10 Alat Kecerdasan Buatan Top Open Source untuk Linux

Dalam posting ini, kami akan membahas beberapa kecerdasan buatan atas, sumber terbuka (Ai) Alat untuk ekosistem Linux. Saat ini, Ai adalah salah satu bidang yang terus maju dalam sains dan teknologi, dengan fokus utama yang ditujukan untuk membangun perangkat lunak dan perangkat keras untuk menyelesaikan setiap hari tantangan kehidupan di bidang -bidang seperti perawatan kesehatan, pendidikan, keamanan, manufaktur, perbankan dan banyak lagi.

Disarankan Baca: 20 Softwares Open Source GRATIS yang saya temukan di tahun 2015

Di bawah ini adalah daftar sejumlah platform yang dirancang dan dikembangkan untuk mendukung AI, yang dapat Anda gunakan di Linux dan mungkin banyak sistem operasi lainnya. Ingat daftar ini tidak diatur dalam urutan minat tertentu.

1. Pembelajaran mendalam untuk Java (DEEPEEDEARNING4J)

DEEPEEDEARNING4J adalah nilai komersial, open-source, plug and play, perpustakaan pembelajaran dalam yang didistribusikan untuk bahasa pemrograman Java dan Scala. Ini dirancang khusus untuk aplikasi terkait bisnis, dan terintegrasi dengan Hadoop Dan Percikan Di atas CPU dan GPU terdistribusi.

DL4J dirilis di bawah Apache 2.0 lisensi dan memberikan dukungan GPU untuk penskalaan pada AWS dan diadaptasi untuk arsitektur layanan mikro.

DEEPEEDEARNING4J - Pembelajaran mendalam untuk Java

Kunjungi beranda: http: // deeplearning4j.org/

2. Caffe - Kerangka belajar yang mendalam

Caffe adalah kerangka pembelajaran mendalam yang modular dan ekspresif berdasarkan kecepatan. Ini dirilis di bawah lisensi BSD 2-Clause, dan sudah mendukung beberapa proyek komunitas di bidang-bidang seperti penelitian, prototipe startup, aplikasi industri di bidang seperti visi, pidato dan multimedia.

Caffe - Kerangka belajar yang mendalam

Kunjungi beranda: http: // caffe.Berkeleyvision.org/

3. H20 - Kerangka Pembelajaran Mesin Terdistribusi

H20 adalah kerangka pembelajaran mesin open-source, cepat, terukur dan terdistribusi, ditambah bermacam-macam algoritma yang dilengkapi dengan kerangka kerja. Ini mendukung aplikasi yang lebih cerdas seperti pembelajaran mendalam, peningkatan gradien, hutan acak, pemodelan linier umum (i.regresi logistik e, jaring elastis) dan banyak lagi.

Ini adalah alat kecerdasan buatan yang berorientasi bisnis untuk pengambilan keputusan dari data, ini memungkinkan pengguna untuk menarik wawasan dari data mereka menggunakan pemodelan prediktif yang lebih cepat dan lebih baik.

H2O - Kerangka Pembelajaran Mesin Terdistribusi

Kunjungi beranda: http: // www.h2o.AI/

4. Mllib - Perpustakaan Pembelajaran Mesin

Mllib adalah perpustakaan pembelajaran mesin open-source, mudah digunakan, dan berkinerja tinggi yang dikembangkan sebagai bagian dari Apache Spark. Pada dasarnya mudah digunakan dan dapat berjalan pada kelompok dan data Hadoop yang ada.

Disarankan Baca: 12 Editor Teks Sumber Terbaik Terbaik (GUI + CLI) Saya menemukan pada tahun 2015

Mllib juga mengirim dengan koleksi algoritma untuk klasifikasi, regresi, rekomendasi, pengelompokan, analisis kelangsungan hidup dan banyak lagi. Yang penting, dapat digunakan dalam bahasa Python, Java, Scala dan R Programming.

