Künstliche Intelligenz

Kostenlose KI-Tools für Entwickler

Thomas Joos ist freiberuflicher IT-Consultant und seit 20 Jahren in der IT tätig. Er schreibt praxisnahe Fachbücher und veröffentlicht in zahlreichen IT-Publikationen wie TecChannel.de und PC Welt.

R/Rstudio

Die Programmiersprache R ist wichtig, wenn es darum geht, statistische Analysen und Berechnungen durchzuführen, die für KI und ML eine Rolle spielen. Sie steht als Open Source Software zur Verfügung. R kann in Windows, Linux und macOS genutzt werden. Der Download erfolgt direkt auf der Projektseite.

RStudio: Entwickeln mit R.
RStudio: Entwickeln mit R.
Foto: R Foundation

Wer mit R arbeitet, nutzt in den meisten Fällen auch eine Programmierumgebung. Beim Einsatz von R kann auch RStudio genutzt werden. Dieses steht zum Teil auch kostenlos zur Verfügung.

scikit-learn

Die Library scikit-learn, abgeleitet von SciPy Toolkit, baut auf der Programmiersprache Python auf. Pakete wie NumPy, SciPy, oder Matplotlib werden von scikit-learn genutzt, um mathematische, wissenschaftliche oder statistische Programme in Python zu schreiben. Auch für das Data Mining und zur Datenanalyse kann scikit-learn genutzt werden. Die Library kann parallel zu PyTorch genutzt werden.

Scikit-learn kann KI-Funktionen in Apps integrieren.
Scikit-learn kann KI-Funktionen in Apps integrieren.
Foto: scikit-learn

scikit-learn steht unter der BSD-Lizenz kostenlos zur Verfügung. Auch diese Lösung ist in der Lage, KI-Anwendungen zu erstellen, beispielsweise Bots oder Apps für Sprachassistenten. scikit-learn kann also von Computerprogrammen erstellte Nachrichten im Internet von menschlich erstellten Texten unterscheiden.

Wer auf Basis von Python mit Machine Learning und künstlicher Intelligenz arbeiten will, sollte sich die Möglichkeiten von Scikit-Learning ansehen. Die Anbieter stellen auch verschiedene Tutorials zur Verfügung, mit denen sich Entwickler die Arbeit mit Python und scikit-learn aneignen können. Durch die aktive Community und die ausgearbeitete Dokumentation lassen sich schnell Ergebnisse erzielen. scikit-Learn arbeitet auch mit anderen Paketen zusammen, zum Beispiel Pandas oder TensorFlow.

Die Programme und Funktionen, die mit scikit-learn geschrieben werden, lassen sich auch in andere Programme integrieren. Dadurch können Programme KI-Funktionen erhalten, die ohne scitkit-learn nicht dazu in der Lage waren.

TensorFlow

Das Open-Source-Framework TensorFlow wird von zahlreichen anderen KI-Programmen und -Tools unterstützt. Mit den Bibliotheken können ML-Modelle entwickelt und trainiert werden. TensorFlow bietet einen schnellen Einstieg. So lassen sich zum Beispiel Colab-Notebooks direkt im Browser ausführen.

Microsoft Azure

Microsoft bietet auf seiner Cloud-Plattform Azure ebenfalls zahlreiche Funktionen und Ressourcen für KI und ML. Über ein kostenloses Test-Konto bietet das Unternehmen diverse Möglichkeiten und verschiedene Dienste dauerhaft kostenlos an. Etliche KI-Ressourcen stehen auf der Azure-Webseite bereit. Microsoft schottet Azure nicht von anderen KI-Diensten ab und unterstützt die Integration mit verschiedenen Werkzeugen, die in diesem Beitrag vorgestellt werden. Auch Open-Source-Dienste wie Open Neural Network Exchange (ONNX) können angebunden werden. Das gilt auch für PyTorch, TensorFlow und scikit-learn.

IBM Watson Machine Learning

Mit dem Dienst "Watson Machine Learning" steht in der IBM-Cloud ebenfalls ein KI-Dienst kostenlos zur Verfügung. Um ihn zu nutzen, müssen Entwickler ein Konto für IBM Cloud Free Tier erstellen. Mit dem Lite-Konto können insgesamt 40 Dienste in der IBM-Cloud kostenlos genutzt werden.

