機器學習平臺不是未來的潮流娄帖。它現(xiàn)在正在發(fā)生堕阔。開發(fā)人員需要知道如何以及何時利用他們的力量老赤。使用像Filestack這樣的合適工具在ML環(huán)境中工作可以使開發(fā)人員更容易創(chuàng)建一個能夠充分發(fā)揮其功能的高效算法。以下機器學習平臺和工具 - 無法按特定順序列出 - 現(xiàn)在可用作將ML的功能無縫集成到日常任務(wù)中的資源硼被。

1. H2O

H2O是由H2O.ai為Python，R和Java編程語言設(shè)計的寿弱。通過使用這些熟悉的語言犯眠，這個開源軟件使開發(fā)人員可以輕松地將預(yù)測分析和機器學習應(yīng)用于各種情況。H2O可在Mac症革，Windows和Linux操作系統(tǒng)上使用阔逼，為開發(fā)人員提供分析Apache Hadoop文件系統(tǒng)中的數(shù)據(jù)集以及云中的數(shù)據(jù)集所需的工具。

2. Apache PredictionIO

正在尋找開源堆棧的開發(fā)人員也應(yīng)該將Apache PredictionIO視為構(gòu)建可以滿足任何人工智能任務(wù)的預(yù)測引擎的一種方式地沮，該開源堆棧還具有用于構(gòu)建在其上的機器學習的開源服務(wù)器。除了事件服務(wù)器和平臺本身羡亩，Apache PredictionIO還包括一個模板庫摩疑。

3. Eclipse Deeplearning4j

Eclipse Deeplearning4j是為Java虛擬機構(gòu)建的開源庫。以深度學習為核心畏铆，該工具面向那些需要在分布式CPU和GPU上工作的業(yè)務(wù)環(huán)境中構(gòu)建深度神經(jīng)網(wǎng)絡(luò)的開發(fā)人員雷袋。與Hadoop等文件系統(tǒng)一起工作的Scala，Clojure和Java程序員都會喜歡Eclipse Deeplearning4j辞居。此工具提供付費支持和企業(yè)分發(fā)楷怒，該工具是總部位于舊金山的Skymind公司的一個項目。

4. Accord.NET Framework

圖像和音頻處理庫使用C＃編程語言編寫瓦灶，然后與Accord.NET框架結(jié)合使用鸠删。在其中，開發(fā)人員可以創(chuàng)建一系列商業(yè)用途的應(yīng)用程序贼陶，這些應(yīng)用程序依賴于機器學習刃泡，例如計算機視覺，信號處理碉怔，模式識別和機器收聽烘贴，這也稱為計算機試聽。有多種選擇可供選擇撮胧，開發(fā)人員可以利用圖像和信號處理桨踪，科學計算和支持庫。強大的功能芹啥，如實時人臉檢測锻离，自然學習算法等，增加了該框架的多功能性叁征。

5. Microsoft

在2017年9月的Ignite會議期間纳账，Microsoft推出了三種Azure機器學習工具 - 學習工作臺，學習模型管理服務(wù)和學習實驗服務(wù) - 允許開發(fā)人員構(gòu)建自己的人工智能模型捺疼。微軟還推出了三個人工智能工具疏虫，內(nèi)容管理員，自定義語音服務(wù)和Bing語音API，以增加其25個開發(fā)人員工具庫卧秘，旨在提高人工智能的可訪問性呢袱。

6. ai-one

開發(fā)人員可以使用ai-one創(chuàng)建幾乎適用于任何軟件應(yīng)用程序的智能助手。此工具的資源列表包括開發(fā)人員API翅敌，文檔庫和構(gòu)建代理羞福，可用于將數(shù)據(jù)轉(zhuǎn)換為支持ML和AI結(jié)構(gòu)的規(guī)則集。

7. IBM

IBM的Watson平臺是業(yè)務(wù)用戶和開發(fā)人員可以找到一系列AI工具的地方蚯涮。該平臺的用戶可以使用入門套件治专，示例代碼和其他可通過開放API訪問的工具來構(gòu)建虛擬代理，認知搜索引擎和聊天機器人遭顶。

8. Torch

以Lua編程語言為基礎(chǔ)张峰，Torch包括腳本語言，科學計算框架和開源ML庫棒旗。Torch通過一系列算法支持深度機器學習喘批，并已被DeepMind和Facebook AI Research Group使用利术。

9. Protege

乍一看爬舰，似乎Protege對企業(yè)的關(guān)注幾乎沒有留下任何其他空間。但是虑瀑，開發(fā)人員可以利用Protege的開源工具套件逛拱，為專家和知識淵博的初學者提供強大的應(yīng)用工具敌厘。兩組開發(fā)人員都可以修改，創(chuàng)建朽合，共享和上傳應(yīng)用程序额湘，以及利用支持性社區(qū)。

