Mercury-ML: Alexander Thamm startet eigene Python Open-Source-Bibliothek für leicht konfigurierbaren Machine Learning Workflow

Mercury-ML Logo

In der täglichen Zusammenarbeit mit unseren Kunden stehen wir häufig vor der Herausforderung, aus einer Vielzahl verschiedener Open-Source Bibliotheken unterschiedliche Funktionen zu einem maschinellen Lernen Workflow zusammenzuführen. Was als internes Projekt zur Verbesserung unserer eigenen Arbeit begonnen hat, möchten wir nun der Öffentlichkeit als Open-Source Bibliothek unter dem Namen Mercury-ML zur Verfügung stellen.

Merkur der Götterbote – was uns zu Mercury-ML inspiriert hat

Merkur war in der alten römischen Mythologie als Botschafter Gottes bekannt. Er trug geflügelte Schuhe und einen geflügelten Hut, schoss zwischen dem Olymp und den Königreichen der Menschen und sorgte dafür, dass der Wille der Götter bekannt war.

Was das nun mit der Arbeit mit unseren Kunden zu tun hat? Häufig stehen wir vor dem gleichen Problem: Wir brauchen einen „Götterboten“ für maschinelle Lernprozesse – daher der Name Mercury-ML Die jüngsten Entwicklungen bei maschinellen Lern- und Datenverarbeitungswerkzeugen haben zu einer Vielzahl von Open-Source-Bibliotheken geführt, die jeweils gut entwickelte und transparente APIs (Anwendungsprogrammierschnittstellen) bereitstellen. Kompliziert wird es jedoch dann, wenn Funktionen aus verschiedenen Bibliotheken zu einem maschinellen Lernworkflow zusammengeführt werden müssen.

Mercury-ML hilft uns bei der Lösung realer Probleme

Um diese Probleme, mit denen wir in unserer Zusammenarbeit mit Kunden häufig konfrontiert sind, zu lösen, haben wir ein internes Projekt zur Erstellung einer Python-Bibliothek namens Mercury-ML gestartet.

Die Bibliothek versucht, maschinelle Lernprojekte in ihre typischen generischen Komponenten zu zerlegen 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.

Warum stellen wir Mercury-ML als Open-Source-Bibliothek frei zur Verfügung?

Was als Projekt begann, um uns zu helfen, besser in unserer eigenen Arbeit zu sein, hat sich zu etwas entwickelt, von dem wir glauben, dass es sich lohnt, es der breiten Öffentlichkeit als Open-Source-Bibliothek zur Verfügung zu stellen. Damit möchten wir Unternehmen in Deutschland in ihrem Digitalisierungsprozess und bei der Generierung von Mehrwerten aus Daten unterstützen und somit einen Beitrag leisten, die Wettbewerbsfähigkeit von Deutschland als Unternehmensstandort zu verbessern.

Mercury-ML ist auf GitHub frei verfügbar

Mercury-ML ist auf GitHub unter der MIT-Lizenz frei verfügbar. Die neueste stabile Version wird auch auf PyPi immer verfügbar sein. In diesem Zusammenhang möchten wir auch alle Entwickler dazu einladen, mitzuteilen, welche Funktionen Sie benötigen, mitzuteilen, wenn etwas nicht funktioniert, oder eigene Änderungen und Ergänzungen beizutragen!

Weitere Information zu Mercury-ML finden Sie in diesem Medium-Post von Karl Schriek, unserem Head of AI & Leading Machine Learning Engineer.

Sie möchten mehr darüber erfahren, wie Sie Machine Learning für Ihr Unternehmen nutzen können? Schreiben Sie uns eine Nachricht.

Ich möchte Kontakt aufnehmen

Tags

top