Comet.ml希望改变我们与机器学习互动的方式

想要利用机器学习（ML）的企业需要的不仅仅是智能设备和大量数据。 机器学习的核心围绕两个半球：一方面是机器学习模型和算法，另一方面是经过适当策划的数据集。 虽然两者都需要专业知识来创建，但前者只是通过Comet.ml获得了显着提升，Comet.ml是本月初推出的一项服务，其工具可让数据科学家和开发人员更有效地跟踪代码并共享其ML模型。 该公司表示，它正在回答人们认为对更有效和可用的ML工具的日益增长的需求。 该服务是便捷服务不断发展的领域的一部分，该领域旨在让更多的人访问，使用和学习ML。

GitHub连接

尽管还不到一个月大，但将Comet.ml描述为“ ML的GitHub”可能并不恰当。 如果您不熟悉GitHub，那么它是一个存储库托管服务，开发人员可以在其中存储和共享他们的代码。 在具有多个开发人员在同一代码库上工作的项目中，诸如GitHub之类的存储库在组织工作流程和维护版本控制中起着至关重要的代码。 尽管代码存储库的概念并不是什么新概念，但是GitHub通过创建用户界面（UI）开辟了面向开发社区的全新世界，该用户界面（UI）超越了神秘的，面向项目的编码功能，并添加了直观的UI和社交功能允许GitHub与用户甚至社区对话的工具。 无论您是想让其他开发人员检查代码，查找新的有趣的应用程序，还是只是对世界顶级工程师的工作感到好奇，GitHub都是追赶开发社区正在做的事情的最受欢迎的地方之一。

有了这样的简历，想成为任何事物的GitHub似乎都非常雄心勃勃，但是Comet.ml的创始人对此很有信心。 Comet.ml与流行的GitHub服务的工作方式相似。 只需在Comet.ml网站上免费注册一个帐户，选择您喜欢的ML库（Comet.ml当前支持Java，Pytorch，TensorFlow以及其他几种最受欢迎​​的库），您就可以启动并 跑步 建筑和 测试 机器学习模型几乎可以立即进行建模，而且可能比目前为止更容易建模。 这是因为Comet.ml还跟踪团队对网站上的存储库所做的所有更改。 它提供了自动模型优化功能，您甚至可以将Comet.ml工作与GitHub集成到大型项目中。

GitHub还托管ML模型，但Comet.ml在设计时考虑了ML的独特需求。 通过一种称为贝叶斯（Bayesian）“超参数优化”的算法，该服务将通过更改实验的超参数来调整模型。 如果您是真正的数据极客，那么在公司的网站上对此有更详尽的解释。 手动调整模型会花费非常长的时间。 如果该算法能够像Comet.ml所说的那样工作，那么它肯定会引起数据科学界的关注。 就像GitHub一样，拥有公开存储库的一个帐户是完全免费的，私有存储库的起价为每个用户每月49美元。

需要更简单的东西

基甸 Ments，Comet.ml的联合创始人兼首席执行官， 是一位ML资深人士。 他曾在哥伦比亚大学和Google从事研究工作。 在他的整个职业生涯中，他一直在努力寻找一种测试和共享ML模型的有效方法。

“我以前在一家名为 GroupWize ，我们生产的机器学习模型大约有15种，”孟德尔斯说。“要跟踪它们中的所有变化是不可能的。 因此，我们实际上开始在内部构建Comet 自制 解决我们的痛苦。”

从那里，Mendels和其他团队成员决定专注于自己构建Comet.ml。 对Mendels而言，Comet.ml的价值不仅仅是可以存储ML模型的事实 在 云端; 这是为了使其更容易尝试该代码。 Mendels也很快否认了他的服务试图与GitHub竞争的观点。 毕竟，它与服务集成在一起，用户可以使用GitHub登录凭据进行注册。 对于Mendels来说，这实际上是通过更好的功能来应对不断增长的数据民主化浪潮。

孟德尔斯说：“这与很多公司开始进行机器学习和数据科学的更大意义有关。” “使用GitHub，您可以存储代码，但是使用ML， 码 只是难题的一小部分。 门德尔斯说，自动调整功能将帮助Comet.ml脱颖而出。

机器学习游乐场

Comet.ml只是旨在改变我们与ML交互方式的几种产品之一。 微软在这一领域一直非常积极，几年前推出了Azure笔记本。 尽管该公司提供的工具比Comet.ml更像是一种教育工具，但它也旨在让您在云中使用ML模型。

还有一大堆ML市场可供选择，它们为中小型企业（SMB）和企业提供完整的，随时可用的模型。 算法是 一个 人工智能（AI）市场，其中包括提供ML模型，您可以通过应用程序编程接口（API）调用在自己的应用中购买和使用ML模型。 没有技巧或时间来构建句子分析模型？ 然后，以10, 000个API调用的低价28.54美元使用Parsey McParseface。 创意较少的模型 上 市场包括用于面部识别算法，用于地理数据的光谱聚类和文本提取的市场。

如果您不是数据科学家，那么您可能会认为这些服务不适用于您和您的组织。 但是各种规模的企业都宣布了对AI解决方案的空前支持和利用，而ML是其中的重要组成部分。 这些实现将范围从广泛的项目扩展到目标明确的项目，以至您惊讶地发现ML是其中的一部分。

作为目标项目的示例，WineStein是一个数字侍酒师服务，使用ML模型将葡萄酒与不同种类的食物配对。 范围更广的实施示例 金融技术（金融科技） ，医疗保健技术，甚至是聊天机器人，其中AI和ML已经改变了大多数企业处理客户服务和服务台运营的方式。 AI和ML的用户群正在快速增长，并且将保持业务稳定，这将为Comet.ml等有前途的人提供光明的未来。