Top 20 Best AI and Machine Learning Software and Frameworks in 2020

2020년 최고의 인공지능 및 머신러닝 소프트웨어 및 프레임워크 Top 20

* 이 글은 UBUNTUPIT에 작성된 Mehedi Hasan의 글을 번역하였습니다.

우리 모두는 어린 시절부터 군인들이 최신 무기를 가지고 적절한 훈련을 필요로 한다는 것을 알고 있다. 그러면, 그들은 전쟁에서 이길 수 있다. 같은 방식으로, 데이터 과학자들은 우리가 무기라고 말하는 모든 것을 효율적이고 효과적인 머신러닝 소프트웨어, 도구 또는 프레임워크가 필요하다. 단점을 지우고 기계 또는 도구를 지능화하기 위해 필요한 교육 데이터를 사용하여 시스템을 개발한다. 오직 잘 정의된 소프트웨어만이 유익한 기계를 만들 수 있다.

하지만, 요즘 우리는 주변 환경에 대한 어떤 지시도 할 필요가 없는 방식으로 기계를 개발한다. 기계는 스스로 작동할 수 있고, 환경을 이해할 수 있다. 일례로 자율주행차가 있다. 현재 왜 기계가 그렇게 역동적인가? 다양한 하이엔드 머신러닝 플랫폼과 도구를 활용해 시스템을 개발하기 위한 것뿐이다.

최고의 머신러닝 소프트웨어 및 프레임워크

소프트웨어가 없으면 주어진 작업을 수행할 수 없기 때문에 컴퓨터는 빈 상자와 같다. 그와 마찬가지로 인간도 시스템을 개발하는 데 무력하다. 그러나 머신러닝 프로젝트를 개발하기 위해서 몇 가지 소프트웨어나 프레임워크를 이용할 수 있다. 나는 기사를 통해 20개의 최고의 기계 학습 플랫폼과 도구에 대해 이야기하려고 한다.

 

1. Google Cloud ML Engine

수천 개의 데이터에 대해 분류기를 학습하고 있다면, 노트북이나 PC가 잘 작동할 것이다. 하지만, 수백만 개의 학습데이터가 있다면? 아니면 알고리즘이 정교해서 실행하는데 시간이 오래 걸린다면? 이런 상황을 위해 Google Cloud ML Engine이 있다. 개발자와 데이터 과학자가 고품질 머신러닝 모델과 데이터셋을 개발하고 운영하는 호스트형 플랫폼이다.

이 머신러닝 & 인공지능 프레임워크의 통찰력

- AI 및 ML 모델 구축, 교육, 예측 모델링 및 딥러닝을 제공한다.

- 훈련과 예측의 두 서비스를 공동으로 또는 독립적으로 사용할 수 있다.

- 기업이 사용하는데, 즉 위성 이미지에서 클라우드를 감지하여 고객의 메일에 더 빠르게 응답하는데 사용된다.

- 복잡한 모델을 훈련시키는 데 사용될 수 있다.

 

2. Amazon Machine Learning (AML)

Amazon Machine Learning (AML)은 강력하고, 클라우드 기반의 머신러닝과 인공지능 소프트웨어로 개발자의 모든 스킬 레벨에서 활용할 수 있다. 이 관리 서비스는 기계 학습 모델을 구축하고 예측을 생성하는 데 사용된다. 다음과 같은 여러 소스의 데이터를 통합한다: Amazon S3, Redshift 또는 RDS.

이 인공지능 & 머신러닝 프레임워크의 통찰력

- Amazon Machine Learning은 시각화 도구와 마법사를 제공한다.

- 이진 분류, 다중 클래스 분류, 회귀 등 세 가지 유형의 모델을 지원한다.

- 사용자가 MySQL 데이터베이스에서 데이터 소스 개체를 만들 수 있도록 허용한다.

- 또한 Amazon Redshift에 저장된 데이터로부터 데이터 소스 객체를 만들 수 있다.

