ノーコード プラットフォーム トップ 8: 2020 年に見逃せない機械学習プラットフォーム

この記事は、公開アカウント「Reading the Core」（ID: AI_Discovery）から転載したものです。

2020 年代の変わり目には、AI の力を活用してよりスマートなソフトウェア製品を構築しようとする企業が増え、ノーコード AI プラットフォームの数が急増しました。しかし、多くの人にとって、この願いを叶えることは困難です。

スタートアップにとって、機械学習の専門知識を持つ人材を見つけることは困難です。多くの企業は、機械学習の博士号や学術研究のバックグラウンドを持つエンジニアの採用に多額の投資を行ってきましたが、独自の製品を発売することに失敗しています。

[[346558]]

このような背景から、コード不要のビジュアル ドラッグ アンド ドロップ ツールが登場し始めています。これらは、データ サイエンティストのギャップを埋め、技術者以外の人々にとって AI がそれほど威圧的でない存在となることに役立ちます。これらにより、企業はコーディングの知識がほとんどなくても、あるいはまったくなくても、データセットを生成し、モデルを最短時間でトレーニングおよび展開できるようになり、非常にコスト効率が高くなります。

機械学習を組み込んだデバイスは現在需要が高いため、これはモバイル アプリ開発者にとって間違いなく隠れたメリットです。トレーニングしたいデータやモデルを創造的に扱うために、機械学習の博士号を取得する必要はありません。

この記事では、現在利用可能な最高のノーコード機械学習ツールをいくつか紹介します。完全に無料のものもあれば、無料試用期間後に料金が発生するものもあり、各ツールはユーザーが AI アプリケーションのアイデアを実現するのに役立ちます。

MLの作成

iOS 開発者としては、Apple のコード不要のドラッグ アンド ドロップ ツール CreateML から始めるのが良いでしょう。もともと Xcode とともにリリースされた CreateML は、現在ではいくつかの事前トレーニング済みモデル テンプレートが付属するスタンドアロンの macOS アプリケーションになっています。

転移学習技術を使用することで、ユーザーは独自のカスタム モデルを構築できます。画像分類からスタイル転送、自然言語処理からレコメンデーション システムまで、ほぼすべてをカバーしており、ユーザーが行う必要があるのは、必要な形式でトレーニング データと検証データを渡すことだけです。

さらに、ユーザーはトレーニングを開始する前にメトリックを微調整し、独自の反復回数を設定できます。 CreateML は、スタイル転送などのモデルの検証データに関するリアルタイムの結果を提供します。最後に、ユーザーが iOS アプリケーションでテストおよびデプロイできる CoreML モデルを生成します。

オートML

Apple は CreateML でリードしており、Google もそれに続いています。 AutoML ツールは、クラウド上ではありますが、CreateML とほぼ同じように動作します。

現在、Google のクラウド AutoML 機械学習製品には、ビジョン (画像分類)、自然言語、AutoML 翻訳、ビデオ インテリジェンス、テーブルが含まれます。機械学習の知識が限られている開発者でも、ユースケースに特化したモデルをトレーニングできます。 Cloud AutoML は、完全にテストされたディープラーニング モデルをすぐに使用できるようにサポートするため、開発者が転移学習やニューラル ネットワークの作成方法に関する知識を持っている必要はありません。

モデルのトレーニングが完了すると、ユーザーはモデルをテストし、.pb、.tflite、CoreML などの形式でエクスポートできます。

メイクML

MakeML は、コード不要のオブジェクト検出およびセマンティック セグメンテーション モデルを作成するための開発ツールです。 iOS 開発者がデータセット (画像内のオブジェクトに注釈を付けるなど) を作成および管理するための macOS アプリケーションを提供します。また、数回クリックするだけでニューラル ネットワークをトレーニングできる、無料のコンピューター ビジョン データセットがいくつか含まれたデータセット リポジトリもあります。

MakeML はすでに、ボール追跡などのモーション アプリケーションでその可能性を示しています。さらに、ネイルとジャガイモのセグメンテーション モデルをトレーニングするためのエンドツーエンドのチュートリアルが用意されており、機械学習を専門としない開発者でも簡単に理解できるはずです。ビデオ上で実行される組み込みの注釈ツールを使用することで、ユーザーはクリケットやテニスの試合を鋭敏に検出するツールを構築できます。

フリッツAI

Fritz AI は、モバイル開発者とデータ サイエンティストの間のギャップを埋めるのに役立つ、成長を続ける機械学習プラットフォームです。 iOS および Android 開発者は、モデルを迅速にトレーニングしてデプロイしたり、モデルのようなすぐに使用できるスタイル転送、画像セグメンテーション、ポーズ推定機能を提供する事前トレーニング済みのソフトウェア開発キット (SDK) を使用したりできます。

