2min

Google geeft zijn AI Hub diverse updates, waaronder een vernieuwde homepage en meer collaboration-tools voor data scientist- en kunstmatige intelligentie (AI)-teams.

AI Hub werd afgelopen april als bètaversie beschikbaar gemaakt, maar vorig jaar al aangekondigd. AI Hub is een cloud-gehoste repository met plug-and-play AI-componenten, waarmee het mogelijk is om diverse soorten AI-modellen te maken.

Met de updates moet het eenvoudiger worden voor teams om samen te werken, schrijft Silicon Angle. De nieuwe homepage moet het bijvoorbeeld gemakkelijker maken voor gebruikers om toegang te krijgen tot hun meest populaire en meest recent gedeelde assets.

Geavanceerder delen

Ook biedt de homepage toegang tot meer geavanceerde sharing-tools. Het is bijvoorbeeld mogelijk om notebooks, getrainde machine learning-modellen en Kubeflow pipelines te delen. Kubeflow pipelines worden gebruikt om schaalbare machine learning-workflows gebaseerd op Docker-containers op een flexibelere manier te bouwen en te deployen.

Daarnaast kunnen gebruikers hun assets direct op sociale media delen. Door op een social media-icoon te klikken, wordt de URL gekopieerd. Die URL kan daarna op de gewenste locatie geplakt worden, om de asset te delen.

Volgens Google zelf is deze functie vooral handig bij publieke AI-projecten die expertise van buitenaf zoeken om samen mee te werken.

AI-assets gemakkelijker vinden

Google maakt het verder mogelijk om de meest populaire AI-assets van gebruikers te vinden in AI Hub. Zo wordt het mogelijk om bepaalde notebooks en modellen als “favoriet” aan te merken.

Met een laatste update voegt Google ruim zeventig “nieuwe, cutting-edge assets” toe aan AI Hub. Die assets heeft Google zelf gemaakt voor gebruikers, zodat zij er verder op kunnen doorbouwen. Het gaat bijvoorbeeld om een TensorRT-geoptimaliseerd BERT notebook dat voorbeelden bevat over hoe het populaire BERT natural language understanding-model gebruikt kan worden.

Tot slot is er een nieuwe Pulto7 Kubeflow-pipelinevoor time series forecasting. Dit kan gebruikt worden voor zakelijke plantaken als het optimaliseren van de inventaris, het voorspellen van de omzet en het voorspellen van winkelverkeer.