- 기본 개념은 데이터 소스, ML 모델, 평가, 배치 예측 및 실시간 예측이다.

 

3. Accord.NET

Accord.Net은 C#로 작성된 오디오 및 이미지 처리 라이브러리와 결합된 a .Net 기계 학습 프레임워크다. 광범위한 응용을 위한 여러 개의 라이브러리, 즉 통계 데이터 처리, 패턴 인식, 선형 대수 등으로 구성된다. Accord.Math, Accord.Statistics, and Accord.MachineLearning을 포함한다.

이 인공지능 프레임워크의 통찰력

- 생산급 컴퓨터 비전, 컴퓨터 오디션, 신호 처리 및 통계 응용 프로그램 개발에 사용된다.

- 40개 이상의 모수 및 비모수 통계 분포 추정으로 구성된다.

- 일방향 및 이원 분산 분석 테스트, Kolmogorov-Smirnov 테스트와 같은 비모수 테스트 등 35개 이상의 가설 테스트를 포함한다.

- 38개 이상의 커널 함수를 가지고 있다.

 

4. Apache Mahout

Apache Mahout은 분산된 선형대수 체계와 수학적으로 표현되는 Scala DSL이다. Apache 소프트웨어 재단의 무료 오픈 소스 프로젝트다. 이 프레임워크의 목표는 데이터 과학자, 수학자, 통계학자를 위한 알고리즘을 신속하게 구현하는 것이다.

이 인공지능 & 머신러닝 프레임워크의 통찰력

- 확장 가능한 알고리즘을 구축하기 위한 확장 가능한 프레임워크이다.

- 클러스터링, 추천, 분류 등 기계 학습 기법 구현한다.

- 매트릭스와 벡터 라이브러리를 포함한다.

- MapReduce 패러다임을 사용하여 Apache Hadoop의 상단을 실행하십시오.

 

5. Shogun

오픈소스 머신러닝 라이브러리인 Shogun는 1999년 Soeren Sonnenburg와 Gunnar Raetsch에 의해 처음 개발되었다. 이 도구는 C++로 되어 있다. 기계학습 문제에 대한 데이터 구조와 알고리즘을 제공한다. Python, R, Octave, Java, C#, Ruby, Lua 등 많은 언어를 지원한다.

이 인공지능 프레임워크의 통찰력

- 대규모 학습을 위해 설계되었다.

- 주로 분류와 회귀 문제를 위한 지원 벡터 머신과 같은 커널 머신에 초점을 맞춘다.

- LibSVM, LibLinear, SVMLight, LibOCAS 등과 같은 다른 AI 및 머신러닝 라이브러리에 연결할 수 있다.

- Python, Lua, Octave, Java, C#, Ruby, MatLab, R의 인터페이스를 제공한다.

- 1000만 개의 샘플처럼 방대한 양의 데이터를 처리할 수 있다.

 

6. Oryx 2

람다 건축의 실현인 Oryx 2. 이 소프트웨어는 Apache Spark와 Apache Kafka를 기반으로 만들어졌다. 실시간 대규모 기계학습과 인공지능에 쓰인다. 필터링, 분류, 회귀 및 클러스터링을 위한 패키지형 엔드 투 엔드 애플리케이션을 포함한 애플리케이션을 구축하기 위한 프레임워크다. 최신 버전은 Oryx 2.8.0이다.

이 인공지능 & 머신러닝 프레임워크의 통찰력

- Oryx 2는 Oryx 1 프로젝트의 업그레이드된 버전이다.

- 일반 람다 아키텍처 계층, ML 추상화를 제공하는 최상위 전문화, 동일한 표준 ML 알고리즘의 엔드 투 엔드 구현 등 3가지 계층으로 구성된다.

- 배치 계층, 속도 계층, 서빙 계층 등 세 개의 나란히 협력하는 계층으로 구성되어 있다.

- 계층 간에 데이터를 이동하고 외부 소스에서 입력을 받는 데이터 전송 계층도 있다.

