Teknoloji alanında, yapay zeka en yeni trendlerden biri haline geldi. Hatta doğal dil işleme, sinir ağları, yapay zeka, makine öğrenmesi ve görüntü işleme gibi alanlarda da ilerlemeler kaydedildi. Google, Microsoft, IBM, Amazon ve Facebook gibi diğer birçok büyük şirket kendi Ar-Ge’sinde yapay zekalara büyük yatırımlar yapıyor.
Günümüz şartlarında yapay zeka sadece büyük işletmeler ve girişimciler için değil, küçük çaplı projeler ve işletmeler için de vazgeçilmez hale gelmektedir. Bu yazımda, bilhassa küçük işletmeler ve girişimler için ilk 10 açık kaynaklı Yapay Zeka Teknolojisini listeledim.
1) Apache SystemML
Apache Software Foundation’daki en üst düzey proje seviyelerinden birine ulaşan ve esnek ve ölçeklenebilir bir makine öğrenme sistemi olan IBM’te oluşturulan makine öğrenme teknolojisidir. Önemli özellikler:
Makine öğrenmesi için SQL’, kullanılabilir kılıyor. Kodunuzun denetleyicide mi yoksa bir Apache Spark grubunda mı çalışacağını belirleyebilirsiniz. Veri satırınızın satır başına otomatik olarak ayarlandığı Apache Spark desteği var. Nöral ağ mimarilerini ve daha önceden oluşturulmuş eğitim modellerini içe ve dışa aktarabilir. GPU desteği ile derin öğrenme imkanını içerir.
2) OpenNN
Sinir ağlarını uygulayan, C ++ dilinde yazılmış, açık kaynaklı bir sınıf kütüphanesidir. Veri kümelerinden ve matematiksel modellerden öğrenmek için tasarlanmıştır. Sinir ağlarının algoritmalarının ve uygulamalarının araştırılması ve geliştirilmesi için etkili bir ortam sağlar.
OpenNN, veri madenciliği yöntemlerini bir dizi işlev olarak uygular. Bunlar, yazılım aracı ile tahmine dayalı analizin görevleri arasındaki etkileşim için bir uygulama programlama arayüzü (API) kullanan diğer yazılım araçlarına da dahil edilebilirdir.
OpenNN’nin ana avantajı yüksek performansıdır. Daha iyi bellek yönetimi ve daha yüksek işlem hızı için C ++ ile geliştirilmiştir ve OpenMP kullanılarak CPU’nun paralelleştirilmesi ve GPU’nun CUDA ile hızlandırılması sağlanmıştır.
Veri Kümeleri ve Matematiksel Modeller aşağıda verilmiştir:
-> Function regression
-> Optimal control
-> Time series prediction
-> Inverse problems
3) TensorFlow
Aslen Google Brain Ekibinde çalışan araştırmacılar ve mühendisler tarafından geliştirilen, açık kaynaklı bir yapay zeka yazılım kütüphanesidir. TensorFlow, veri akış grafiklerini kullanarak sayısal hesaplama yapmak içindir. Grafikteki düğümler matematiksel işlemleri temsil ederken, grafiğin kenarları aralarında iletilen çok boyutlu verilerin (tensörler) dizilerini temsil eder. Esnek mimari, tek bir API’ye sahip bir masaüstü, sunucu veya mobil cihazda bir veya daha fazla CPU veya GPU’ya bilgi işlem yapmanızı sağlar.
TensorFlow birden fazla API sağlar. En düşük seviye API, TensorFlow Core, size eksiksiz bir programlama kontrolü sunar. Üst düzey API’ler, TensorFlow Core’da oluşturulmuştur. Bu yüksek seviyeli API’leri öğrenmek ve kullanmak genellikle TensorFlow Core’dan daha kolaydır. Ayrıca, üst düzey API’ler, farklı kullanıcılar arasında tekrarlayan görevleri daha kolay ve daha tutarlı hale getirir. Tf.estimator gibi üst düzey bir API, veri kümelerini, tahmin edicileri, eğitimi ve çıkarımı yönetmenize yardımcı olur.
