Suche
Neue Library für maschinelles Lernen

Machine Learning as a Service: AWS & Microsoft veröffentlichen ML Library Gluon

Hartmut Schlosser

 

© Shutterstock / Peshkova

AWS und Microsoft haben das neue Machine-Learning-Projekt Gluon vorgestellt. Gluon soll das Entwickeln und Trainieren von Deep-Learning-Modellen erleichtern und steht u.a. als Amazon Web Service zur Verfügung.

Machine Learning as a Service liegt im Trend. Derzeit entstehen immer mehr Cloud-Dienste für Entwickler, die ihre Anwendungen mit künstlicher Intelligenz ausstatten möchten. Ein neues Angebot dieser Art steht nun Nutzern der Amazon Web Services zur Verfügung: Gluon, eine Machine Learning Library von AWS und Microsoft.

Gluon – Machine Learning as a Service

Gluon ist ein Open Source Deep Learning Interface, mit dem sich performante Machine-Learning-Modelle erstellen lassen. Dafür steht ein API zur Verfügung, das den Zugriff auf eine Sammlung vorgefertigter neuronaler Netzwerkkomponenten erlaubt.

Die Erstellung neuronaler Netzwerke ist über einfache Codeanweisungen möglich und erschließt sich daher gerade Einsteigern in den Bereich, die nicht mehr gezwungen sind, Modelle händisch über mathematische Netzwerkdefinitionen und Gewichtungsfunktionen zu entwickeln.

Die Netzwerkdefinition von Gluon ist dynamisch und lässt sich wie jede andere Datenstruktur manipulieren. Genauso kann der Training-Algorithmus das Netzwerk dynamisch während der Training-Phase anpassen. Darüber hinaus stehen in Gluon Performance-Operatoren und dynamische Graphen zur Verfügung, die gänzlich neue Modellarchitekturen ermöglichen, ohne die Geschwindigkeit des Trainings zu beeinträchtigen.

Gluon ist Teil des Apache-Projektes MXNet und soll auch im kommenden Release des Microsoft Cognitive Toolkit enthalten sein. AWS-Nutzer erhalten Zugriff auf Gluon über den Service AWS Deep Learning AMI, in dem sich ca. 50 funktionsfähige Netzwerkbeispiele befinden. Die Spezifikationen des Gluon Interface finden sich auf GitHub.

Dossier Machine Learning

Maschinelles Lernen ist momentan einer der dynamischsten Innovationsbereiche der IT. Immer mehr Aspekte des Alltags werden von lernenden Systemen durchdrungen, angefangen bei den Sprachassistenten unserer Mobiltelefone, über personalisierte Internet-Werbung, Bildanalyse und Textübersetzung, bis hin zur Krebs- und Diabetes- Früherkennung.

Zur Einführung in das Thema empfehlen wir unser Dossier zum Maschinellen Lernen, das Sie hier kostenlos als PDF herunterladen können:

Dossier Machine Learning

Inhalt

Folgender Inhalt erwartet Sie:

  • Maschinelles Lernen mit Java: Eine Einführung – Artikel von Lars Schwabe
  • Machine Learning Experten-Check – Sechs Experten über die Faszination an der lernenden Maschine
  • TensorFlow: Der Weg des maschinellen Lernens – Artikel von Bernd Fondermann
  • “Wir sehen Anzeichen dafür, dass Machine-Learning-Systeme eigenen kreativen Output liefern” – Interview mit Bernd Fondermann
  • Künstliche neuronale Netze: Ein Machine-Learning-Beispiel mit Neuroph – Artikel von Dr. Valentin Steinhauer
  • Maschinelles Lernen: Vom Forschungsgegenstand zur Commodity – Interview mit Lars Schwabe
  • Einen eigenen Chatbot bauen – Artikel von Roman Schacherl und Daniel Sklenitzka
  • “Wir werden Sprachinteraktion zwischen Mensch und Maschine bald als einen ganz normalen Prozess erleben” – Interview mit Prof. Dr.-Ing. Dorothea Kolossa
Geschrieben von
Hartmut Schlosser
Hartmut Schlosser
Hartmut Schlosser ist Redakteur und Online-Koordinator bei Software & Support Media. Seine Spezialgebiete liegen bei Java-Enterprise-Technologien, JavaFX, Eclipse und DevOps. Vor seiner Tätigkeit bei S & S Media studierte er Musik, Informatik, französische Philologie und Ethnologie.
Kommentare

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht.