#machine-learning

Μαθηματικά αξιολόγησης ταξινομητή ως API, υπολογισμένα τοπικά και ντετερμινιστικά. Το τελικό σημείο σύγχυσης μετατρέπει τα τέσσερα κελιά ενός δυαδικού πίνακα σύγχυσης — αληθή και ψευδή θετικά και αρνητικά — στην πλήρη σουίτα μετρικών: ακρίβεια, precision, recall (ευαισθησία), ειδικότητα, το σκορ F1, τον συντελεστή συσχέτισης Matthews (ανθεκτικό στην ανισορροπία κλάσεων), σταθμισμένη ακρίβεια, αρνητική προγνωστική αξία, τα ποσοστά ψευδώς θετικών και ψευδώς αρνητικών και τον επιπολασμό. Το διαγνωστικό τελικό σημείο εφαρμόζει το θεώρημα Bayes σε ένα ιατρικό ή διαγνωστικό τεστ: από την ευαισθησία, την ειδικότητα και τον επιπολασμό (προ-τεστ πιθανότητα) δίνει τις θετικές και αρνητικές προγνωστικές αξίες, τους λόγους πιθανοφάνειας θετικού και αρνητικού και τον διαγνωστικό λόγο πιθανοτήτων. Το τελικό σημείο fbeta υπολογίζει το σκορ Fβ από precision και recall (ή από τις ακατέργαστες μετρήσεις) για οποιοδήποτε β — β = 1 είναι F1, μεγαλύτερο β δίνει βάρος στο recall, μικρότερο β δίνει βάρος στο precision. Οι μετρικές των οποίων ο παρονομαστής είναι μηδέν επιστρέφονται ως null αντί για σφάλμα. Όλα υπολογίζονται τοπικά και ντετερμινιστικά, επομένως είναι άμεσα και ιδιωτικά. Ιδανικό για προγραμματιστές εφαρμογών μηχανικής μάθησης, επιστήμης δεδομένων, ιατρικών δοκιμών και αναλυτικής, εργαλεία αξιολόγησης μοντέλων και διαλογής, και εκπαίδευση στατιστικής. Καθαρός τοπικός υπολογισμός — χωρίς κλειδί, χωρίς υπηρεσία τρίτου, άμεσο. Ζωντανό, τίποτα δεν αποθηκεύεται. 3 τελικά σημεία. Αυτή είναι αξιολόγηση ταξινομητή· για περιγραφική στατιστική και παλινδρόμηση χρησιμοποιήστε ένα API στατιστικής και για ελέγχους υποθέσεων ένα API συμπερασματολογίας.

api.oanor.com/classifier-api

Το Hugging Face Hub ως API — το κεντρικό, ανοιχτό μητρώο μοντέλων μηχανικής μάθησης και συνόλων δεδομένων που τροφοδοτεί μεγάλο μέρος του σύγχρονου οικοσυστήματος AI. Αυτό το API μετατρέπει το δημόσιο huggingface.co Hub σε καθαρό JSON. Το /v1/models αναζητά τα μοντέλα του Hub και σας επιτρέπει να φιλτράρετε ανά εργασία (pipeline_tag — π.χ. text-generation, text-to-image, image-classification, automatic-speech-recognition, sentence-similarity) και ανά βιβλιοθήκη (transformers, diffusers, sentence-transformers, …), ταξινομημένα ανά λήψεις, likes, τελευταία τροποποίηση, ημερομηνία δημιουργίας ή βαθμολογία δημοτικότητας — κάθε μοντέλο επιστρέφεται με το id, τον συγγραφέα, την εργασία, τη βιβλιοθήκη, τον αριθμό λήψεων και likes, την άδεια χρήσης, τις ετικέτες και τις χρονικές σημάνσεις. Το /v1/model?id=google-bert/bert-base-uncased επιστρέφει τα πλήρη μεταδεδομένα ενός μοντέλου. Το /v1/datasets αναζητά σύνολα δεδομένων ML με τον ίδιο τρόπο, και το /v1/dataset?id=ILSVRC/imagenet-1k επιστρέφει τα μεταδεδομένα ενός συνόλου δεδομένων. Τα Ids είναι σε μορφή org/name (πάρτε τα από τα endpoints αναζήτησης). Ιδανικό για εργαλεία ML και MLOps, ιστότοπους ανακάλυψης και σύγκρισης μοντέλων, πίνακες κατάταξης και πίνακες ελέγχου AI, και βοηθούς AI που προτείνουν μοντέλα. Τα δεδομένα προέρχονται από το δημόσιο Hugging Face Hub (δωρεάν στη χρήση). Αυτός είναι ο κόμβος μοντέλων και συνόλων δεδομένων AI/ML — διακριτός από τα μητρώα πακέτων λογισμικού (npm, PyPI, Maven, NuGet) και τους δείκτες ακαδημαϊκών εργασιών (arXiv).

