Искусственный интеллект и машинное обучение давно стали частью обычной жизни — с их помощью работают faceID на смартфоне, поиск в интернете, инструменты вроде Grammarly для проверки орфографии, Алиса и Сири, системы «Умный дом» и многое другое. И все равно кажется, что это намного более сложная область, чем те, с которыми работают no-code и low-code разработчики.
Крутые зерокодинговые инструменты с искусственным интеллектом и машинным обучением уже давно существуют. Мы расскажем о пяти самых интересных из них.
Начните создавать приложения без кода на нашем бесплатном двухдневном марафоне!
MakeML: обнаружение и сегментация объектов
MakeML — зерокодинговая платформа, которая позволяет обнаруживать объекты и сегментировать их (object segmentation and detection). Именно так «видит» компьютер: определяет предметы, отделяет их друг от друга и анализирует, чтобы понять, чем они являются. За пару часов инструмент помогает разобраться в системе компьютерного зрения и встроить его в приложение — это нужно, например, для дополненной реальности, как в Pokémon GO.
У MakeML есть готовые туториалы, которые расскажут:
- как считать при помощи нейросети количество ударов мяча по земле;
- как распознавать стоимость почтовых марок;
- как «зажечь» свечу в дополненной реальности;
- как сделать приложение для «примерки» цвета ногтей.
Последнее работает и с другими частями тела — волосами, глазами, губами.
Teachable Machine: распознавание звуков, поз и изображений
Teachable Machine — low-code-платформа, которая научит компьютер обнаруживать и распознавать звуки, позы и изображения. Она работает как с записью, так и с готовыми видеороликами и звуковыми файлами. Научить систему определять позу можно даже при помощи веб-камеры.
Как и у MakeML, у Teachable Machine есть простые и понятные туториалы:
- как создать модель для определения спелости банана;
- как сделать так, чтобы система определяла звуки;
- как научить компьютер понимать, в какую сторону вы наклоняете голову.
Пользоваться инструментом тоже просто — писать код для этого не нужно.
Teachable Machine в том числе полезен людям с ограниченными возможностями. На нем основан Project Euphonia — он помогает распознавать речь людей с вербальными особенностями.
MonkeyLearn: категоризация фидбека от клиентов
MonkeyLearn визуализирует и сортирует фидбек. Эта зерокодинговая платформа строит чарты, анализирует тон отзывов, создает дашборды и помогает бизнесу при помощи машинного обучения. Она работает с текстом, в отличие от предыдущих двух инструментов.
Любой текст программа превращает в систему тегов — обнаруживает там важные для исследования слова вроде «заказ», «разозлило», «не понравилось», «понравилось», «дорого». На основе этого можно составить представление о том, что нужно клиентам, довольны ли они сервисом, что хотели бы улучшить. Для упрощения работы теги MonkeyLearn превращает в яркие и понятные дашборды.
«Мне очень понравилась моя новая зубная паста. Я использовал ее дважды в день на протяжении недели и заметил, что мои зубы стали светлее на несколько тонов. Она недешевая, но стоит своих денег».
Теги: Позитив — Использование — Польза — Цена
Платформа связывает разные составляющие бизнеса с использованием внутренних инструментов и других популярных решений — таких как Zapier.
Zapier — полезный для зерокодера инструмент. Почитайте о нем подробнее в нашем обзоре.
Модели машинного обучения можно создавать самостоятельно, а можно использовать пребилды, предлагаемые разработчиками.
Lobe: идентификация растений, счетчик заходов, распознавание поз и другое
Lobe — еще один ИИ-инструмент для тренировки моделей машинного обучения. С его помощью приложение можно научить распознавать вид растений, считать заходы во время тренировок, идентифицировать позы и эмоции, проверять безопасность на предприятии и многое другое.
Выгружать данные на облако не нужно — развернуть тренировочную площадку можно прямо на своем ПК на Windows или Mac.
Обучать систему очень легко, достаточно выгрузить картинки, классифицировать, а потом исправлять ошибки Lobe, пока он учится. С каждым заходом идентификация будет совершенствоваться. Больше данных — лучше результат.
По словам разработчиков, Lobe позволяет создавать фитнес-приложения, системы для наблюдения за поведением животных, делать инструменты для повышения безопасности на рабочем месте. Он дает возможность написать радио-няню, программу для контроля за лесными пожарами или кассу самообслуживания. Прикладных применений очень много!
Obviously AI: помощник для дата-сайентиста
Obviously AI за один клик разрабатывает модель машинного обучения и предоставляет прогноз. Это бесценный инструмент для аналитиков и дата-сайентистов, не требующий знания Python. Все решается за пару кликов и несколько минут.
Речь идет, например, о возможности спрогнозировать выручку компании, объем продаж, энергию, которая потребуется на реализацию проекта, изменений в популяции, повышения температуры. Способов применения у Obviously AI много — от бизнеса до научных исследований.
Один из кейсов платформы — компания под названием LearningLeaders, учебные курсы. За неделю им удалось построить алгоритм, который предсказывал уровень успешности студентов, а также выдавал список областей, на которые учащимся стоило обратить внимание для улучшения своих показателей. Точность предсказаний платформы достигла 80%, и компании удалось сэкономить на этом огромную сумму.
Low-code/no-code и искусственный интеллект отлично сочетаются. Зерокодинговые платформы помогают бизнесу сэкономить на штате аналитиков, предлагая автоматизированные модели машинного обучения. На инструментах вроде перечисленных выше создаются действительно сложные проекты — без кода или с минимальным его количеством.