IBM stellt Cloud-Dienste kostenlos zur Verfügung.
IBM stellt Cloud-Dienste kostenlos zur Verfügung.
Foto: IBM

Oracle Free Tier

Neben IBM stellt auch Oracle seine Cloud-Plattform zum Teil kostenlos zur Verfügung. Beispielsweise seine autonome Datenbank, die ebenfalls für KI genutzt werden kann.

Shogun

Die Machine-Learing-Software "Shogun" gehört ebenfalls zu den bekannten Lösungen im Bereich Künstliche Intelligenz. Die Library unterstützt zahlreiche Sprachen, wie zum Beispiel Python, Octave, R, Java/Scala, Lua, C# und Ruby. Dadurch lassen sich wissenschaftliche Programme auf Basis von Linux/Unix, macOS und Windows erstellen. Die Lösung ist also nicht von Trends in Programmiersprachen abhängig und lässt sich flexibel mit der Sprache einsetzen, die jeweils am besten für das entsprechende Objekt geeignet ist. Ein Wechsel ist jederzeit möglich, sodass sich Entwickler nicht in eine Sackgasse manövrieren, wenn die aktuell verwendete Programmiersprache in Zukunft weniger verbreitet ist.

KI mit Shogun bietet Entwicklern viele Möglichkeiten, zum Beispiel natürliche Spracherkennung.
KI mit Shogun bietet Entwicklern viele Möglichkeiten, zum Beispiel natürliche Spracherkennung.
Foto: shogun

Shogun kann bei Regressionsanalysen- und Problemen mit Klassifikationen helfen. Der Schwerpunkt liegt in der Bioinformatik. Das System nutzt dazu Kern-Methoden und -Sequenzen, auch String-Kerne genannt. Dadurch lassen sich große Datenmengen in kurzer Zeit analysieren. Shogun verfügt über Schnittstellen zu Support Vector Machines (SVM). Dabei handelt es sich um Lernmodelle mit zugehörigen Lernalgorithmen, die Daten analysieren. SVMs sind also keine Maschinen, sondern mathematische Verfahren zur Unterteilung von Objekten in Klassen.

Dazu gehören SVMlight oder libSVM. Shogun läuft auch als Container-Image. Außerdem arbeitet Shogun auch mit anderen Bibliotheken zusammen. Dazu gehören neben SVMlight und libSCM auch LibLinear, LibOCAS, libqp, VowpalWabbit, Tapkee, SLEP, GPML und einige mehr. Die Entwickler bieten auf Ihrer Webseite Tutorials, um den Umgang mit der Lösung zu erlernen.

Accord.NET Framework

Accord.NET Framework ist eine Software für das Erstellen von Software für maschinelles Lernen. Sie bietet auch Bibliotheken zur Audio- und Bildverarbeitung. Die Lösung ist der Nachfolger von AForge.NET. Bei dem Framework handelt es sich um ein .NET-Framework, das mit vollständig in C# geschriebenen Audio- und Bildverarbeitungs-Bibliotheken kombiniert wird.

Das Framework dient der Erstellung von produktionstauglichen Signalverarbeitungs- und Statistikanwendungen für die kommerzielle Nutzung. Eine Sammlung von Beispielanwendungen ermöglicht einen raschen Start und ist schnell einsatzbereit. Eine Dokumentation und ein Wiki helfen dabei, sich einzuarbeiten.

Das Accord.NET Framework unterstützt auch neuronale Netze.
Das Accord.NET Framework unterstützt auch neuronale Netze.
Foto: Accord

Das Framework bietet eine Reihe verschiedener Bibliotheken. Diese sind im Quellcode verfügbar, als ausführbare Installer, sowie als NuGet-Pakete. Sie lassen sich also direkt aus der NuGet-Quelle herunterladen und auf dem entsprechenden Gerät nutzen. Accord.NET Framework unterstützt numerische und lineare Algebra, numerische Optimierung, Statistik und maschinelles Lernen. Auch neuronale Netze sind mit Accord.NET Framework umsetzbar.

Zur Startseite