Die neuesten Entwicklungen der Datenverarbeitungs-Tools für Machine Learning haben zu einer Vielzahl an Open-Source-Bibliotheken geführt, die bereits professionell entwickelte und transparente APIs bereitstellen. Die bekannten Bibliotheken wie TensorFlow, PyTorch, Keras oder SciKit-Learn bilden die Basis für die Entwicklung maschineller Workflows. Kompliziert wird es jedoch, wenn Funktionen aus unterschiedlichen Bibliotheken aneinandergereiht werden müssen, um den Machine Learning Workflow fertig zu stellen. Das Team der Data Science & Artificial Intelligence Beratung Alexander Thamm GmbH hat dafür eine eigene Python Open-Source-Bibliothek “Mercury-ML” entwickelt. Die Bibliothek zerlegt maschinelle Lernprojekte in ihre typischen Komponenten und bietet eine generische modulare Struktur, in die Implementierungen für spezifische Methoden und Technologien einfließen können. Diese zerlegten Komponenten können dann zu einem zusammenhängenden, leicht konfigurierbaren Workflow für die Entwicklung, Bewertung und Bereitstellung von Modellen für das maschinelle Lernen zusammengefügt werden. Was ursprünglich als internes Projekt begonnen hat, steht ab sofort allen Entwicklern kostenfrei auf GitHub zur Verfügung: https://github.com/mercury-ml-team/mercury-ml .
Firmenkontakt
Alexander Thamm GmbH
Carina Goldschmid
Sapporobogen 6-8
80637 München
089 120219260
cg@startup-communication.de
www.alexanderthamm.com
Pressekontakt
Startup Communication
Carina Goldschmid
Thalkirchner Straße 66
80337 München
089120219260
cg@startup-communication.de
www.startup-communication.de
Carina Goldschmid
Alexander Thamm GmbH
cg@startup-communication.de