EZDL (платформа для машинного обучения)

Продукт
Разработчики: Baidu
Дата премьеры системы: сентябрь 2018 г
Отрасли: Информационные технологии

2018: Запуск платформы

В начале сентября 2018 года компания Baidu, развивающая одноименную крупнейшую в Китае поисковую систему, выпустила платформу для разработки программного обеспечения EZDL. Она позволяет создавать и запускать в промышленную эксплуатацию модели машинного обучения без знаний программирования.

Согласно пресс-релизу Baidu, новая сервисная платформа адресована компаниям, представляющим малый и средний бизнес, у которых нет специалистов по таким проектам, как TensorFlow PyTorch и Microsoft Cognitive Toolkit.

Baidu запустила платформу для машинного обучения без знаний программирования

При помощи EZDL компании могут строить модели машинного обучения, используя интерфейс drag-and-drop (простое перетаскивание объектов при помощи мыши). Чтобы обучить систему глубокого обучения, построенную специально для выполнения конкретных бизнес-задач, компании нужно проделать всего четыре шага, говорит технический руководитель проекта Baidu EZD Йонгкан Хси (Yongkang Xie).

«
Даже если вы никогда не занимались программированием, вы можете быстро построить модели на этой платформе без каких-либо препятствий. EZDL может помочь компаниям, которым не хватает экспертов по искусственному интеллекту и вычислительных ресурсов, быстро и эффективно провести тренировку модели глубокого обучения и внедрить ее с небольшим объемом данных, — отметил Хси.
»

В EZDL могут быть разработаны ИИ-модели с очень маленьким набором обучающих данных, который зачастую включает всего десятки или сотни примеров, а не тысячи и миллионы, как у интернет-гигантов.TAdviser выпустил Карту российского рынка цифровизации строительства 25.7 т

К началу сентября 2018 года платформа Baidu ограничена тремя типами моделей: классификация изображений, обнаружение объектов и классификация звука. Клиенты начали использовать EZDL для проверки полок супермаркетов, мониторинга безопасности, распознавания голоса в дикой природы, контроля за качеством изготовления клавиатур и др. Отмечается, что точность созданных при помощи платформы моделей варьируется от 88% до 95%.[1]

Примечания