 

7. Apache Singa

이 머신러닝과 AI 소프트웨어인 Apache Singa는 Zhejiang 대학교 데이터베이스 그룹과 2014년 싱가포르국립대학교 DB시스템 그룹에 의해 시작되었다. 이 소프트웨어는 주로 NLP(Natural Language Processing)와 이미지 인식에 사용된다. 게다가, 그것은 다양한 인기 있는 딥러닝 모델을 지원한다. 그것은 세 가지 주요 구성요소를 가지고 있다: 코어, IO 및 모델.

이 머신러닝 & 인공지능 소프트웨어에 대한 통찰력

- 확장 가능한 분산 교육을 위한 유연한 아키텍처

- 텐서 추상화는 보다 발전된 기계학습 모델에 허용된다.

- 하드웨어 장치에서 실행하기 위해 장치 추상화가 지원된다.

- 이 도구는 파일 및 데이터를 읽기, 쓰기, 인코딩 및 디코딩하기 위한 향상된 IO 클래스를 포함한다.

- 동기식, 비동기식 및 하이브리드 교육 프레임워크에서 실행된다.

 

8. Apache Spark MLlib

Apache Spark MLlib는 확장 가능한 기계 학습 라이브러리다. Hadoop, Apache Mesos, Cubernetes, 독립 실행형 또는 클라우드에서 실행된다. 또한, 그것은 여러 데이터 소스의 데이터에 접근할 수 있다. 분류의 경우 로지스틱 회귀 분석, 네이브 베이즈, 회귀 분석: 일반화된 선형 회귀 분석, 군집화: K-Means 등 여러 알고리즘이 포함된다. 워크플로우 유틸리티는 기능 변환, ML 파이프라인 구축, ML 지속성 등이다.

이 인공지능 & 머신러닝 프레임워크의 통찰력

- 사용의 용이성 Java, Scala, Python, R에서 사용할 수 있다.

- MLlib는 Spark의 API에 적합하며 Python 및 R 라이브러리에서 NumPy와 상호 운용된다.

- HDFS, HBase 또는 로컬 파일과 같은 Hadoop 데이터 소스를 사용할 수 있다. 따라서 Hadoop 워크플로우에 쉽게 연결할 수 있다.

- 고품질의 알고리즘을 포함하고 있으며 MapReduce보다 우수한 성능을 가지고 있다.

 

9. Google ML Kit for Mobile

당신은 모바일 개발자인가? 그렇다면, 구글의 안드로이드 팀은 기계 학습 전문 지식과 기술을 패키징하여 기기에서 실행될 수 있도록 더욱 강력하고, 개인화되고, 최적화된 앱을 개발할 수 있는 ML KIT를 제공한다. 텍스트 인식, 얼굴 감지, 이미지 라벨링, 랜드마크 감지 및 바코드 스캔 응용 프로그램에 이 도구를 사용할 수 있다.

이 머신러닝 & 인공지능 소프트웨어에 대한 통찰력

- 강력한 기술을 제공한다.

- 즉시 사용 가능한 솔루션 또는 사용자 지정 모델 사용한다.

- 특정 요구사항에 따라 장치 또는 클라우드 기반에서 실행된다.

- 키트는 구글의Firebase모바일 개발 플랫폼과 통합한 것이다.

 

10. Apple’s Core ML

애플의 Core ML은 머신러닝 모델을 앱에 통합하는 데 도움을 주는 머신러닝 프레임워크다. ML 모델 파일을 프로젝트에 삭제해야 하며, Xcode는 자동으로 Objective-C 또는 Swift 래퍼 클래스를 생성한다. 모델을 사용하는 것은 간단하다. 각 CPU와 GPU를 활용해 성능을 극대화할 수 있다.

이 인공지능 & 머신러닝 프레임워크의 통찰력

- 도메인별 프레임워크 및 기능의 기반 역할을 한다.

- Core ML은 이미지 분석을 위한 컴퓨터 비전, 자연어 처리를 위한 자연어, 학습된 의사결정 트리 평가를 위한 GameplayKit을 지원한다.

