Microsoft выпустила бесплатное приложение Lobe — оно позволяет тренировать модели машинного обучения без написания кода Статьи редакции
Пока сервис поддерживает только классификацию изображений, но в будущем компания добавит другие модели и типы данных, например распознавание объектов и классификацию информации.
26 октября Microsoft выпустила бета-версию приложения Lobe для Windows и Mac. Оно упрощает обучение моделей машинного обучения: нет необходимости писать код.
Для этого нужно загрузить в Lobe подготовленные изображения или напрямую записать серию изображений в реальном времени через камеру. Затем — промаркировать данные и получить готовую модель. Её можно дообучить, если пользователя не устраивает точность распознвания.
Готовые модели можно экспортировать в Azure, Google Cloud и AWS, они совместимы с библиотеками TensorFlow от Google и CoreML на iOS и macOS. На GitHub есть серия готовых проектов Lobe: iOS- и Android-приложения, веб-приложение на React и Python-приложение для Raspberry Pi.
Примеры работы Lobe:
- Распознавание реакций, жестов, спортивных упражнений, растений.
- Радионяня.
- «Умная» касса.
- Анализ аэроснимков и животных.
- Проверка, надета ли маска на человеке.
Microsoft отмечает, что обучение и работа с моделью проходят на компьютере пользователя. Сервис не требует регистрации и не загружает данные в облако. Lobe дополняет облачные службы Azure AI, чтобы как можно больше людей воспользовались технологией машинного обучения, заявляют представители корпорации.
Первые клиенты Lobe использовали сервис для разработки приложений, которые определяют вредные растения, ищут ос и других вредителей в ульях, рассылают предупреждения жильцам, оставившим открытыми гаражные ворота.
Изначально Lobe был независимым стартапом. Microsoft купила его в сентябре 2018 года, размер сделки не раскрывается. Корпорации задумывала «упрощение работы с технологиями ИИ для всех пользователей» с помощью Lobe.
Погодите, а в скиллбоксе датасайентисты на 200 000 минимум на удаленке куда пойдут? Если модели как Эксель будут простые
Комментарий удален
Никуда не пойдут, будут получать 250000. Все "no code" платформы разбиваются о реальность, за редкими исключениями.
Комментарий удален
Как только появится необходимость решить какую-то нестандартную задачу, то этот Lobe станет бесполезным. Он подходит только для решения типовых задач.
Так всегда. Есть сервисы и библиотеки, которые покрывают самые распространённые задачи, а специфику приходится пилить самому.
Раньше нужно было учить bubble sort, heap sort. А сейчас пишешь list.sort() и проблема решена.
Ну да, это будет как Эксель. Задачи в бизнесе одинаковые в большинстве.
Комментарий удален
Комментарий удален
Это короткий тренд был. Сейчас рынок перенасытится, как в свое время корпоративными юристами, СММщиками и фотографами.
Комментарий удален
Скоро выпустят Visual Studio No Code.
На вопрос почему ты сидишь и ничего не делаешь, можно будет ответить:
- я не пишу код.
Комментарий удален
Работает, классифицирует, но как дальше использовать не понятно. Модель не нашёл как сохранить.
Кстати моя модель очень сильно путала Пуговкина и Куравлёва. Такое чувство, что у неё ограничение по классам - 3. Больше уже сбоить начинает.
Хотя для такой небольшой обучающей выборки - хороший результат.
Модели для распознавания лиц тренируют обычно не так, как для классификации остальных объектов. Это наш мозг натренирован обращать внимание на небольшие отличия во внешности, а для модели общего назначения все человеки на одно лицо.
Поэтому используют специальные функции потерь, "сиамскую" архитектуру и т.д.
См. например https://www.coursera.org/lecture/convolutional-neural-networks/what-is-face-recognition-lUBYU
О спасибо! Почему то сразу это кнопка не работала, просто проглатывала действие. Сейчас работает.
Local API - по моему вообще огонь)
И отдельное спасибо за статью
Насчет свежести есть сомнения. Мне кажется, это опытный дата сайентист, знающий нестандартные подходы к моделям и владеющий дип—лернинг технологиями по самую задницу.
Комментарий удален
Кстати, есть очень похожее приложение под Android, где тоже можно модели без кода тренировать и использовать.
Правда пока без экспорта.
Если кто хочет попробовать, ищите в Google Play по названию Pocket AutoML.
Дисклеймер: я автор приложения.
Понравилось как они сделали "пулемётный" режим добавления картинок, тренировку модели в фоне и предсказания в реальном времени. Эти фичи надо красть, однозачно :)
Этот неловкий момент, когда тебе приходится замазывать логотип Apple, если ты трудишься в Microsoft, но при этом хочешь работать на нормальном железе без винды
Я один из тех кто нифига не понимает в программировании. Обрадовался. Скачал. Обучил отделять бракованные фотографии (там где не сработала вспышка). А дальше что? Как сделать чтоб сделал отбраковку всей съемки?
В теории, взять эту тулзу, сделать на ней API, а к ней прикрутить какой-нибудь модный no code API connector. Типа zapier и т.д.
На практике, порог вхождения aws/azure не позволит просто так вот ворваться. Ну и это про интернеты, локальное я даже сервисов не знаю, которые бы что-то в ноль строк кода сконнектили.
Ну это бета, может потом что-нибудь придумают.
Основатель продукта - бывший дизайнер Apple, он нарисовал зеленую батарейку для первых айфонов, и ещё пару iconic скевоморфичных штук из i(phone)OS
По большей части и сейчас самое сложное - это проектирование/подготовка датасетов, очистка данных, поиск аномалий и тесты, а сам процесс обучения - не сложнее работы в таблицах - плюс минус одни и те же несколько строк.
Так и есть, это просто интерфейс для оператора. Но никто прорыв и не обещал, заметьте.
Комментарий удален
На практике - очень просто! 1) восхититься распознаванием открытых ворот 2) размечтаться о светлой автоматизации в своем бизнесе 3) обломиться путём невозможности решить сколь угодно нужную практическую задачу с помощью этого инструмента 4) задуматься и купить что-то более серьёзное у Microsoft - Azure 5) обломиться ещё раз, на этот раз отбашляв некоторую сумму Microsoft
размечтаться о светлой автоматизации в своем бизнесе - звучит так оптимистично!
Комментарий удален
Непонимаю, ну работаешь ты на маке. Показываешь мак интерфейс. Какого хрена лого замазывать? Неужто Яблоко заругает за такое?
Рынок Data Science довольно узкий, задачи специфичные. Подобные приложения - пока не более чем игрушка. Для бизнес-задач, дающих конкурентное преимущество конкретному бизнесу - всегда нужны будут математики, способные стоить сложные не стандартные модели. Для классификации фотографий на домашнем ПК - вполне годное приложение.