فیلم های آموزشی
کتاب های آموزشی
مقالات آموزشی
به دنبال تأمین نیاز های Enterprise در فضای یادگیری ماشین، شرکت اوراکل کتابخانه منبع باز یا متن باز (Open source) خود تحت عنوان Tribuo Java را به طور رایگان در دسترس قرار داده است. با استفاده از Tribuo ، اوراکل قصد دارد تا ساخت و گسترش مدل های یادگیری ماشین در جاوا را آسان تر کند. این کتابخانه با مجوز Apache 2.0 منتشر و توسط آزمایشگاه های اوراکل توسعه یافته و از طریق Github و Maven قابل دسترسی است.
Tribuo قابلیت های استاندارد یادگیری ماشین را که شامل الگوریتم های طبقه بندی، خوشه بندی، تشخیص ناهنجاری و رگرسیون می باشد. همچنین شامل pipeline ها برای بارگذاری و تبدیل داده ها بوده و مجموعه ای از ارزیابی ها را برای کارهای پیش بینی پشتیبانی شده ارائه می دهد. از آن جا که Tribuo آماری از ورودی ها را جمع آوری می کند، این کتابخانه می تواند دامنه هر ورودی را توصیف کند. به عنوان مثال، همچین ویژگی های را نامگذاری کرده و شناسه های ویژگی و شناسه های خروجی را مدیریت می کند تا از تداخل و سردرگمی شناسه ها در مدل های chaining، بارگذاری داده ها و ویژگی های ورودی ها جلوگیری کند.
یادگیری ماشین در جاوا
یادگیری ماشین در جاوا
یک مدل Tribuo می داند که یک ویژگی را برای اولین بار می بیند، این امر به ویژه هنگام کار با پردازش زبان طبیعی بسیار مفید است. مدل ها دقیقا می دانند که خروجی ها چیست، با اینکه آن ها نوع قوی (نوع دهی نیرومند) هستند. استفاده از ورودی و خروجی های نوع قوی به این معنی است که Tribuo می تواند روند ساخت مدل را ردیابی کند.
سیستم اصلی Tribuo می تواند پیکربندی ایجاد کند که پایپ لاین آموزش را برای بازتولید مدل یا ارزیابی آن بازسازی کند. همچنین یک مدل اصلاح شده می تواند بر روی داده های جدید یا ابَر پارامتر ها ساخته شود. بنابراین کاربران همیشه می دانند مدل Trubou چیست، از کجا و چگونه می توان آن را ایجاد کرد.
Tribue یک شکاف را در بازار یادگیری ماشین برای اپلیکیشن های سازمانی را پر می کند. به عنوان مثال، Adam Pocock ، عضو اصلی کادر فنی آزمایشگاه های اوراکل می گوید: “درحالی که کتابخانه TensorFlow که توسط گوگل توسعه داده شده، الگوریتم های اصلی را برای یادگیری عمیق فراهم می کند، Tribuo چندین الگوریتم یادگیری ماشین را ارائه می دهد که برخی از آن ها درTensorFlow هستند و برخی دیگر نیستند. همچنین رابطی برای TensdorFlow فراهم می کند.”. وی افزود: “درحالی که موتور تجزیه و تحلیل Apache Spark برای سیستم های بزرگ و توزیع شده طراحی شده است، Tribuo برای محاسبات کوچکتر که می تواند توسط یک پردازنده انجام شود، مناسب است”.
علاوه بر TensorFlow، کتابخانه Tribuo رابط های XGBoost و ONNX runtime را نیز ارائه می دهد که این امکان را می دهد تا مدل هایی که در قالب XGBoost یا ONNX آموزش دیده اند، در کنار مدل های بومی خود Tribuo مستقر شوند. پشتیبانی از قالب ONNX نیز اجازه می دهد تا در جاوا مدل هایی را که با استفاده از کتابخانه های معروف Python مانند PyTorch آموزش داده شده اند، در جاوا مستقر کنید.
دیدگاه ها
سوالات پیش از ثبت نام یا نظرات خود را در مورد این پست مطرح نمایید.