- 기기 성능에 최적화되어 있다.

- 그것은 낮은 수준의 primitive 위에 구축된다.

 

11. Matplotlib

Matplotlib는 Python 기반의 기계 학습 라이브러리다. 품질 시각화에 유용하다. 기본적으로 Python 2D Plotting 라이브러리다. MATLAB에서 유래한다. 생산 품질 시각화를 생성하려면 몇 줄의 코드만 작성하면 된다. 이 도구는 어려운 구현을 쉬운 것으로 바꾸는 데 도움이 된다. 예를 들어 히스토그램을 생성하려면 개체를 인스턴스화할 필요가 없다. 메소드를 호출하고 속성을 설정하면 생성된다.

이 인공지능 & 머신러닝 프레임워크의 통찰력

- 몇 줄의 코드로 품질 시각화 생성한다.

- Python scripts, the Python and IPython shells, the Jupyter notebook, 웹 애플리케이션 서버 등에 사용할 수 있다.

- 플롯, 히스토그램, 전력 스펙트럼, 막대 차트 등을 생성할 수 있다.

- Seaborn, ggplot, HoloViews 등 타사 시각화 패키지로 기능성을 높일 수 있다.

 

12. TensorFlow

머신러닝 어플리케이션과 함께 일하는 머신러닝과 인공지능 애호가들은 모두 TensorFlow를 알고 있다고 생각한다. 머신러닝 모델 개발에 도움을 주는 오픈소스 머신러닝 라이브러리다. 구글 팀은 그것을 개발했다. 연구자와 개발자가 머신러닝 애플리케이션을 구축하고 배치할 수 있는 도구, 라이브러리 및 자원의 유연한 체계를 갖추고 있다.

이 인공지능 & 머신러닝 프레임워크의 통찰력

- 엔드 투 엔드 딥러닝 시스템이다.

- Keras와 같은 직관적인 고급 API를 사용하여 ML 모델을 쉽게 구축하고 교육하십시오.

- 이 오픈 소스 소프트웨어는 매우 유연하다.

- 데이터 흐름 그래프를 사용하여 숫자을 수행한다.

- 실행형 CPU 또는 GPU 및 모바일 컴퓨팅 플랫폼에서도 사용 가능하다.

- 모델을 효율적으로 교육하고 클라우드에 배치하십시오.

 

13. Torch

과학적 알고리즘을 구축하기 위해 최대한의 유연성과 속도를 갖춘 프레임워크가 필요하십니까? 그렇다면, Torch는 당신을 위한 것이다. 인공지능과 머신러닝 알고리즘을 지원한다. Lua 프로그래밍 언어를 기반으로 한 사용이 간편하고 효율적인 스크립팅 언어다. 또한 이 오픈소스 머신러닝 프레임워크는 광범위한 딥러닝 알고리즘을 제공한다.

이 머신러닝 & 인공지능 소프트웨어에 대한 통찰력

- 인덱싱, 슬라이싱 및 트랜스포징에 많은 루틴을 지원하는 강력한 N차원 어레이를 제공한다.

- LuaJIT를 통해 C와 훌륭한 접점을 가지고 있다.

- 빠르고 효율적인 GPU를 지원한다.

- 이 프레임워크는 iOS 및 Android 지원 포트로 내장된다.

 

14. Azure Machine Learning Studio

예측 분석 모델을 개발하기 위해 무엇을 하는가? 일반적으로 단일 출처나 복수의 출처로부터 데이터를 수집한 다음, 데이터 조작과 통계 기능을 이용하여 데이터를 분석하여 최종적으로 출력을 생성한다. 따라서, 모델을 개발하는 것은 반복적인 과정이다. 우리는 우리가 원하고 유용한 모델을 얻을 때까지 그것을 수정해야 한다.

