微信号:we21cto

介绍:21CTO(21CTO.com)是中国项级技术专家的学习与服务平台.我们为CTO、技术总监、架构师等技术专家提供高质量的资讯、问答、活动等产品,同时与企业连接,提供技术咨询、研发、运维、技术支持、培训及人才招聘等服...

八个面向开发人员的机器学习平台

2018-07-04 23:53 21CTO

21CTO导读:软件开发者现在可以使用以下机器学习平台和工具作为资源,将机器学习功能无缝集成到自己的系统中。



机器学习平台已不是未来的潮流,它现在正在发生。开发人员更要知道如何利用机器学习的力量。比如用Filestack这样的工具在机器学习环境中良好工作,可以使开发人员更容易创建能够充分发挥其功能的高效算法。


以下为各位推出一些机器学习平台和工具,与按特定顺序无关。只是列出现在可用作将机器学习功能无缝集成到日常任务中的资源。


1. H2O


H2O(https://www.h2o.ai/)是由H2O.ai为Python,R和Java编程语言设计的。人们通过使用自己熟悉的语言,就可以轻松地将预测分析等机器学习应用于各种实例。 H2O可在Mac,Windows和Linux操作系统上使用,为开发人员提供分析Apache Hadoop文件系统中的数据集以及云中的数据集所需的工具。


2. Apache PredictionIO(https://predictionio.apache.org/)


正在寻找开源技术栈的开发者也可以尝尝Apache PredictionIO,这个产品视为构建可以满足AI预测引擎的一种方式,该开源技术栈还具有用于构建机器学习的开源服务器。除了事件服务器和平台本身外,Apache PredictionIO还包含一个模板库。


3. Eclipse Deeplearning4j(https://projects.eclipse.org/proposals/eclipse-deeplearning4j)


Eclipse Deeplearning4j是针对Java虚拟机构建的开源库。它以深度学习为核心,向那些需要在分布式CPU和GPU上工作的业务环境中构建深度神经网络的开发人员。有与Hadoop等文件系统一起工作的Scala,Clojure和Java程序员都会喜欢的Eclipse Deeplearning4j。该工具提供付费支持和企业分发,该工具的开发者是总部位于旧金山的Skymind公司的其中一个项目。


4. Accord.NET Framework(http://accord-framework.net/)


这个框架的图像和音频处理库是用的C#语言编写的,然后与Accord.NET框架结合使用。在此处,开发者可以创建一系列商业用途的应用程序,这些应用程序依赖于机器学习,例如计算机视觉,信号处理,模式识别以及机器听说翻译,提供有多种选项,开发人员可以利用图像和信号处理,科学计算和支持库。开发强大的功能,如实时人脸识别,自然学习算法等,充分利用该框架的多功能性。


5.微软(https://docs.microsoft.com/en-us/azure/machine-learning/service/)


在2017年9月的Ignite会议期间,Microsoft推出了三种Azure的机器学习工具 - 工作台,学习模型管理服务和学习实验服务 - 帮助开发人员构建自己的人工智能模型。微软还推出了三个人工智能工具,内容管理器,自定义语音服务和Bing语音API,共25个开发者工具库,旨在提高AI的可访问性。


6. ai-one(http://www.ai-one.com/)


开发人员可以使用ai-one创建几乎适用于任何软件应用程序的智能助手。此工具的资源列表包括开发人员API,文档库和构建器,可用于将数据转换为支持机器学习和AI结构的规则集。


7. IBM(https://www.ibm.com/watson/)


IBM 的 Watson平台是业务用户和开发人员都可以找到AI一系列工具的地方。利用该平台,用户可以使用入门套件,示例代码和其他可通过开放API访问的工具来构建虚拟代理,认知搜索引擎和智能聊天机器人。


8、Torch(http://torch.ch/)


该工具以Lua语言为基础,Torch包括脚本语言,科学计算框架和开源机器学习库。 Torch通过一系列算法支持深度机器学习,并已被DeepMind和Facebook AI Research Group实际使用。


9.Protege(https://protege.stanford.edu/products.php)


