Estoy de acuerdo con Shyam Sunder Kumar y Evgeni Stavinov, en esta etapa Tensor Flow tiene un alcance limitado en términos de la IA de las cosas. Pero dicho esto, es una implementación bastante simple, y si sus modelos disponibles satisfacen su problema, es útil hacer girar rápidamente la nube de Google para hacer el trabajo pesado si no tiene los recursos informáticos. Hay muchos proyectos geniales basados en Tensor Flow:
jtoy / awesome-tensorflow
Y parece estar creciendo en popularidad.
Pero hay muchos otros sistemas como BigML y Amazon ML para AWS que tienen buenas API que puede usar para acceder a su potencia de computación en la nube.
Actualmente, en Hunted Hive Digital Solutions usamos las soluciones ML basadas en la nube y TensorFlow solo para comparar y comparar soluciones internas. También hemos desarrollado nuestro propio clúster heterogéneo que puede usar computadoras locales, Digital Ocean Droplets y AWS CPU y GPU instancias y escalas de acuerdo con la demanda.
- ¿Cuál es la diferencia entre i) Inteligencia artificial, ii) Minería de datos, iii) Recuperación de información, iv) Procesamiento de lenguaje natural, y v) Aprendizaje automático y reconocimiento de patrones?
- Cómo hacer mi propio JARVIS
- ¿Estamos cerca de construir potencialmente una IA malvada?
- ¿Cómo se usa el aprendizaje automático en las finanzas cuantitativas?
- ¿Qué piensas sobre el auge del aprendizaje automático?
Esto se crea utilizando una colección de bibliotecas ML creadas para Python más un webstack concurrente de alta calidad. Algunas bibliotecas que utilizamos para ML incluyen:
– pandas
– Numpy
– Scikit-learn
– Theano
– Pylearn2
Entonces, la respuesta es Sí, pero solo debe considerarse otra herramienta para agregar a su CV. Pruebe Big ML y Amazon ML para AWS mientras lo hace. Pero, en última instancia, aprenda a construir y predecir con modelos usando Python, esto le dará mucha más flexibilidad para hacer ingeniería de características, filtrado avanzado y apilamiento de clasificadores / regresores.