News

Uber: Neue Open-Source-Toolbox soll den Einstieg ins Machine Learning vereinfachen

(Foto: Worawee Meepian / Shutterstock)

Fahrdienstleister Uber veröffentlicht ein weiteres Open-Source-Tool. Mit Ludwig sollen Anwender Deep-Learning-Modelle auch ohne Programmierkenntnisse umsetzen können. 

Uber will den Einstieg ins Machine Learning vereinfachen. Das Unternehmen setzt beispielsweise für Kundensupport, Objekterkennung, Verbesserung von Kartenmaterial, Zeitvorhersagen sowie Betrugsunterbindung auf Deep-Learning-Modelle. Im Zuge der Arbeit damit ist in den letzten zwei Jahren ein von Uber selbst Toolbox bezeichnetes Projekt entstanden, das jetzt Open Source gemacht wurde. „Ludwig“ soll den Einstieg einfacher machen, aber auch Profis nützlich sein.

Open-Source-Tool Ludwig basiert auf Googles Tensorflow

Damit wolle man aber das Rad nicht neu erfinden, daher basiert Ludwig auf Googles Machine-Learning-Framework Tensorflow. Die Toolbox soll vor allem Anfängern den Einstieg ins Machine Learning vereinfachen. Um ein Deep-Learning-Modell zu entwickeln, müssen keine Programmierkenntnisse vorhanden sein. Ludwig benötigt lediglich beispielsweise eine CSV-Datei mit Daten sowie eine YAML-Datei zur Konfiguration.

Aber auch Profis soll Ludwig helfen können. Ludwig soll die Arbeit mit den Daten abnehmen, damit sich Entwickler auf die Deep-Learning-Architektur konzentrieren können.

Uber setzt Ludwig schon produktiv ein

Uber setzt Ludwig schon in internen Projekten ein. Beispielsweise wird damit der Support verbessert. Ludwig extrahiert außerdem Informationen aus den Führerscheinen der Fahrer, erkennt Points of Interest in Karten und sagt Zeiten für Essenslieferungen voraus.

Entwickelt wurde die Toolbox mit den Prinzipien, dass kein Coding erforderlich sein soll, Ludwig universell einsetzbar, flexibel und erweiterbar ist. Mit an Bord der Toolbox sind auch CLI-Tools, mit denen Modelle trainiert und getestet werden können. Das funktioniert ebenso mit der Python-API. Für Interessierte gibt es einen Developer-Guide, mehr Details erklärt Uber im Blogpost zur Veröffentlichung.

Schon 2017 hatte Uber Pyro Open Source gemacht. Die Programmiersprache basiert auf Facebooks Open-Source-Machine-Learning-Bibliothek Pytorch. Auch Horovod hatte Uber öffentlich gemacht, damit können Deep-Learning-Modelle auf mehreren GPUs, verteilt auf unterschiedliche Maschinen, trainiert werden.

Passend dazu:

Bitte beachte unsere Community-Richtlinien

Wir freuen uns über kontroverse Diskussionen, die gerne auch mal hitzig geführt werden dürfen. Beleidigende, grob anstößige, rassistische und strafrechtlich relevante Äußerungen und Beiträge tolerieren wir nicht. Bitte achte darauf, dass du keine Texte veröffentlichst, für die du keine ausdrückliche Erlaubnis des Urhebers hast. Ebenfalls nicht erlaubt ist der Missbrauch der Webangebote unter t3n.de als Werbeplattform. Die Nennung von Produktnamen, Herstellern, Dienstleistern und Websites ist nur dann zulässig, wenn damit nicht vorrangig der Zweck der Werbung verfolgt wird. Wir behalten uns vor, Beiträge, die diese Regeln verletzen, zu löschen und Accounts zeitweilig oder auf Dauer zu sperren.

Trotz all dieser notwendigen Regeln: Diskutiere kontrovers, sage anderen deine Meinung, trage mit weiterführenden Informationen zum Wissensaustausch bei, aber bleibe dabei fair und respektiere die Meinung anderer. Wir wünschen Dir viel Spaß mit den Webangeboten von t3n und freuen uns auf spannende Beiträge.

Dein t3n-Team

Schreib den ersten Kommentar!

Melde dich mit deinem t3n Account an oder fülle die unteren Felder aus.

Bitte schalte deinen Adblocker für t3n.de aus!

Hey du! Schön, dass du hier bist. 😊

Bitte schalte deinen Adblocker für t3n.de aus, um diesen Artikel zu lesen.

Wir sind ein unabhängiger Publisher mit einem Team bestehend aus 65 fantastischen Menschen, aber ohne riesigen Konzern im Rücken. Banner und ähnliche Werbemittel sind für unsere Finanzierung sehr wichtig.

Danke für deine Unterstützung.

Digitales High Five,
Stephan Dörner (Chefredakteur t3n.de) & das gesamte t3n-Team

Anleitung zur Deaktivierung