Deep Learning, ibland även kallat Deep Machine Learning, är ett område inom machine learning (maskininlärning). Man kan på ett sätt säga att Deep Learning växt fram ur machine learning och handlar om hur man med hjälp av metoder och verktyg kan implementera maskininlärning.
Under de senaste åren har Deep Learning blivit allt mer populärt i takt med att även AI (artificiell Intelligens) i stort har växt och används mer och mer av utvecklare och företag runt om i världen.
Samtidigt som branschen växer och utvecklats har även en stor mängd verktyg, system, tjänster och ramverk lanserats. Vi listar här ett axplock av några populära val för utveckling och hantering av Deep Learning.
Apache MXNet för Deep Learning
Det finns många populära ramverk för Deep Learning men ett av de vanligaste är Apache MXNet. Med hjälp av ramverket kan man träna och deploya djupa neurala nätverk. Apache MXNet är open source (öppen källkod på svenska) och utvecklas ständigt och är därför ett bra val för många som vill arbeta med Deep Learning.
Tensorflow on AWS
Det finns många bra verktyg och tjänster som man kan använda för att göra utvecklandet av sin applikation enklare och bättre. En sådan tjänst är Tensorflow on AWS, ett populärt och omtyckt ramverk som gör att man snabbt kan komma igång med Deep Learning. Tensorflow on AWS används av utvecklare och forskare runt om i världen och är extra populärt inom områden som till exempel översättningar av tal och språkförståelse.
Amazon Connect
Amazon Connect är en kontaktcenter-tjänst som är mycket populär och som även används av Amazon själva. Med tjänsten kan man ge bättre service till sina kunder samtidigt som man sänker sina egna kostnader. Tjänsten är molnbaserad och är enkel att komma igång med.
Om man använder sig av andra tjänster för machine learning och AI så som Amazon Lex så kan man kombinera dessa för att till exempel skapa naturliga språkflöden och på så sätt förbättra kundservicen ytterligare.
Gluon
Gluon är ett open source gränssnitt som man kan använda för att bygga modeller för machine learning. Med hjälp av ett Phyton API och ett antal färdigbyggda neurala nätverkskomponent kan man snabbt komma igång och behöver inte utveckla allting själv. Med hjälp av Gluon kan man på ett enkelt sätt skapa och sedan hantera och underhålla sina applikationer.
FPGA
FPGA är en förkortning av termen Field-Programmable Gate Array och på svenska skulle man kunna översätta detta till något i stil med en grindmatris (en sorts integrerad krets) som är programmerbar på plats.
Under den senaste tiden har FPGA blivit allt mer populärt att använda inom AI, machine learning och för neurala nätverk. FPGA kan hantera olika algoritmer i samma enhet från både minnesresurser, logik och databehandling och anses därför av många vara det bästa valet när det kommer till att implementera neurala nätverk.
Kom igång med Deep Learning
Blir du nyfiken av att läsa om olika sätt att kunna använda Deep Learning och om de olika tjänster och verktyg som finns? Vi hjälper dig att hitta en lösning för just ditt företag och att hantera dina IT-tjänster i molnet. Kontakta oss redan idag så berättar vi mer!