automatisering av skadeansprÄk och skadeanalys frÄn rapporter och bilder; och tillverkning genom att anvÀnda prediktivt underhÄll genom att analysera bilder, video och andra sensordata, sa Ambati.

Bild- och videobehandling

För bilder och videor kan Hydrogen Torch trĂ€nas för klassificering, regression, objektdetektering, semantisk segmentering och metrisk inlĂ€rning, sa Ambati. I en medicinsk miljö, till exempel, kan Hydrogen Torch analysera medicinska röntgenbilder för avvikelser med en “mĂ€nniska i slingan” för att fatta det slutliga beslutet. Andra bildbaserade anvĂ€ndningsfall inkluderar objektdetektering i en tillverkningsanlĂ€ggning för att avgöra om en del saknas eller metrisk inlĂ€rning som varnar en onlineĂ„terförsĂ€ljare att duplicera bilder pĂ„ en webbplats, sa Ambati.

Naturlig sprÄkbehandling

För textbaserade eller NLP-anvÀndningsfall kan Hydrogen Torch trÀnas för textklassificering och regression, tokenklassificering, spanförutsÀgelse, sekvens-till-sekvens-analys och metrisk inlÀrning. NLP-anvÀndningsfall strÀcker sig frÄn att förutsÀga kundnöjdhet frÄn transkriberade telefonsamtal till sekvens-till-sekvensanalys för att sammanfatta en stor del av texten, som medicinska utskrifter.

Dessa modeller kan sedan paketeras automatiskt för distribution till externa Python-miljöer eller i ett förbrukningsformat direkt till H2O MLops för produktion, sa Ambati.

H2O.ai:s plattform, som för nÀrvarande erbjuder en gratis provperiod, anvÀnds av mer Àn 20 000 globala organisationer, sa Ambati, inklusive AT&T, Allergan, CapitalOne, Commonwealth Bank of Australia, GlaxoSmithKline, Hitachi, Kaiser Permanente, Procter & Gamble, PayPal, PwC , Unilever, Walgreens.

VentureBeats uppdrag ska vara ett digitalt stadstorg för tekniska beslutsfattare att fÄ kunskap om transformativ företagsteknologi och handla. LÀs mer om medlemskap.