ΜΑΘΗΜΑ 10ο: PROMPT ENGINEERING ΓΙΑ "AI"

ΜΟΝΤΕΛΑ ΜΗΧΑΝΙΚΗΣ ΜΑΘΗΣΗ ΠΟΥ ΠΡΟΣΦΕΡΟΥΝ ΟΙ ΕΤΑΙΡΕΙΕΣ ΓΙΑ ΧΡΗΣΗ

Πριν προχωρήσουμε στα μαθήματα ας δούμε ποιες εταιρείες προσφέρουν προγράμματα για την εφαρμογή μοντέλων μηχανικής μάθησης (Machine Learning Models) και βαθιάς μάθησης (Deep Learning Models).

Ας δούμε μερικές από τις σημαντικότερες εταιρείες και τις πλατφόρμες τους που καλύπτουν τα διάφορα μοντέλα ανά κατηγορία:

1. Γραμμικά Μοντέλα (Linear Models)

Τα γραμμικά μοντέλα είναι τα πιο απλά μοντέλα στη μηχανική μάθηση. Εξετάζουν τα δεδομένα ως γραμμικά διαχωρίσιμα και προσπαθούν να μάθουν την βαρύτητα κάθε μεταβλητής «στόχο» χρησιμοποιώντας γραμμική συνάρτηση των χαρακτηριστικών εισόδου.

Πολλές καταστάσεις της πραγματικής ζωής ακολουθούν γραμμικές σχέσεις μεταξύ εξαρτημένων και ανεξάρτητων μεταβλητών.

Μερικά από τα παραδείγματα είναι:

α) Η σχέση μεταξύ του σημείου βρασμού του νερού και της αλλαγής του υψομέτρου.

β) Η σχέση μεταξύ των δαπανών για διαφημίσεις και των εσόδων ενός οργανισμού.

γ) Η σχέση μεταξύ της ποσότητας του λιπάσματος που χρησιμοποιείται και της απόδοσης των καλλιεργειών.

δ) Η απόδοση των αθλητών και το πρόγραμμα προπόνησής τους.

ε) Ένας αναλυτής θα ενδιαφερόταν να δει πώς η κίνηση της αγοράς επηρεάζει την τιμή της ExxonMobil (XOM). Η τιμή του δείκτη S&P 500 θα είναι η ανεξάρτητη μεταβλητή ή προγνωστικός παράγοντας, ενώ η τιμή του XOM είναι η εξαρτημένη μεταβλητή.

στ) Μια τράπεζα θέλει να προβλέψει εάν ένας πελάτης θα αθετήσει το δάνειό του με βάση το πιστωτικό παρελθόν και το εισόδημά του. Οι ανεξάρτητες μεταβλητές θα είναι η πιστωτική αξιολόγηση και το εισόδημα, ενώ η εξαρτημένη μεταβλητή θα είναι εάν ο πελάτης εκτιμάται ότι θα αθετήσει (1) ή όχι (0).

ΕΤΑΙΡΕΙΕΣ ΠΟΥ ΠΡΟΣΦΕΡΟΥΝ ΣΤΗΝ ΑΓΟΡΑ ΓΡΑΜΜΙΚΑ ΜΟΝΤΕΛΑ (Linear Models)

α) Google Cloud AI Platform

• Προσφέρει εργαλεία γραμμικής παλινδρόμησης (Linear Regression) και λογιστικής παλινδρόμησης (logistic Regression) ως μέρος της πλατφόρμας τους για μηχανική μάθηση.

β) Amazon Web Services (AWS) - SageMaker

• Παρέχει εργαλεία για γραμμική παλινδρόμηση και λογιστική παλινδρόμηση μέσω της πλατφόρμας SageMaker.

γ) Microsoft Azure Machine Learning

• Υποστηρίζει γραμμικά μοντέλα γραμμικής και λογιστικής παλινδρόμησης.

2. Μοντέλα Δέντρων Αποφάσεων (Decision Trees Models)

ΕΤΑΙΡΕΙΕΣ ΠΟΥ ΠΡΟΣΦΕΡΟΥΝ ΣΤΗΝ ΑΓΟΡΑ ΜΟΝΤΕΛΑ ΔΕΝΔΡΩΝ ΑΠΟΦΑΣΕΩΝ

α) Google Cloud AI Platform

• Υποστηρίζει δέντρα αποφάσεων (Decision Trees) , τυχαία δάση (Random Forests) και ενισχυμένα δέντρα (Gradient-Boosted Decision trees GBM).

β) Amazon Web Services (AWS) - SageMaker

• Προσφέρει τυχαία δάση και ενισχυμένα δέντρα μέσω ενσωματωμένων αλγορίθμων.

γ) Microsoft Azure Machine Learning

• Παρέχει υποστήριξη για μοντέλα δέντρων αποφάσεων, συμπεριλαμβανομένων τυχαίων δασών και GBM.

