10 Top Open Source Kënschtlech Intelligenz Tools fir Linux

An dësem Post wäerte mir e puer vun den Top, Open-Source Kënschtlech Intelligenz (AI) Tools fir de Linux Ökosystem ofdecken. De Moment ass AI ee vun den ëmmer fortschrëttleche Felder an der Wëssenschaft an der Technologie, mat engem grousse Fokus fir Software an Hardware ze bauen fir all Dag Erausfuerderungen a Beräicher wéi Gesondheetsversuergung, Educatioun, Sécherheet, Fabrikatioun, Banken a sou vill méi ze léisen.

Drënner ass eng Lëscht vun enger Zuel vu Plattformen entworf an entwéckelt fir AI z'ënnerstëtzen, déi Dir op Linux a méiglecherweis vill aner Betribssystemer benotze kënnt. Denkt drun datt dës Lëscht net an enger spezifescher Uerdnung vun Interesse arrangéiert ass.

1. Deep Learning Fir Java (Deeplearning4j)

Deeplearning4j ass eng kommerziell Grad, Open-Source, Plug and Play, verdeelt Deep-Learning Bibliothéik fir Java a Scala Programméierungssproochen. Et ass speziell fir geschäftlech Applikatioun entwéckelt, an integréiert mat Hadoop a Spark uewen op verdeelt CPUs a GPUs.

DL4J gëtt ënner der Apache 2.0 Lizenz verëffentlecht a bitt GPU Ënnerstëtzung fir Skaléieren op AWS an ass fir Mikro-Service Architektur ugepasst.

Besicht d'Homepage: http://deeplearning4j.org/

2. Caffe - Deep Learning Framework

Caffe ass e modulären an expressiver Deep Learning Kader baséiert op Geschwindegkeet. Et gëtt ënner der BSD 2-Klausel Lizenz verëffentlecht, an et ënnerstëtzt scho verschidde Gemeinschaftsprojeten a Beräicher wéi Fuerschung, Startup Prototypen, industriell Uwendungen a Felder wéi Visioun, Ried a Multimedia.

Besicht d'Homepage: http://caffe.berkeleyvision.org/

3. H20 - Verdeelt Machine Learning Framework

H20 ass en Open-Source, séier, skalierbar a verdeelt Maschinnléiere Kader, plus d'Sortiment vun Algorithmen, déi um Kader ausgestatt sinn. Et ënnerstëtzt méi schlau Uwendungen wéi Deep Learning, Gradient Boost, zoufälleg Bëscher, generaliséierter linear Modellerung (dh logistesch Regressioun, Elastic Net) a vill méi.

Et ass e geschäftlech orientéierte kënschtlechen Intelligenz Tool fir Entscheedungen aus Daten ze huelen, et erlaabt d'Benotzer Abléck aus hiren Donnéeën ze zéien mat méi séier a besser prévisiv Modeller.

Besicht d'Homepage: http://www.h2o.ai/

4. MLlib - Machine Learning Bibliothéik

MLlib ass eng Open-Source, einfach ze benotzen an héich performant Maschinnléierebibliothéik entwéckelt als Deel vum Apache Spark. Et ass wesentlech einfach z'installéieren a kann op existent Hadoop Cluster an Daten lafen.

MLlib schéckt och mat enger Sammlung vun Algorithmen fir Klassifikatioun, Regressioun, Empfehlung, Clustering, Iwwerliewensanalyse a sou vill méi. Wichteg ass, et kann a Python, Java, Scala a R Programméierungssprooche benotzt ginn.

Besicht d'Homepage: https://spark.apache.org/mllib/

5. Apache Mahout

Mahout ass en Open-Source Kader entworf fir skalierbar Maschinn Léieren Uwendungen ze bauen, et huet dräi prominent Features hei ënnen opgezielt:

  1. Gitt einfach an erweiterbar Programméierungsaarbechtsplaz
  2. Offert eng Vielfalt vu virverpackte Algorithmen fir Scala + Apache Spark, H20 souwéi Apache Flink
  3. Enthält Samaras, e Vector Mathematik Experimenter Aarbechtsplaz mat R-ähnlechen Syntax

Besicht d'Homepage: http://mahout.apache.org/

6. Open Neural Networks Library (OpenNN)

OpenNN ass och eng Open-Source Klassebibliothéik geschriwwen an C++ fir déif Léieren, et gëtt benotzt fir neural Netzwierker z'informéieren. Wéi och ëmmer, et ass nëmmen optimal fir erfuerene C++ Programméierer a Persoune mat enorme Maschinnléierfäegkeeten. Et ass charakteriséiert vun enger déif Architektur an héich Leeschtung.