api.oanor.com/huggingface-api

Ανιχνεύστε ανθρώπινα πρόσωπα σε μια εικόνα και αναλύστε το καθένα με μηχανική μάθηση στη συσκευή: λάβετε το πλαίσιο οριοθέτησης και μια βαθμολογία εμπιστοσύνης ανίχνευσης, μια εκτιμώμενη ηλικία, το προβλεπόμενο φύλο με την πιθανότητά του και την κυρίαρχη έκφραση προσώπου μαζί με την πλήρη ανάλυση ανά έκφραση (ουδέτερη, χαρούμενη, λυπημένη, θυμωμένη, φοβισμένη, αηδιασμένη και έκπληκτη). Ένα ελαφρύ τελικό σημείο μέτρησης επιστρέφει μόνο τον αριθμό των προσώπων και τα πλαίσιά τους για γρήγορη διοχέτευση. Παρέχετε μια εικόνα μέσω δημόσιου URL, base64 ή ακατέργαστου δυαδικού σώματος αιτήματος· γίνονται δεκτά μόνο δημόσια http/https URLs και αποκλείονται ιδιωτικοί ή εσωτερικοί κεντρικοί υπολογιστές, και οι μεγάλες εικόνες μειώνονται αυτόματα. Λειτουργεί τοπικά στο TensorFlow (face-api) — χωρίς τρίτο μέρος και χωρίς κόστος cloud ανά εικόνα — με ζεστά μοντέλα που διατηρούν γρήγορη την εξαγωγή συμπερασμάτων. Ιδανικό για εφαρμογές φωτογραφιών και avatar, αναλύσεις κοινού, έξυπνες κάμερες, αυτόματη περικοπή και προσβασιμότητα.

api.oanor.com/facedetect-api

Μέτρια εικόνες αυτόματα με μηχανική μάθηση στη συσκευή. Ταξινομήστε οποιαδήποτε εικόνα σε πέντε κατηγορίες — ουδέτερο, σχέδιο, σέξι, πορνό και hentai — και λάβετε πιθανότητες ανά κατηγορία, την κορυφαία κατηγορία, μια συνδυασμένη βαθμολογία NSFW και μια σαφή ετυμηγορία (ασφαλές, αμφίβολο ή nsfw). Ένα απλούστερο τελικό σημείο ελέγχου επιστρέφει μια απόφαση ασφαλούς/μη ασφαλούς έναντι ενός ορίου που επιλέγετε, ιδανικό για πύλες μεταφόρτωσης και αγωγούς περιεχομένου που δημιουργείται από χρήστες. Παρέχετε μια εικόνα μέσω δημόσιας URL, base64 ή ακατέργαστου δυαδικού σώματος αιτήματος· γίνονται δεκτές μόνο δημόσιες http/https URLs και αποκλείονται ιδιωτικοί ή εσωτερικοί κεντρικοί υπολογιστές, και οι μεγάλες εικόνες μειώνονται αυτόματα. Λειτουργεί τοπικά στο TensorFlow (NSFWJS / MobileNetV2) — χωρίς τρίτο μέρος και χωρίς κόστος ανά εικόνα στο cloud — με ένα ζεστό μοντέλο που διατηρεί την ταχύτητα συμπερασμού. Ιδανικό για πλατφόρμες κοινότητας, αγορές, εφαρμογές γνωριμιών και συνομιλίας, και οποιαδήποτε υπηρεσία δέχεται εικόνες χρηστών.

api.oanor.com/nsfw-api