Microsoft Azure Machine Learning Studio는 데이터에 예측 분석 솔루션을 구축, 테스트 및 배포하는 데 사용할 수 있는 협업형 드래그 앤 드롭 툴이다. 이 도구는 모델을 사용자 정의 앱이나 BI 도구에 의해 소비될 수 있는 웹 서비스로 게시한다.

이 인공지능 & 머신러닝 프레임워크의 통찰력

- 예측 분석 모델을 신속하게 구축하고 테스트하며 반복할 수 있는 대화형 시각적 작업 공간을 제공한다.

- 프로그래밍이 필요하지 않다. 예측 분석 모델을 구축하기 위해 데이터셋과 모듈을 시각적으로 연결하기만 하면 된다.

- 드래그 앤 드롭 데이터셋과 모듈의 연결은 당신이 머신러닝 스튜디오에서 실행해야 하는 실험을 형성한다.

- 마지막으로 웹 서비스로 게시해야 한다.

 

15. Weka

Weka는 데이터 마이닝 작업을 위한 광범위한 기계 학습 알고리즘을 가지고 있는 Java의 머신러닝 소프트웨어다. 데이터 작성, 분류, 회귀, 클러스터링, 연관 규칙 마이닝 및 시각화를 위한 여러 도구로 구성된다. 당신은 연구, 교육, 응용에 이것을 사용할 수 있다. 이 소프트웨어는 플랫폼에 독립적이며 사용하기 쉽다. 또한 스크립팅 실험에도 유연하다.

이 인공지능 소프트웨어의 통찰력

- 이 오픈소스 머신러닝 소프트웨어는 GNU General Public License에 따라 발행된다.

- 딥러닝을 지원한다.

- 예측 모델링 및 시각화를 제공한다.

- 학습 알고리즘을 비교하기 위한 환경이다.

- 데이터 시각화를 포함한 그래픽 사용자 인터페이스다.

 

16. Eclipse Deeplearning4j

Eclipse DeepLearning4j는 Java Virtual Machine(JVM)을 위한 오픈 소스 딥러닝 라이브러리다. Skymind라는 샌프란시스코 회사가 만들었다. Eclipse DeepLearning4j는 Java로 쓰여지고 Scala, Clojure, Kotlin과 같은 JVM 언어와 호환된다. Eclipse DeepLearning4j의 목표는 인공지능과 통합되는 애플리케이션을 개발하기 위한 중요한 구성요소 세트를 제공하는 것이다.

이 인공지능 & 머신러닝 프레임워크의 통찰력

- 심층 신경망을 구성할 수 있다.

- 데이터 전처리에서 분산 교육, 하이퍼 매개변수 최적화 및 프로덕션 등급 구축에 이르는 전체 딥러닝 워크플로우를 다룬다.

- 대규모 엔터프라이즈 환경을 위한 유연한 통합을 제공한다.

- IoT(Internet of Things) 구축을 지원하기 위해 edge에 활용된다.

 

17. scikit-learn

잘 알려진 이 무료 기계 학습 라이브러리는 Python 기반 프로그래밍을 위해 학습된다. 여기에는 support vector machines, random forests, gradient boosting k-means 등의 분류, 회귀 및 클러스터링 알고리즘이 포함되어 있다. 이 소프트웨어는 쉽게 접근할 수 있다. 한 종류의 모델에 대해 Scikit-Learn의 주요 사용과 구문을 배운다면, 새로운 모델이나 알고리즘으로 전환하는 것은 매우 쉽다.

이 인공지능 & 머신러닝 프레임워크의 통찰력

- 데이터 마이닝 및 데이터 분석 작업을 위한 효율적인 도구다.

- NumPy, SciPy, matplotlib를 기반으로 한다.

- 이 도구를 다양한 맥락에서 재사용할 수 있다.

- 또한, 그것은 BSD 라이선스 하에서 상업적으로 사용될 수 있다.