同社の FritzAI Studio は、データ注釈ツールと合成データを提供することでデータセットをシームレスに生成し、ユーザーがアイデアをすぐに本番環境対応のアプリケーションに変換できるようにします。 Fritz AI の機械学習プラットフォームは、Apple に先駆けてスタイル転送のサポートを導入するだけでなく、モデルの再トレーニング、分析、簡単な展開、攻撃に対する防御のためのソリューションも提供します。

ランウェイML

これは、クリエイターやメーカー向けに特別に設計された機械学習プラットフォームでもあります。優れたビジュアルインターフェースエクスペリエンスを備えており、コードを書いたり考えたりすることなく、テキストから画像生成 (GAN)、モーションキャプチャ、オブジェクト検出など、さまざまなモデルをすばやくトレーニングできます。 RunwayML を使用すると、ユーザーは超解像度画像、背景減算、スタイル転送などのさまざまなモデルを参照できます。

アプリからモデルをエクスポートするには料金がかかりますが、デザイナーはいつでも、事前トレーニング済みの生成的敵対的ネットワーク機能を活用して、プロトタイプから新しい画像を合成できます。

彼らのハイライトの一つは、ユーザーが文章を入力すると画像を合成できる生成エンジンです。ユーザーは、masOS または Windows にアプリケーションをダウンロードするか、ブラウザで直接使用することができます (現在はまだテスト段階です)。

明らかにAI

明らかに、AI は最先端の自然言語処理を使用して、ユーザー定義の CSV データに対して複雑なタスクを実行します。アイデアは、データセットをアップロードし、予測列を選択し、自然言語で質問を入力して結果を予測することです。

プラットフォームは、ユーザーが機械学習モデルをトレーニングするための適切なアルゴリズムを選択します。収益を予測する場合でも、在庫要件を予測する場合でも、数回クリックするだけで簡単に予測レポートを作成できます。これは、社内にデータサイエンスチームを持たないが、人工知能の分野に関わりたい中小企業にとって非常に役立ちます。

明らかに、AI により、ユーザーは MySQL、Salesforce、RedShift などの他のソースからデータを統合できます。線形回帰やテキスト分類が何であるかを知らなくても、ユーザーはプラットフォームを使用してデータの予測分析を実行することもできます。

スーパーアノテーション

機械学習プロジェクトの開発では、モデルのトレーニングに加えて、データ処理にも多くの時間がかかります。データのクリーニングとラベル付けは、特に何万枚もの画像を扱う場合には、確かに時間がかかります。

SuperAnnotate は、機械学習機能、特に転移学習を通じてデータ注釈プロセスを高速化する AI 注釈プラットフォームです。画像とビデオの注釈ツールを使用することで、ユーザーは組み込みの予測モデルの助けを借りてデータに素早く注釈を付けることができます。これにより、オブジェクト検出データセットの生成と画像セグメンテーションがより簡単かつ迅速になります。 SuperAnnotate は、ビデオ フレームでよく見られる繰り返しデータ注釈も処理できます。

学習可能なマシン

AutoML は開発者にとってそれほどフレンドリーではありませんが、同じく Google が所有する Teachable Machines は異なります。後者を使用すると、ユーザーはブラウザから直接画像、音声、ジェスチャを認識するモデルを迅速にトレーニングできます。

ユーザーは、ファイルをドラッグ アンド ドロップしたり、Web カメラ経由で画像や音声の簡単なデータセットを作成したりするだけで、モデルをトレーニングできます。 Teachable Machine はブラウザで Tensorflow.js ライブラリを使用し、トレーニングしたデータがデバイス上に残るようにします。

コーディングの知識がなくても機械学習の機能を利用したい人にとって、Google は間違いなく大きな前進を遂げました。最終モデルは Tensorflow.js または tflite 形式でエクスポートでき、ユーザーはそれを Web サイトやアプリケーションで使用できます。また、ユーザーは Onyx を使用してモデルをさまざまな形式に変換することもできます。以下は、1 分以内にトレーニングした簡単な画像分類モデルです。

SnapML は、独自のカスタム モデルをトレーニングまたはアップロードして Snap Lenses で使用できる、もう 1 つの優れたコード不要の機械学習ツールです。これは間違いなく、独立した開発者やクリエイターが創造性を発揮するのに役立つでしょう。これらのツールは機械学習をより楽しくします。

コード不要の機械学習プラットフォームは、データ サイエンティストと機械学習以外の実践者との間のギャップを埋めることができます。この記事は網羅的ではありませんが、モデルをすばやく構築したりデータセットを生成したりするためのプラットフォームをいつでも選択できます。