El desarrollo de aplicaciones que incorpora tecnologías avanzadas como AI y ML continúa evolucionando, esta vez a través de la integración de varios resultados de implementación en una plataforma sin código de propósito general

Por: Chris J. Preimesberger

(venturebeat)-De esta forma, los usuarios de la línea de negocio pueden simplemente hacer clic para pasar del análisis de registros de datos al procesamiento del lenguaje natural y, luego, a las salidas de imágenes y video.

Este tipo de versatilidad para los empleados que no son de TI no ha estado disponible en el mercado, ya que muchos fabricantes de software pueden concentrarse solo en una de esas salidas a la vez. Los líderes del mercado como DataRobot, Amazon Web Services, Microsoft, DataBricks y SAS no brindan esta funcionalidad exacta. Sin embargo, H2O.ai se ha propuesto resolver esto.

H2O.ai, con sede en Mountain View, California, presentó hoy una nueva incorporación clave a su plataforma basada en código abierto: H2O Hydrogen Torch. Esta característica es un motor de capacitación de aprendizaje profundo que, según afirma, allana el camino para que las empresas de cualquier tamaño en cualquier industria creen modelos de última generación de procesamiento de imágenes, videos y lenguaje natural (NLP, por sus siglas en inglés) sin codificación. Estos modelos se pueden usar en producción para descubrir nuevos conocimientos comerciales sobre clientes, competidores, el mercado y otras áreas de interés.

Hasta ahora, la creación de modelos de aprendizaje profundo ha requerido un amplio conocimiento y tiempo para codificar y ajustar modelos precisos. Estas inversiones pueden ser costosas porque los científicos de datos se encuentran entre los especialistas mejor pagados en el mundo de TI . H2O Hydrogen Torch fue desarrollado por los mejores científicos de datos del mundo, Kaggle Grandmasters , y las partes desafiantes de crear modelos de aprendizaje profundo de clase mundial son manejadas automáticamente por el producto, dijo el CEO y cofundador Sri Ambati a VentureBeat.

A través de una interfaz de usuario simple y sin código, dijo Ambati, los empleados expertos en LOB, los científicos de datos y los desarrolladores pueden crear rápidamente modelos para numerosos casos de uso de procesamiento de imágenes, videos y NLP, incluida la identificación o clasificación de objetos en imágenes y videos y el análisis de sentimientos. o encontrar información relevante en los textos.

Los casos de uso de video, por ejemplo, incluirían monitorear el tráfico peatonal en edificios públicos, centros comerciales y tiendas, observando la frecuencia de los visitantes y dónde se mueven de un lugar a otro. Las tiendas minoristas pueden usar la plataforma para ver qué exhibidores de ventas atraen más la atención. Todos los datos se compilan de inmediato y están disponibles para consultas en el motor de análisis H2O.ai, dijo Ambati.

“Hay tantos datos no estructurados por ahí y específicamente en el área de imágenes y texto en las empresas”, dijo Ambati. “Hay mucho potencial sin explotar. El objetivo es realmente permitir y permitir que los usuarios construyan realmente modelos de última generación para diferentes tipos de casos de uso. Básicamente, en Hydrogen Torch, realmente les estamos brindando estas capacidades para abordar diferentes tipos de casos de uso”.

Según estimaciones de múltiples analistas, entre el 80% y el 90% de los datos son información no estructurada , pero solo un pequeño porcentaje de organizaciones puede obtener valor de los datos no estructurados, dijo Ambati.

Los modelos de aprendizaje profundo brindan la capacidad de desbloquear oportunidades para transformar industrias, incluida la atención médica con detección o diagnóstico de enfermedades asistido por computadora a través del análisis de imágenes médicas; seguros con la automatización de siniestros y análisis de daños a partir de informes e imágenes; y fabricación utilizando mantenimiento predictivo mediante el análisis de imágenes, videos y otros datos de sensores, dijo Ambati.

Procesamiento de imagen y video

Para imágenes y videos, Hydrogen Torch se puede entrenar para clasificación, regresión, detección de objetos , segmentación semántica y aprendizaje métrico, dijo Ambati. En un entorno médico , por ejemplo, Hydrogen Torch puede analizar imágenes médicas de rayos X en busca de anomalías con un «humano en el circuito» para tomar la decisión final. Otros casos de uso basados ​​en imágenes incluyen la detección de objetos en una planta de fabricación para determinar si falta una pieza o el aprendizaje de métricas que alerta a un minorista en línea para duplicar imágenes en un sitio web, dijo Ambati.

Procesamiento natural del lenguaje

Para casos de uso basados ​​en texto o NLP, Hydrogen Torch se puede entrenar para clasificación y regresión de texto, clasificación de tokens, predicción de tramos, análisis de secuencia a secuencia y aprendizaje de métricas. Los casos de uso de NLP van desde la predicción de la satisfacción del cliente a partir de llamadas telefónicas transcritas hasta el análisis de secuencia a secuencia para resumir una gran parte del texto, como las transcripciones médicas.

Luego, estos modelos se pueden empaquetar automáticamente para su implementación en entornos Python externos o en un formato consumible directamente a H2O MLops para producción, dijo Ambati.

La plataforma de H2O.ai, que actualmente ofrece una prueba gratuita, es utilizada por más de 20,000 organizaciones globales, dijo Ambati, incluidas AT&T, Allergan, CapitalOne, Commonwealth Bank of Australia, GlaxoSmithKline, Hitachi, Kaiser Permanente, Procter & Gamble, PayPal, PwC , Unilever, Walgreens.