 

18. Microsoft Distributed Machine learning Toolkit

오늘날 분산 머신러닝은 빅데이터 시대에 뜨거운 연구 이슈다. 따라서, Microsoft 아시아 연구소의 연구원들은 이 도구인 Microsoft Distributed Machine Learning Toolkit을 개발했다. 이 툴킷은 복잡한 문제를 해결하기 위해 여러 대의 컴퓨터를 병렬로 사용하는 분산형 머신러닝을 위해 설계되었다. 빅데이터에 대한 머신러닝 과제를 만드는 파라미터 서버 기반 프로그래밍 프레임워크가 담겨 있다.

이 인공지능 & 머신러닝 프레임워크의 통찰력

- 이 툴킷은 DMTK Framework, LightLDA, Distributed Word Embedding, LightGBM의 몇 가지 구성 요소로 구성된다.

- 확장성이 뛰어나고 부스팅 트리 프레임워크다. (GBDT, GBRT, GBM 지원)

- 분산된 머신러닝의 오류를 줄이기 위해 사용하기 쉬운 API를 제공한다.

- 이 툴킷을 통해 연구자와 개발자는 빅데이터, 빅모델 머신러닝 문제를 효율적으로 처리할 수 있다.

 

19. ArcGIS

지리정보시스템(GIS)인 ArcGIS는 기존의 기계학습 기법 외에 고유의 공간과 함께 기계학습 기법의 일부를 가지고 있다. 기존의 공간 기계 학습 기법 및 고유의 공간 기계 학습 기법 모두 공간 문제를 해결하는 데 중요한 역할을 한다. 그것은 개방적이고 상호운용 가능한 플랫폼이다.

이 인공지능 소프트웨어의 통찰력

- 예측, 분류 및 군집화에서 ML 사용을 지원한다.

- 이미지 분류부터 공간 패턴 검출까지의 다변량 예측과 같은 광범위한 공간 응용을 해결하는 데 사용된다.

- ArcGIS에는 예측 분석을 수행하는 데 사용되는 회귀 및 보간 기법이 포함되어 있다.

- empirical Bayesian kriging (EBK), areal interpolation, EBK regression prediction, ordinary least squares (OLS) regression, OLS exploratory regression, and geographically weighted regression (GWR) 등 여러 도구를 포함한다.

 

20. PredictionIO

Apache PredictionIO 개발자와 데이터 과학자가 인공지능과 머신러닝 과제를 위한 예측 엔진을 구축할 수 있도록 스택 위에 개발된 오픈소스 머신러닝 서버 IO다. 예측의 세 가지 요소로 구성된다: IO 플랫폼, 이벤트 서버 및 템플릿 갤러리.

이 AI & 머신러닝 프레임워크의 통찰력

- Spark MLLib 및 OpenNLP와 같은 기계 학습 및 데이터 처리 라이브러리를 지원한다.

- 간편하게 데이터 인프라를 관리 할 수 있다.

- 웹 서비스로서의 엔진을 효율적으로 구축하고 배치하십시오.

- 동적 쿼리에 실시간으로 응답 가능하다.

 

Ending Thoughts

머신러닝 알고리즘은 여러 통합 소스와 이전 경험을 통해 학습할 수 있다. 이런 종류의 기술로, 어떤 일이든 역동적으로 수행할 수 있다. 머신러닝 소프트웨어 또는 플랫폼은 이 뛰어난 사양을 가진 머신을 개발하는 것을 목표로 한다. 만약 여러분이 인공지능과 머신러닝을 처음 접한다면, 우리는 여러분이 이 일련의 머신러닝 과정을 거치는 것을 권장한다. 그것은 당신이 프로젝트를 개발하는 데 도움이 될 것이다. 바라건대, 이 기사는 당신이 요구하는 다양한 인공지능과 머신러닝 소프트웨어, 도구, 그리고 프레임워크에 대해 알 수 있도록 도와준다. 제안이나 문의 사항이 있으시면 언제든지 저희 의견란에 문의하십시오.

 

번역 - 핀인사이트 인턴연구원 김영현

​원문 보러가기 >

https://www.ubuntupit.com/best-ai-and-machine-learning-software-and-frameworks/