10. TensorFlow

TensorFlow專為在依賴機器學習的項目中使用而設(shè)計旁舰，具有使用開源軟件設(shè)計的平臺的額外好處锋华。在大量的在線資源，文檔和教程的幫助下箭窜，TensorFlow提供了一個包含數(shù)值計算形式的數(shù)據(jù)流圖的庫毯焕。這種方法的目的是允許開發(fā)人員在包括移動設(shè)備，平板電腦和臺式機在內(nèi)的多種設(shè)備上啟動深度學習框架磺樱。

11. DiffBlue

DiffBlue是一種非常罕見的開發(fā)工具纳猫，它是一個非常有用但簡單的專用于代碼自動化的平臺。DiffBlue有幾個核心目的 - 測試編寫竹捉，錯誤定位芜辕，重構(gòu)代碼以及發(fā)現(xiàn)和替換弱點的能力 - 這些都是通過使用自動化完成的。

12. Neon

作為英特爾和Nervana的創(chuàng)意块差，Neon是一個基于Python的ML庫侵续，是開源的開源軟件倔丈。利用其工具的開發(fā)人員可以利用技術(shù)先進的應(yīng)用程序和智能代理。Neon位于云端状蜗，支持開發(fā)人員發(fā)布需五，構(gòu)建和培訓深度學習技術(shù)。

13. Apache Spark MLlib

作為包含內(nèi)存數(shù)據(jù)處理的框架轧坎，Apache Spark MLlib具有算法數(shù)據(jù)庫宏邮，其重點是聚類，協(xié)同過濾缸血，分類和回歸蜜氨。開發(fā)人員還可以找到一個開源框架Singa，它包含一個可以在眾多機器及其深度學習網(wǎng)絡(luò)中使用的編程工具捎泻。

14. OpenNN

OpenNN是一個C ++編程庫记劝，面向那些想要實現(xiàn)神經(jīng)網(wǎng)絡(luò)的經(jīng)驗豐富的開發(fā)人員。OpenNN包括Neural Designer族扰，這是一種旨在通過創(chuàng)建表格，圖形和其他可視內(nèi)容來解釋和簡化數(shù)據(jù)條目的工具定欧。雖然OpenNN為其用戶提供了大量的教程和文檔庫渔呵，但它主要針對那些已經(jīng)擁有大量AI經(jīng)驗的開發(fā)人員。

15. Amazon Web Services

開發(fā)人員可以利用Amazon Web Services（AWS）提供的大量AI工具包砍鸠，其中包括Amazon Lex扩氢，Amazon Rekognition Image和Amazon Polly。開發(fā)人員以不同的方式使用每個工具來創(chuàng)建ML工具爷辱。例如录豺，亞馬遜波利利用人工智能來自動化將語音翻譯成書面文本的過程。亞馬遜Lex構(gòu)成了該品牌聊天機器人的基礎(chǔ)饭弓，與其個人助理Alexa一起使用双饥。

16. Mahout

對于需要創(chuàng)建依賴ML以擴展的應(yīng)用程序的開發(fā)人員，有Mahout弟断。除了諸如教程之類的資源之外咏花，Mahout還為初級開發(fā)人員提供了使用先入為主的算法的能力，然后可以與Apache Flink阀趴，Apaches Spark和H2O一起使用昏翰。

17. Veles

使用C ++編寫并使用Python進行節(jié)點協(xié)調(diào)，Veles是三星對ML環(huán)境的貢獻刘急。那些已經(jīng)需要可以立即用于數(shù)據(jù)分析并且由經(jīng)過訓練的模型組成的API的開發(fā)人員將在Veles中找到價值棚菊。

18. Caffe

Caffe由伯克利視覺與學習中心（BVLC）與開發(fā)者社區(qū)合作開發(fā)。它旨在為開發(fā)人員提供基于圖像的自動檢測工具叔汁。Caffe被世界上一些最大的品牌使用统求，包括Pinterest和Facebook检碗。

開始使用這些機器學習平臺

剛剛開始他們的職業(yè)生涯的開發(fā)人員以及那些專家的開發(fā)人員將在他們通過上述列表工作時找到寶庫資源。其中一些依賴于特定的編程語言球订，而其他一些可以在包括云中的各種實例中使用后裸。軟件和基于云的產(chǎn)品都允許開發(fā)人員利用每個產(chǎn)品的優(yōu)勢。

原文標題《18 Machine Learning Platforms For Developers》