L’apprentissage automatique en tant que service (MLaaS) est un gros problème sur le marché du cloud. Forbes a prédit que le marché mondial de l’apprentissage automatique passerait de 7,3 milliards de dollars à 30,6 milliards de dollars d’ici 2024. Pour alimenter cette croissance, les scientifiques des données et les ingénieurs ML sont chargés de créer davantage de modèles pour répondre aux besoins commerciaux toujours dynamiques des clients et des actionnaires.
Il n’est pas nécessaire d’avoir une connaissance approfondie des techniques de ML pour en tirer le meilleur parti, ce qui fait que BigML se démarque sur le marché.
Fondé en 2011 par l’entrepreneur en série Francisco J. Martin, BigML est un service ML qui offre une interface facile à utiliser pour importer des données et en tirer des prédictions. BigML vous permet de créer des modèles d’apprentissage automatique et d’apprentissage en profondeur sans avoir besoin de codage.
Dans une conversation exclusive avec Analytics India Magazine, Atakan Cetinsoy, vice-président, Applications prédictives chez BigML, a expliqué : « Notre mission a été de rendre le ML facile et beau pour tout le monde. Cela contraste avec les complexités introduites par les outils ML traditionnels, qu’il s’agisse de bibliothèques open source ou d’outils commerciaux. La prévoyance de notre équipe quant à l’importance du rôle que le ML peut jouer pour les entreprises a été irréprochable, comme l’a prouvé la dernière décennie. »
Pionnier dans le domaine
La première version de BigML a été lancée en 2012. L’équipe a commencé avec de simples arbres de décision et a ajouté de nombreux autres modèles d’apprentissage supervisés et non supervisés à la plate-forme à chaque version.
Les arbres de décision sont une méthode d’apprentissage supervisé utilisée pour construire un modèle qui prédit la valeur d’une cible variable en apprenant des règles de décision simples à partir des caractéristiques des données.
“À l’époque, le ML était principalement un sujet de recherche universitaire et n’avait pas encore rencontré le lexique des affaires. En conséquence, la plupart des réunions de vente du début des années 2010 ont commencé par expliquer ce qu’était le ML aux dirigeants d’entreprise. BigML a littéralement été le pionnier du mouvement ML-as-a-Service », a déclaré Cetinsoy.
L’interface utilisateur conviviale de la plate-forme (tableau de bord BigML) permet le ML sans code et ne nécessite que peu ou pas d’expérience en ML. “Si vous avez une formation, cela aide certainement, mais au fil des ans, nous avons vu de nombreux ingénieurs et experts commerciaux adopter le BigML, en commençant par des vidéos éducatives gratuites et éventuellement en continuant avec des certifications pour pouvoir créer des applications intelligentes au-dessus du BigML. Plate-forme. Nous fournissons également une documentation détaillée car nous ne croyons pas aux approches de ML en boîte noire », a-t-il ajouté.
Construit à partir de zéro
BigML a écrit tous ses algorithmes ML à partir de zéro au lieu d’assembler plusieurs packages open source pour offrir une expérience utilisateur final plus fluide et uniforme qui est très robuste. Cette approche a un coût initial de développement de produit plus élevé.
“Pourtant, après une décennie et plus d’un million de lignes de code source, nous sommes dans une très bonne position en ce qui concerne la maturité de notre plate-forme et l’expérience globale de l’utilisateur final”, a déclaré Cetinsoy.
En tant que pionnier de l’espace ML-as-a-Service, L’approche sans/faible code du ML de BigML élimine les barrières à l’entrée pour un public beaucoup plus large que les docteurs et les scientifiques des données que la plupart des autres outils ciblent. Il fournit une API REST qui fonctionne bien avec les langages de programmation tels que Python, Ruby et Java.
BigML offre de nombreux choix de liaison aux développeurs pour créer des flux de travail personnalisés avec leur langage de programmation préféré afin de résoudre un cas d’utilisation prédictive spécifique. En tant que première entreprise API, BigML a conçu l’une des API ML les plus complètes où non seulement les modèles, mais aussi les ensembles de données, les évaluations et bien d’autres artefacts de plate-forme sont des citoyens de première classe.
Il existe de nombreux fournisseurs d’outils dans l’espace logiciel ML. Dans un sens, toutes les plates-formes ML sont en concurrence avec la non-consommation sous la forme d’entreprises qui n’ont pas encore déployé de systèmes ML de production. Viennent ensuite les équipes informatiques internes qui cherchent à créer leurs propres plates-formes ML, ce qui est très coûteux et risqué, sauf si vous êtes un géant de la technologie.
Les anciens gardes comme IBM, SPSS et SAS ont rattrapé leur retard, cherchant à offrir des capacités de ML dans le cloud au cours des dernières années. Cependant, cela peut cannibaliser leur activité de logiciels statistiques traditionnels et n’a pas été une transformation radicale compte tenu des coûts élevés et des portefeuilles de produits déroutants. Cela laisse des startups financées par VC comme DataRobot, RapidMiner et Dataiku qui s’appuient sur un amalgame de bibliothèques open source sous le capot. En conséquence, leurs API sont à la traîne. Certains ont lutté contre le nouveau contexte macroéconomique compte tenu de leurs taux de consommation élevés.
“Bien que je ne puisse pas fournir de tableau de comparaison détaillé, je peux résumer que BigML arrive en tête en raison de sa courbe d’apprentissage fluide, de son accès gratuit au niveau qui permet à chacun de découvrir la plate-forme, de ses déploiements flexibles et de ses déploiements privés rentables”, a déclaré Cetinsoy.
Se concentrer sur les défis de l’écosystème actuel des développeurs, Cetinsoy a déclaré : « Les développeurs ont des choix à faire lorsqu’il s’agit de créer des applications prédictives intelligentes. Ceux-ci vont de modèles déjà formés exposés via des API qui peuvent traiter un cas d’utilisation ou un type de données spécifique (par exemple, la reconnaissance vocale) à des outils et bibliothèques open source avec des courbes d’apprentissage plutôt abruptes (par exemple, Tensorflow).
La dernière version de BigML est la détection d’objets, qui offre une capacité de détection d’objets incroyablement facile à utiliser. Avant cela, Image Processing a été publié, permettant aux utilisateurs de BigML de traiter les images comme un autre type de données. Les deux fonctionnalités récemment publiées sont extrêmement utiles pour aborder un large éventail de cas d’utilisation de la vision par ordinateur tels que l’analyse d’images médicales, le contrôle de la qualité dans la fabrication, la reconnaissance des plaques d’immatriculation dans les transports et la détection de personnes dans la surveillance de la sécurité.