Trece modelos de aprendizaje automático (parte I de IV)

Todos los modelos orientados al aprendizaje automático están desarrollados en código abierto, pero lo más destacado de todos ellos es el modo en el que han sido diseñados para abstraer al usuario de los mecanismos más complejos que intervienen en el aprendizaje automático, facilitando y haciendo accesibles sus técnicas a un colectivo de desarrolladores mucho más extenso.

Trece modelos de desarrollo de machine learning destacan en el panorama   --se trata de sistemas de nueva incorporación o bien que han sido actualizados en los últimos meses--, y todos llaman la atención por ser productos que tienen una gran aceptación en el sector TI, por tratar de aportar simplicidad a los  procesos, o bien por abordar algún tipo de reto específico asociado con el aprendizaje de las máquinas.

Apache Spark MLlib

Se trata de uno de los sistemas más conocidos en el mercado por pertenecer a la familia Hadoop. No obstante, dispone de un modelo de procesamiento de datos para la memoria interna que ha sido desarrollado fuera del ecosistema Hadoop, lo que le facilita su entrada en otros entornos diferentes. Spark se ha convertido en una herramienta de aprendizaje en desarrollo de sistemas de learning machine gracias a una extensa y creciente librería de algoritmos que pueden ser aplicados con información en la memoria interna del sistema a la velocidad de la luz.

Apache Singa

De un modo similar a lo que sucede en los procesos naturales, las estructuras que gestionan el aprendizaje automático  profundo de Singa también gestionan el lenguaje y el reconocimiento visual. Este sistema ha sido aceptado para formar parte de Apache Icubator, una red de código abierto cuya finalidad es facilitar el proceso en la realización de modelos de aprendizaje profundo de máquinas que han de operar con grandes volúmenes de datos. Singa dispone de un modelo de programación simple que permite la implementación de técnicas de aprendizaje a redes formadas por clusters de máquinas, soportando una gran variedad de trabajos de aprendizaje.

Caffe

Originalmente desarrollada en 2013 para proyectos de visión artificial, Caffe se corresponde con un modelo de aprendizaje automático profundo, pero “creado con los atributos de expresión, inmediatez o modularidad en mente”, afirma la compañía creadora. Caffe ha experimentado una gran expansión tras culminar con éxito sus proyectos de visión artificial, pasando a destacar en otras aplicaciones multimedia. La velocidad es la prioridad máxima para Caffe, un motivo que le ha llevado a desarrollar el sistema con C++ con la ayuda de la aceleración de CUDA.