Tensorflow kullanan uygulamalardan bazıları aşağıda verilmiştir:
-> SmartReply
-> RankBrain
-> On-Device Computer Vision
-> Inception Image Classification Model
-> Massively Multitask Networks
4) Neuroph
Java ile yazılmış nesne yönelimli bir sinir ağı platformudur. Neuroph, Java programlarında sinir ağları oluşturmak ve eğitmek için kullanılabilir. Neuroph, sinir ağları oluşturmak, eğitmek için ve Java sınıfları için kütüphane ve easyNeurons GUI aracını beraberinde sunar.
Neuroph, ortak sinir ağlarının mimarisini geliştirmek için hafif bir Java sinir ağı platformudur. NN’nin temel kavramlarına karşılık gelen az sayıda temel sınıf içeren açık kaynaklı ve iyi tasarlanmış bir Java kütüphanesi içerir. Ayrıca hızlı bir şekilde Java sinir ağı bileşenleri oluşturmak için güzel bir GUI sinir ağı editörü vardır. Apache 2.0 lisansı altında açık kaynak olarak yayınlanmıştır.
Neuroph, Backpropagation, Kohonen ve Hopfield ağları içeren çok katmanlı algılayıcı gibi ortak sinir ağı yapılarını destekler. Bu sınıfların tümü, özel sinir ağları ve öğrenme kuralları oluşturmak için genişletilebilir ve özelleştirilebilir. Neuroph, görüntü tanıma için yerleşik desteğe de sahiptir.
5) OpenCog
OpenCog, her biri kendi yeniliklerini içeren çeşitli bilişsel algoritmalar kümesidir, ancak genel mimariyi güçlü kılan, bilişsel sinerji ilkesine dikkatle bağlılığıdır.
OpenCog aslen Novateen LLC’nin tescilli “Novamente Cognition Engine” (NCE) kaynak kodunun 2008 sürümüne dayanıyordu. Orijinal NCE kodu, PLN kitabında (aşağıda Referans) açıklanmıştır.
OpenCog’un gelişimi, Genel Yapay Zeka Araştırmaları Enstitüsü (AGIRI), Google Yaz Kodu projesi ve diğer geliştiricileri tarafından sürekli desteklenmektedir.
6) Caffe
Akılda tutulması gereken hız, modülerlik ve ifade faktörleri ile geliştirilen derin bir öğrenme kaynağı sağlar. Caffe projesi UC Berkeley’de başlatılmış ve daha sonra Berkeley AI Research (BAIR) ve topluluk ortakları tarafından geliştirilmiştir. Yapay görme uygulamaları için esas olarak evrişimli ağlara odaklanmaktadır. Caffe, görüntü işleme ilgili görevler için sağlam ve popüler bir seçimdir ve Caffe kullanıcıları tarafından yapılan birçok başarılı modeli, hemen kullanmak için Caffe Model Zoo’dan (aşağıdaki bağlantıdan) indirebilirsiniz.
Başlıca avantajlarından bazıları aşağıda verilmiştir:
-> Genişletilebilir kod
-> Hız
-> Etkileyici mimari
-> Büyük Geliştirici Topluluğu
Caffe hakkında daha detaylı bilgi için bu linkten derinogrenme.com’daki yazıyı inceleyebilirsiniz.
7) Torch
Açık kaynak kodlu bir makine öğrenme kütüphanesi, bilimsel bir bilgi işlem çerçevesi ve Lua programlama diline dayalı bir betik dilidir.
TORCH, AI Araştırma Grubu Facebook, IBM, Yandex ve Idiap Araştırma Enstitüsü tarafından kullanılmaktadır. Android ve iOS’ta kullanılmak üzere genişletildi ve sinir ağları, veri akışları ile donanım uygulamaları oluşturmak için kullanıldı.