Besicht d'Homepage: http://www.opennn.net/

7. Oryx 2

Oryx 2 ass eng Fortsetzung vum initialen Oryx Projet, et ass op Apache Spark an Apache Kafka entwéckelt als nei Architektur vun der Lambda Architektur, obwuel gewidmet fir Echtzäit Maschinn Léieren z'erreechen.

Et ass eng Plattform fir Applikatiounsentwécklung a schéckt mat bestëmmten Uwendungen och fir kollaborativ Filteren, Klassifikatioun, Regressioun a Clusterzwecker.

Besicht d'Homepage: http://oryx.io/

8. OpenCyc

OpenCyc ass en Open-Source Portal fir déi gréissten an ëmfaassendst allgemeng Wëssensbasis a Commonsense Begrënnungsmotor vun der Welt. Et enthält eng grouss Zuel vu Cyc Begrëffer arrangéiert an enger präzis konzipéierter Onologie fir Uwendung a Beräicher wéi:

  1. Rich Domain Modeller
  2. Domain-spezifesch Expert Systemer
  3. Textverständnis
  4. Semantesch Datenintegratioun souwéi AI Spiller plus vill méi.

Besicht d'Homepage: http://www.cyc.com/platform/opencyc/

9. Apache SystemML

SystemML ass eng Open-Source kënschtlech Intelligenz Plattform fir Maschinnléieren ideal fir Big Data. Seng Haaptfeatures sinn - leeft op R a Python-ähnlechen Syntax, fokusséiert op grouss Daten a speziell fir Mathematik op héijem Niveau entworf. Wéi et funktionnéiert ass gutt erkläert op der Homepage, dorënner eng Videodemonstratioun fir kloer Illustratioun.

Et gi verschidde Weeër fir et ze benotzen, dorënner Apache Spark, Apache Hadoop, Jupyter an Apache Zeppelin. E puer vu senge bemierkenswäerte Gebrauchsfäll enthalen Automotive, Fluchhafenverkéier a Sozial Banking.

Besicht d'Homepage: http://systemml.apache.org/

10. NuPIC

NuPIC ass en Open-Source Kader fir Maschinnléieren deen op Heirarchical Temporary Memory (HTM) baséiert, eng Neocortex Theorie. Den HTM Programm integréiert an NuPIC ass implementéiert fir Echtzäit Streamingdaten ze analyséieren, wou et Zäitbaséiert Mustere léiert, déi an Donnéeën existéieren, virausgesot déi imminent Wäerter wéi och all Onregelméissegkeeten opzeweisen.

Seng bemierkenswäert Feature enthalen:

  1. Kontinuéierlech Online Léieren
  2. Temporal a raimlech Mustere
  3. Echtzäit Streamingdaten
  4. Prognose a Modelléierung
  5. Mächteg Anomalie Detektioun
  6. Hierarchesch temporal Erënnerung

Besicht d'Homepage: http://numenta.org/

Mat dem Opstig an ëmmer Fortschrëtter Fuerschung an AI, si mir gebonnen Zeien méi Tools Sprangen ze hëllefen dëst Gebitt vun Technologie e Succès ze maachen besonnesch fir alldeeglechen wëssenschaftleche Erausfuerderungen ze léisen zesumme mat pädagogescher Zwecker.

Sidd Dir un AI interesséiert, wat seet Dir? Bitt eis Är Gedanken, Virschléi oder all produktiv Feedback iwwer d'Thema iwwer d'Kommentarsektioun hei drënner a mir si frou méi vun Ärem ze wëssen.