Mllib - Perpustakaan Pembelajaran Mesin

Kunjungi beranda: https: // spark.Apache.org/mllib/

5. Apache Mahout

Sais gajah adalah kerangka kerja open-source yang dirancang untuk membangun aplikasi pembelajaran mesin yang dapat diskalakan, ia memiliki tiga fitur terkemuka yang tercantum di bawah ini:

1. Menyediakan tempat kerja pemrograman yang sederhana dan diperluas
2. Menawarkan berbagai algoritma yang dikemas untuk Scala + Apache Spark, H20 serta Apache Flink
3. Termasuk Samaras, tempat kerja eksperimen matematika vektor dengan sintaks R-like

Apache Mahout

Kunjungi beranda: http: // mahout.Apache.org/

6. Buka Perpustakaan Jaringan Saraf (OpenNN)

Opennn juga merupakan perpustakaan kelas open-source yang ditulis dalam C ++ untuk pembelajaran yang mendalam, digunakan untuk menghasut jaringan saraf. Namun, ini hanya optimal untuk pemrogram C ++ yang berpengalaman dan orang -orang dengan keterampilan belajar mesin yang luar biasa. Itu ditandai dari arsitektur yang mendalam dan kinerja tinggi.

OpenNN - Perpustakaan Neural Networks Open

Kunjungi beranda: http: // www.Opennn.bersih/

7. Oryx 2

Oryx 2 adalah kelanjutan dari proyek oryx awal, ini dikembangkan di Apache Spark dan Apache Kafka sebagai arsitektur ulang arsitektur Lambda, meskipun didedikasikan untuk mencapai pembelajaran mesin real-time.

Ini adalah platform untuk pengembangan aplikasi dan pengiriman dengan aplikasi tertentu juga untuk pemfilteran kolaboratif, klasifikasi, regresi dan tujuan pengelompokan.

Oryx2 - arsitektur lambda ulang

Kunjungi beranda: http: // oryx.io/

8. Opencyc

Opencyc adalah portal open-source ke basis pengetahuan umum terbesar dan paling komprehensif dan mesin penalaran yang masuk akal di dunia. Ini mencakup sejumlah besar istilah CYC yang diatur dalam onologi yang dirancang dengan tepat untuk aplikasi di bidang -bidang seperti:

1. Pemodelan domain yang kaya
2. Sistem ahli khusus domain
3. Pemahaman teks
4. Integrasi data semantik serta permainan AI ditambah lagi.

Opencyc

Kunjungi beranda: http: // www.Cyc.com/platform/opencyc/

9. Systemml Apache

Systemml adalah platform kecerdasan buatan open-source untuk pembelajaran mesin ideal untuk data besar. Fitur utamanya adalah-berjalan pada sintaksis R dan Python, berfokus pada data besar dan dirancang khusus untuk matematika tingkat tinggi. Cara kerjanya dijelaskan dengan baik di beranda, termasuk demonstrasi video untuk ilustrasi yang jelas.

Disarankan Baca: 18 IDE Terbaik untuk Pemrograman C/C ++ atau Editor Kode Sumber di Linux

Ada beberapa cara untuk menggunakannya termasuk Apache Spark, Apache Hadoop, Jupyter dan Apache Zeppelin. Beberapa kasus penggunaannya yang terkenal termasuk otomotif, lalu lintas bandara dan perbankan sosial.

Apache Systemml - Platform Pembelajaran Mesin

Kunjungi beranda: http: // systemml.Apache.org/

10. Nupic

Nupic adalah kerangka kerja open-source untuk pembelajaran mesin yang didasarkan pada memori sementara heirarkis (HTM), teori neokorteks. Program HTM yang terintegrasi di NUPIC diimplementasikan untuk menganalisis data streaming waktu-nyata, di mana ia mempelajari pola berbasis waktu yang ada dalam data, memprediksi nilai-nilai yang akan terjadi serta mengungkapkan setiap penyimpangan apa pun.

Fitur -fitur pentingnya meliputi:

1. Pembelajaran online berkelanjutan
2. Pola temporal dan spasial
3. Data streaming real-time
4. Prediksi dan pemodelan
5. Deteksi anomali yang kuat
6. Memori temporal hierarkis

Intelijen Mesin Nupic

Kunjungi beranda: http: // numenta.org/

Dengan meningkatnya dan terus memajukan penelitian Ai, Kami terikat untuk menyaksikan lebih banyak alat yang muncul untuk membantu membuat bidang teknologi ini sukses terutama untuk menyelesaikan tantangan ilmiah harian bersama dengan tujuan pendidikan.

Apakah Anda tertarik pada AI, apa pendapat Anda? Tawarkan kepada kami pemikiran, saran atau umpan balik produktif Anda tentang materi pelajaran melalui bagian komentar di bawah ini dan kami akan senang mengetahui lebih banyak dari Anda.