乍一看,似乎Protege对企业几乎没有做任何关注。但是,开发人员可以利用Protege的开源工具套件,为专家和知识渊博的初学者提供强大的应用工具。两组开发人员都可以修改,创建,共享和上传应用程序,以及强大的支持社区。


10. TensorFlow(https://www.tensorflow.org/)


TensorFlow专为在依赖机器学习的项目中使用而设计,它具有使用开源软件平台的好处。在有大量的在线资源,文档和教程的帮助下,TensorFlow提供了一个包含数值计算形式的数据流图的库。这种方法的目的是允许开发者在包括移动设备,平板电脑和台式机在内的多种设备上启动深度学习框架。


11. DiffBlue(https://www.diffblue.com/)


DiffBlue是一种非常少见的开发工具,它是一个有用但易用的专用于代码自动化的平台。 DiffBlue有以下几个核心目的 - 测试编写,错误定位,重构代码以及发现和替换弱点的能力,这些都是通过自动化完成的。


12.Neon(https://github.com/NervanaSystems/neon)


作为英特尔和Nervana的创意,Neon是一个基于Python的机器学习库,也是一款开源软件。开发人员可以利用技术先进的应用程序和智能代理。 Neon位于云端,支持开发人员发布,构建和训练深度学习技术。


13. Apache Spark MLlib(https://spark.apache.org/mllib/)


作为包含内存数据处理的框架,Apache Spark MLlib具有算法数据库,其重点是聚类,协同过滤,分类和回归。开发者还可以找到一个开源框架Singa,它包含一个可以在众多机器及其深度学习网络中使用的编程工具。


14. OpenNN(http://www.opennn.net/)


OpenNN是一个C++编程库,面向那些想要实现神经网络的资深开发者。OpenNN包括Neural Designer,这是一种旨在通过创建表格,图形和其他可视内容来解释和简化数据条目的工具。OpenNN为其用户提供了大量的教程和文档库,但它主要针对那些已经拥有大量AI经验的开发者。


15.Amazon Web Services(https://aws.amazon.com/sagemaker/)


开发人员可以利用Amazon Web Services(AWS)提供的大量AI工具包,其中包括Amazon Lex,Amazon Rekognition Image和Amazon Polly等,开发者可以利用这些工具包来创建机器学习工具。例如,Amazon Polly利用人工智能将语音自动化翻译成书面文本。Amazon Lex是构建品牌聊天机器人的基础,可以与个人助理Alexa配合使用。


16. Mahout(https://mahout.apache.org/)


对于需要创建依赖ML以扩展的应用程序的开发人员,有Mahout。除了诸如教程之类的资源之外,Mahout还为初级开发人员提供了使用先入为主算法的能力,可以与Apache Flink,Apaches Spark和H2O联合使用。


17. Veles(https://velesnet.ml/)


Veles使用C++编写,使用Python进行节点协调,Veles是三星公司对机器环境的贡献。那些已经需要可以立即用于数据分析并且由经过训练的模型组成的API的开发者将在Veles中找到价值。


18.Caffe(http://caffe.berkeleyvision.org/)


Caffe由加州伯克利视觉与学习中心(BVLC)与开发者社区合作开发。它旨在为开发者提供基于图像的自动检测工具。 Caffe被世界上一些最大的企业使用,包括Pinterest和Facebook公司。


小结


不论是刚刚开始AI职业生涯的开发者,还是专家级的资深开发人员,都可以在上述列表找到自己想要的资源。其中一些依赖于特定的编程语言,大部分是在云端提供各种实例供我们使用。软件和基于云的产品都允许开发者调用,是每个产品的最明显的优势。


编译:飞花逐月


 
21CTO 更多文章 物联网技术如何赋能教育培训行业? 李嘉诚先生最新演讲:建立自我,追求无我 用递归神经网络,撰写一份特朗普式发言稿! 技术男王兴:借父亲50万发工资,如今公司估值600亿美元 区块链以及区块链行业趋势
猜您喜欢 第三方 API 的崛起 10个注意事项告诉你 怎么让App用户留下! 开通了知乎专栏 每秒千万级别的量是重生还是炼狱? 从Swift看Objective-C的数组使用