PyTorch, Python için, doğal dil işleme gibi uygulamalar için kullanılan açık kaynaklı bir makine öğrenme kütüphanesidir. Esas olarak Facebook’un yapay zeka araştırma grubu tarafından geliştirilmiştir ve olasılıklı programlama için Uber’in “Pyro” yazılımı temel alınmıştır.
Özelliklerinden bazıları aşağıda listelenmiştir:
-> Hızlı ve verimli GPU desteği
-> Güçlü N boyutlu dizi desteği
-> Sayısal optimizasyon rutinleri
-> iOS ve Android backend kısmına gömülebilir
8) Mycroft AI
Dünyadaki ilk açık kaynaklı sihirbazdır ve bilimsel bir projeden kurumsal yazılım uygulamasına kadar her alanda kullanılabilir. Masaüstü bilgisayarda, arabada veya Raspberry Pi üzerinde herhangi bir yerde çalışabilir.
Yeniden genişletilebilen ve özgürce geliştirilebilen açık kaynaklı bir yazılımdır. Mycroft, bilimsel bir projeden kurumsal yazılım uygulamasına kadar her şeyde kullanılabilir.
9) Apache Mahout
Dağıtılmış doğrusal cebir ve matematiksel olarak ifade edilen Scala DSL’nin çerçevesidir. Mahout matematikçilerin, istatistikçilerin ve veri bilim adamlarının kendi algoritmalarını hızlı bir şekilde uygulamalarına izin vermek için tasarlanmıştır. Apache Spark, önerilen platformdur veya diğer platformaları da desteklemektedir.
Birden fazla (Apache Spark dahil) büyük desteği vardır. Apache Mahout şu anda işbirlikçi filtreleme (CF), kümeleme ve sınıflandırma içeren alanları uygulamaktadır.
Yararlı özelliklerinden bazıları aşağıda listelenmiştir:
-> Matris ve vektör kütüphaneleri
-> Taste CF
-> Dağıtılmış uygunluk fonksiyon yetenekleri
-> Kümeleme uygulamaları
10) Deeplearning4j
Java ve Scala için yazılmış derin bir açık kaynak öğrenme kütüphanesidir. Amacı, araştırmacı olmayanlar için hızlı prototip oluşturmaya izin vermek, konfigürasyonlardan daha gelişmiş tak-çalıştır imkanı sağlamak ve daha fazla konvansiyondur.
DL4J, ölçeklendirmek için özelleştirilebilir. Sinir ağı modellerini TensorFlow, Caffe ve Theano dahil Keras üzerinden birçok büyük çerçeveden içe aktarabilir ve veri bilimcileri, veri mühendisleri ve DevOps için bir takım araçlarla Python ekosistemi ve JVM arasındaki boşluğu kapatabilirsiniz. Keras, Deeplearning4j’nin Python API’si olarak kullanılır.
Başlıca özellikleri aşağıda listelenmiştir:
-> Hadoop’ta Ölçeklenebilir
-> Java, Scala ve Python API’leri
-> AWS’de ölçeklendirme için GPU desteği
-> Micro-service mimarisi
Sonuç olarak:
Şimdiye kadar yeni başlayanlar için bazı büyük ve yeni açık kaynaklı Yapay Zeka Kütüphanelerini gördük. Günümüzde yaşanan teknolojik gelişmelerle birlikte gelişim sürecin hızlanması için bu açık kaynaklı kütüphaneler yapay zeka alanında teknolojilerin yaygınlaşmasında öncülük etmektedir.
Yapay zeka alanında proje çıkarmak isteyen veya yapay zeka kütüphanelerini projesinde kullanmak isteyenler, yukarıdaki kütüphanelerden birisini seçerek başlayabilir.
Yapay zeka alanında yaygın olarak kullanılan python dili ile ilgili örnekleri görüntülemek için alttaki linke tıklayabilirsiniz.
Alıntı: https://hackernoon.com/10-top-open-source-ai-technologies-for-startups-7c5f10b82fb1
Yapay zeka alanı ile alakalı daha fazla bilgi için takipte kalın 🙂
