本文首發(fā)于網(wǎng)站 機器翻譯學(xué)堂

轉(zhuǎn)載事宜請后臺詢問哦

來源|Sanjay Ratnottar

譯者|唐歡、王芳、劉曉倩

機器學(xué)習(xí)軟件包括人工智能、自迭代數(shù)據(jù)分析、監(jiān)督學(xué)習(xí)以及其他機器學(xué)習(xí)算法中的任何專業(yè)軟件。

機器學(xué)習(xí)可以應(yīng)用于各種軟件應(yīng)用程序，例如電子郵件分類和人機交互，還可以用于建模、設(shè)計、招聘和會計方面。

它不僅可以讓功能齊全的AI系統(tǒng)與低級的機器人之間產(chǎn)生巨大的鴻溝，還能夠幫助選擇最適合你的軟件包。

機器翻譯軟件主要特性

• 擁有模式識別技術(shù)，包括分類、回歸和模式識別；

• 用于圖像和文本檢索的預(yù)測分析；

• 降維功能；

• 由向量機提供輔助；

• 與Apache SparkMLlib等機器學(xué)習(xí)庫協(xié)作；

• 使用熱門的編程語言，如Scala、Java和C++；

• 提供全棧開源機器學(xué)習(xí)。

開發(fā)人員喜愛的機器翻譯學(xué)習(xí)軟件工具

1.AmazonML

Amazon Machine Learning （AML）是一個基于云的綜合性機器學(xué)習(xí)工具，所有技術(shù)水平和在線應(yīng)用程序的開發(fā)人員都可以訪問并使用。

其管理服務(wù)還提供機器學(xué)習(xí)模型和預(yù)測，收集整理多個數(shù)據(jù)來源，如Redshift、Amazon S3、RDS和Amazon S3。

• 提供可視化和向?qū)Чぞ撸?/p>

• 支持三種類型的模型：二元分類、多類分類和回歸；

• 支持用戶使用MySQL數(shù)據(jù)庫創(chuàng)建數(shù)據(jù)源對象；

• 允許用戶創(chuàng)建來自Amazon Redshift數(shù)據(jù)的數(shù)據(jù)源對象。

2.Google ML Kit Mobile

Google 的 Android 團隊為移動應(yīng)用程序開發(fā)人員創(chuàng)建了一個機器學(xué)習(xí)工具箱，該工具箱結(jié)合了機器學(xué)習(xí)和技術(shù)知識，可以創(chuàng)建更具彈性更優(yōu)化的應(yīng)用程序，從而使其在手機上的運行效果更佳。

該軟件包可用于執(zhí)行諸如人臉識別、文本識別和特征點檢測等任務(wù)。

它還有助于圖像標(biāo)注和條形碼掃描?？梢酝ㄟ^它去訪問更強大的技術(shù)。

Google ML Kit Mobile既可以在設(shè)備上運行，也可以在云端運行，具體取決于個人的需求。它還可以使用預(yù)先制作的模型或軟件開發(fā)現(xiàn)有的解決方案。另外，該套件還包括Google的Firebase移動開發(fā)平臺 。

3.Apple CoreML

Apple Core ML是一個使用機器學(xué)習(xí)來幫助你將機器學(xué)習(xí)模型集成到移動應(yīng)用程序中的平臺，在蘋果官網(wǎng)里即可獲取。

將機器學(xué)習(xí)中的文件移至項目中，Xcode將立即生成Swift包裝器或Objective-C代碼。這種方法易于操作，且能利用所有的CPU和GPU。

CoreML不僅支持計算機視覺精確分析圖像，還支持GameplayKit評估學(xué)習(xí)決策樹以及自然語言快速執(zhí)行自然語言處理。它對設(shè)備進行了優(yōu)化，以達到最佳性能。

4.Apache Spark MLlib

這是一個機器學(xué)習(xí)庫，不僅可以在Apache Mesos和Hadoop上擴展，同時還能從多個數(shù)據(jù)源檢索數(shù)據(jù)。這里有對數(shù)據(jù)進行分類的多種方法，包括樸素貝葉斯和邏輯回歸。其工作流工具包括ML Pipeline Creation、Feature Transformations、ML Persistence 等。

用戶可以訪問Hadoop數(shù)據(jù)源，如HDFS、HBase或本地文件。它易與Hadoop操作集成，因為它能夠訪問諸如HDFS、HBase或本地文件等Hadoop數(shù)據(jù)源。MLlib還與Spark API集成，并在Python庫和R庫中與NumPy搭配使用，具有優(yōu)于MapReduce的算法。

5.Apache Singa

該程序由新加坡國立大學(xué)數(shù)據(jù)組與浙江大學(xué)數(shù)據(jù)組聯(lián)合開發(fā)。

這個AI系統(tǒng)可以輔助圖像識別和自然語言處理，支持許多我們所熟悉的深度學(xué)習(xí)模型。它主要由三個部分組成：IO Core、Model 和 Core。

張量抽象可用于創(chuàng)建較為復(fù)雜的機器學(xué)習(xí)模型。Apache Singa提供了經(jīng)過改進的IO類（IO classes）來寫入、讀取、編碼、解碼文件和數(shù)據(jù)。此程序可用于同步、異步或兩者相結(jié)合的訓(xùn)練。

6.Apache Mahout

Apache Mahout在數(shù)學(xué)上很有表現(xiàn)力，是Scala的分布式線性代數(shù)框架和Scala DSL，是Apache 軟件基金會的免費開源項目。