3. Υποστηρικτικές Διανυσματικές Μηχανές (Support Vector Machines - SVM)

ΕΤΑΙΡΕΙΕΣ ΠΟΥ ΠΡΟΣΦΕΡΟΥΝ ΥΠΟΣΤΗΡΙΚΤΙΚΕΣ ΔΙΑΝΥΣΜΑΝΤΙΚΕΣ ΜΗΧΑΝΕΣ

α) Google Cloud AI Platform

• Υποστηρίζει SVM μέσω των εργαλείων TensorFlow (βιβλιοθήκη λογισμικού ανοιχτού κώδικα για μηχανική μάθηση και τεχνητή νοημοσύνη) και Scikit-learn (ανοιχτού κώδικα βιβλιοθήκη μηχανικής εκμάθησης για τη γλώσσα προγραμματισμού Python).

β) Amazon Web Services (AWS) - SageMaker

• Παρέχει SVM μέσω της πλατφόρμας SageMaker (απλό εργαλείο για την προγνωστική ανάλυση δεδομένων για γλώσσα προγραμματισμού Python) με προκαθορισμένους αλγορίθμους.

γ) Microsoft Azure Machine Learning

• Υποστηρίζει SVM μέσω των εργαλείων Azure ML (ολοκληρωμένη πλατφόρμα μηχανικής εκμάθησης που υποστηρίζει τη βελτίωση και την ανάπτυξη μοντέλων γλώσσας) και ενσωμάτωσης με Scikit-learn (ανοιχτού κώδικα βιβλιοθήκη μηχανικής εκμάθησης για τη γλώσσα προγραμματισμού Python).

4. Νευρωνικά Δίκτυα

ΕΤΑΙΡΕΙΕΣ ΠΟΥ ΠΡΟΣΦΕΡΟΥΝ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ

α) Google Cloud AI Platform

• Υποστηρίζει νευρωνικά δίκτυα μέσω TensorFlow (βιβλιοθήκη λογισμικού ανοιχτού κώδικα για μηχανική μάθηση και τεχνητή νοημοσύνη) και Keras (βιβλιοθήκη νευρωνικών δικτύων υψηλού επιπέδου που τρέχει πάνω από το TensorFlow) για MLP (Multi-Layer Perceptrons), CNN (Convolutional Neural Networks), RNN (Recurrent Neural Networks) και Transformers.

• Το Multi Layer Perceptron (MLP) είναι ένα πλήρως συνδεδεμένο νευρωνικό δίκτυο. Το δίκτυο αποτελείται από πολλαπλά στρώματα perceptrons (νευρώνες). Αυτά τα δίκτυα λαμβάνουν την είσοδο και την περνούν μέσα από στρώματα νευρώνων (η διαδικασία ονομάζεται διάδοση προς τα εμπρός - forward propagation) προκειμένου να εξαγάγουν τα υποκείμενα μοτίβα και εξαρτήσεις. Διαφορετικοί τύποι προβλημάτων Μηχανικής Μάθησης μπορούν να λυθούν χρησιμοποιώντας αυτά. (Σχήμα 1).

• Το RNN (Recurrent Neural Network): ειδικός τύπος νευρωνικών δικτύων που μπορεί να λύσει προβλήματα εξαρτώμενων από το χρόνο και διαδοχικών δεδομένων. Για παράδειγμα δεδομένα χρονοσειρών, προβλήματα επεξεργασίας φυσικής γλώσσας (NLP) όπως ανάλυση συναισθήματος κειμένου, πρόβλεψη λέξεων και ούτω καθεξής. Σε αυτούς τους τύπους προβλημάτων η αλληλουχία των δεδομένων εισόδου είναι πολύ σημαντική και αυτά τα δίκτυα είναι ικανά να αποθηκεύουν και να επεξεργάζονται αυτές τις πληροφορίες. Σε αυτά τα δίκτυα η έξοδος από το προηγούμενο χρονικό βήμα μεταβιβάζεται επίσης ως είσοδος στο επόμενο χρονικό βήμα (Σχήμα 2).

• Το CNN (Συνελισσόμενα Νευρωνικά Δίκτυα): ειδικός τύπος νευρωνικών δικτύων που χρησιμοποιούνται ευρέως για την επίλυση προβλημάτων που σχετίζονται με την όραση υπολογιστή, δηλαδή την επεξεργασία εικόνων και βίντεο. Η αρχιτεκτονική του CNN εστιάζει στην εξαγωγή χαρακτηριστικών και προτύπων από αυτά τα αδόμητα δεδομένα και τα επεξεργάζεται. Τα προβλήματα που μπορούν να λυθούν με χρήση του CNN περιλαμβάνουν: Ταξινόμηση εικόνων, Ανίχνευση αντικειμένων και ούτω καθεξής (Σχήμα 3).

