Apprentissage automatique Android
Bonjour, Habr! Je vous présente la traduction d'un article du magazine APC .L'apprentissage automatique et l'exploration de données sont les développements pratiques de l'IA, grâce auxquels des applications de divers sujets apparaissent, allant de l'aéronautique à la zoologie. Ces processus sont le plus souvent effectués dans le cloud, sur un PC ou un ordinateur portable, beaucoup moins souvent sur un smartphone.Cependant, récemment, une nouvelle application gratuite appelée «DataLearner» est apparue sur Google Play, avec laquelle vous pouvez extraire des données. Il ne nécessite pas de ressources externes et d'accès avec des privilèges de superutilisateur.Ressources informatiques pour smartphone
Beaucoup de gens croient à tort que l'apprentissage automatique et l'exploration de données nécessitent beaucoup de ressources de cloud computing, ou au moins un ordinateur puissant. Cependant, en fin de compte, cela se résume à la taille des données analysées et au type de machine learning que vous souhaitez appliquer.La formation en informatique a ses propres niveaux de difficulté. Si vous imaginez qu'une technique d'apprentissage en profondeur aussi récente que le réseau neuronal convolutif (CNN) est une voiture à haute densité de puissance, alors d'autres techniques, telles que l'arbre de décision et de nombreuses autres méthodes de formation «forestières», sont des «hayons» à chaud. Ils montrent d'excellents résultats, rapides et faciles, même avec des capacités de calcul limitées du CPU.Application de traitement de données
Google a récemment publié TensorFlow Lite. Cette application est destinée aux smartphones et à l'Internet des objets, conçue pour une formation approfondie des objets physiques. Cependant, DataLearner est allé dans l'autre sens. Il prend en charge les algorithmes de classification traditionnels tels que NaïveBayes et Random Fores. Tous seront stockés sur votre téléphone et ne nécessiteront pas la participation d'un tiers pour y accéder.DataLearner combine les composants principaux de l'application d'exploration de données open source Weka avec de nouveaux algorithmes d'apprentissage sur ordinateur développés par l'Université Charles Sturt en Australie. L'application est autonome, c'est-à-dire Ne nécessite pas de cloud computing ou de connexion Internet pour un fonctionnement normal. Le programme ne demande pas d'accès avec des privilèges de superutilisateur, ne recueille pas d'informations sur vous (à l'exception des données que Google reçoit des fichiers de démarrage sur Google Play) et est pris en charge sur tous les appareils exécutant Android 4.0 et supérieur. Il est facile à gérer grâce à une interface utilisateur simple composée de trois écrans principaux.Lorsque l'application démarre, un écran de chargement apparaît où vous pouvez télécharger des paquets de données CSV ou ARFF. Ils peuvent être enregistrés localement ou en téléchargement. Pour le format CSV, une ligne d'en-tête est nécessaire. Après le chargement, vous verrez des informations générales sur les données, y compris les types et le nombre de paramètres, ainsi que les attributs de classe.Choisissez votre algorithme
Si vous faites glisser l'écran vers la gauche, une fenêtre s'ouvre dans laquelle vous pouvez choisir l'un des 40 algorithmes pour la reconnaissance des formes dans le paquet de données. Récupération d'informations - il s'agit essentiellement de l'allocation de modèles dans les données et des relations entre divers attributs et attributs. Il n'y a pas d'algorithme parfait, et donc DataLearner vous offre un large éventail de choix. En plus du grand nombre d'algorithmes des développeurs de l'application Weka, la liste contient plusieurs nouvelles méthodes créées par le personnel de l'Université Charles Sturt, par exemple, ForestPA, SysFor et SPAARC.Exécutez votre algorithme
Ici, le plaisir commence.Vous n'avez rien d'autre à faire que d'appuyer sur le bouton "Exécuter". DataLearner fera le reste. Tout d'abord, il va construire un modèle de vos données, c'est-à-dire corrèle les attributs les uns avec les autres.L'attribut class définit la liste groupée à laquelle appartient chaque paquet de données. Par exemple, une version de démonstration standard d'un ensemble de données fournit des indicateurs météorologiques tels que la température, l'humidité, la direction du vent et les précipitations au cours des derniers jours. Et vous extrayez les données pour savoir s'il existe des tendances dans la façon dont ces indicateurs météorologiques se rapportent à la pluie ou non ce jour-là.L'application vérifie ensuite l'ensemble de règles ou le «modèle» créé à l'aide d'une méthode appelée «validation croisée en 10 passes» pour découvrir quelles sont ses capacités prédictives. En conséquence, vous obtenez une analyse mathématique, dont le résultat principal est le pourcentage de précision. Il apparaîtra en haut de l'écran.Cliquez sur le bouton «Afficher les détails / la matrice» en bas de l'écran et vous obtiendrez des informations plus détaillées sur le modèle et son fonctionnement. Ici, les informations sur les motifs seront présentées sous une forme plus visuelle.Vous devez également vous rappeler la quantité de données chargées pour le traitement: malgré les performances tant vantées des processeurs mobiles, vous ne devriez pas vous attendre à la même vitesse de leur part qu'avec AWS ou Google Cloud. N'attendez pas non plus que vous puissiez télécharger des données de trafic depuis Facebook au cours des dix dernières années depuis Facebook, et le programme les traitera pendant ... non, il ne les traitera jamais. Néanmoins, il existe de nombreuses applications avec des sources d'informations plus modestes, pour le traitement desquelles le smartphone serait parfait.Calculatrice de poche
DataLearner ne remplacera pas bientôt le machine learning basé sur le cloud, mais ce n'est pas son objectif. Au lieu de cela, l'application est une solution entièrement portable qui tient dans votre poche et ne nécessite pas de cordon d'alimentation ni de câble Internet. L'application peut être téléchargée gratuitement depuis Google Play . Le code source sous licence GPL3 est également disponible sur GitHub . Source: https://habr.com/ru/post/undefined/
All Articles