β) Amazon Web Services (AWS) - SageMaker

• Παρέχει εργαλεία για εκπαίδευση και ανάπτυξη νευρωνικών δικτύων με TensorFlow, Apache MXNet (πλαίσιο λογισμικού βαθιάς μάθησης ανοιχτού κώδικα που εκπαιδεύει και αναπτύσσει βαθιά νευρωνικά δίκτυα. Στόχος του είναι να είναι επεκτάσιμο, επιτρέπει γρήγορη εκπαίδευση μοντέλων και υποστηρίζει ένα ευέλικτο μοντέλο προγραμματισμού και πολλές γλώσσες προγραμματισμού), και PyTorch (βιβλιοθήκη μηχανικής εκμάθησης, για εφαρμογές όπως η όραση υπολογιστή και η επεξεργασία φυσικής γλώσσας).

γ) Microsoft Azure Machine Learning

• Υποστηρίζει νευρωνικά δίκτυα με χρήση PyTorch, TensorFlow, και Keras.

5. Μοντέλα Ομαδοποίησης (Clustering)

ΕΤΑΙΡΕΙΕΣ ΠΟΥ ΠΡΟΣΦΕΡΟΥΝ ΜΟΝΤΕΛΑ ΟΜΑΔΟΠΟΙΗΣΗΣ

α) Google Cloud AI Platform

• Υποστηρίζει μοντέλα όπως K-Means (Το K-Means Clustering είναι ένας τύπος αλγορίθμων ομαδοποίησης δεδομένων και λειτουργεί με βάση διανυσματική κβαντοποίηση. Υπάρχει ένα σημείο που επιλέγεται ως αρχή και στη συνέχεια σχεδιάζονται διανύσματα από την αρχή αυτή προς σε όλα τα σημεία δεδομένων) και ιεραρχική ομαδοποίηση μέσω Scikit-learn και TensorFlow.

β) Amazon Web Services (AWS) - SageMaker

• Παρέχει K-Means clustering μέσω της πλατφόρμας SageMaker με ενσωματωμένους αλγορίθμους.

γ) Microsoft Azure Machine Learning

• Υποστηρίζει K-Means και ιεραρχική ομαδοποίηση μέσω των εργαλείων Azure ML και Scikit-learn.

6. Μοντέλα Συνόλων (Ensemble Models)

ΕΤΑΙΡΕΙΕΣ ΠΟΥ ΠΡΟΣΦΕΡΟΥΝ ΜΟΝΤΕΛΑ ΣΥΝΟΛΩΝ

α) Google Cloud AI Platform

• Υποστηρίζει μοντέλα ταξινόμησης συνόλων (ensemble models) με αλγόριθμους για ταξινόμηση σε σύνολα των δεδομένων (AdaBoost και XGBoost) μέσω των βιβλιοθηκών δεδομένων (Scikit-learn).

β) Amazon Web Services (AWS) - SageMaker

• Παρέχει αλγόριθμους ταξινόμησης συνόλων (XGBoost) μέσω της πλατφόρμας SageMaker με προκαθορισμένους αλγορίθμους.

γ) Microsoft Azure Machine Learning

• Υποστηρίζει αλγόριθμους ταξινόμησης (AdaBoost και XGBoost) μέσω των της πλατφόρμας μηχανικής μάθησης Azure ML και ενσωμάτωσης με βιβλιοθήκες (Scikit-learn και XGBoost).

7. Επιπλέον Εταιρείες και Πλατφόρμες

α) IBM Watson

• Προσφέρει πλήθος εργαλείων και υπηρεσιών για μηχανική μάθηση και βαθιά μάθηση, συμπεριλαμβανομένων γραμμικών μοντέλων, μοντέλων δέντρων, SVM, και νευρωνικών δικτύων.

β) DataRobot

• Παρέχει αυτοματοποιημένη μηχανική μάθηση, υποστηρίζοντας μια ευρεία γκάμα μοντέλων, συμπεριλαμβανομένων γραμμικών μοντέλων, δέντρων αποφάσεων, SVM, και ensemble models.

γ) H2O.ai

• Προσφέρει πλατφόρμα ανοιχτού κώδικα για μηχανική μάθηση, υποστηρίζοντας γραμμικά μοντέλα, δέντρα αποφάσεων, SVM, νευρωνικά δίκτυα, και ensemble models όπως XGBoost.

ΧΡΗΣΗ ΣΤΗΝ ΠΡΑΞΗ

Αυτές οι εταιρείες παρέχουν πλατφόρμες που καλύπτουν μια ευρεία γκάμα μοντέλων μηχανικής μάθησης και βαθιάς μάθησης, επιτρέποντας στις επιχειρήσεις να επιλέξουν και να εφαρμόσουν τα κατάλληλα μοντέλα για τις ανάγκες τους.