該框架的目的是為統(tǒng)計學(xué)家、數(shù)學(xué)家和數(shù)據(jù)科學(xué)家快速開發(fā)算法而創(chuàng)建的。其中提供了推薦、分類和聚類等機器學(xué)習(xí)方法，以及構(gòu)建可擴展算法的框架。

它還包括向量庫和矩陣庫，使用MapReduce范例在Apache Hadoop上運行。

7.Accord.NET

Accord.NET將.Net機器學(xué)習(xí)基礎(chǔ)與C#音頻及圖像處理APIs集成在一起，它有許多適用于各種需求的庫，如模式識別、數(shù)據(jù)處理和線性代數(shù)。

它還包含Accord. Statistics，Accord.Math和Accord.MachineLearning類。

Accord.NET的特點：

• 有超過40種統(tǒng)計分布評估可用于評估參數(shù)或非參數(shù)；

• 用于計算機視覺、計算機聽覺、信號處理和統(tǒng)計的高質(zhì)量計算機程序；

• 有35種以上可用的假設(shè)檢驗，包括單向和雙向ANOVA測試；

• 支持超過38種內(nèi)核函數(shù)。

8.Shogun

Shogun是一個開源免費的機器學(xué)習(xí)庫，于1999年由Gunnar Raetsch和Soeren Sonnenburg合作開發(fā)。

該軟件可以用C++實現(xiàn)。這個軟件實際上提供了可以用來解決機器學(xué)習(xí)問題的方法和數(shù)據(jù)結(jié)構(gòu)。

它支持多種編程語言，包括R、Python、Java、Octave、C#、Ruby、Lua、Ruby、C#、Ruby以及其他語言。

Shogun主要專注于核機器，如回歸問題和支持向量機分類?？梢赃B接到LibLinear和libSVM等機器學(xué)習(xí)庫。

9.TensorFlow

TensorFlow是一個由Google開發(fā)的開源機器學(xué)習(xí)庫，支持用戶構(gòu)建ML模型。

它提供了廣泛的庫、工具和資源，助力研究人員開發(fā)并部署機器學(xué)習(xí)系統(tǒng)。

并且它還幫助構(gòu)建和訓(xùn)練機器學(xué)習(xí)模型。值得一提的是，TensorFlow.js可以將模型轉(zhuǎn)換為html。

TensorFlow作為一個開源的軟件程序，可基于數(shù)據(jù)流圖完成數(shù)值計算，并在CPU和GPU以及一系列移動計算設(shè)備上使用。

10.Google Cloud ML Engine

如果你有數(shù)十億或數(shù)百萬的訓(xùn)練數(shù)據(jù)，又或者你的算法需要耗費大量的時間才能正確執(zhí)行，那么Google Cloud ML Engine就是一個很好用的工具。

這是一個基于云的平臺，允許機器學(xué)習(xí)應(yīng)用程序開發(fā)人員和數(shù)據(jù)科學(xué)家創(chuàng)建、執(zhí)行高質(zhì)量的模型。

機器學(xué)習(xí)模型的訓(xùn)練、構(gòu)建、深度學(xué)習(xí)、預(yù)測建模甚至預(yù)測的所有選項都是可以使用的。

該應(yīng)用程序為許多企業(yè)所用。企業(yè)可以通過它來識別衛(wèi)星圖像中的云，或者更快地響應(yīng)客戶電子郵件。它能以多種方式訓(xùn)練復(fù)雜的模型。

11.IBM Machine Learning

IBM Machine Learning服務(wù)允許用戶混合IBM Watson Studio和IBM Watson OpenScale等技術(shù)。

它是一款可用于構(gòu)建AI模型的開源軟件，將模型集成到應(yīng)用程序中并對其進行測試。IBM ML提供了一個 免費的輕量級計劃，其中包括20個 CPUH的上限和兩個批處理任務(wù)的同時優(yōu)化。

12.Oryx 2

它基于Apache Spark和Apache Kafka構(gòu)建而成，是lambda架構(gòu)的一個示例，用于大規(guī)模實時算法。

Orxy2軟件開發(fā)平臺可用于過濾、打包、回歸、分類、聚類和歸類的端到端應(yīng)用程序。Oryx2.8.0是該應(yīng)用程序的最新版本。

Oryx2指的是Oryx1項目的更高級版本。

它有三層在協(xié)同工作：分別是速度層、批處理層和服務(wù)層。

除此之外還有一個數(shù)據(jù)傳輸層，該層能夠跨越不同級別傳輸數(shù)據(jù)并接收來自外部源的輸入。

13.Neural Designer

Neural Designer是一種新興的機器學(xué)習(xí)服務(wù)，它允許使用者跳過編碼，通過拖放和點擊功能創(chuàng)建框圖。與其他系統(tǒng)相比，Neural Designer以 417K+ 的采樣率提供了更好的 GPU 訓(xùn)練性能。

Neural Designer完全是由C++編寫而成的，這犧牲了一定的優(yōu)勢以獲得更快的性能。

大數(shù)據(jù)負載需要出色的內(nèi)存管理，而優(yōu)化CPU和GPU性能就可以實現(xiàn)快速計算。

14.Azure Machine Learning

微軟的Azure ML允許客戶快速輕松地構(gòu)建、訓(xùn)練、部署和維護機器學(xué)習(xí)模型。

QA（質(zhì)量保證）經(jīng)理擅長使用自動化機器學(xué)習(xí)快速識別和測試相關(guān)方法的能力。它還增強了一些功能，例如事件處理、應(yīng)用程序服務(wù)和任務(wù)持續(xù)時間長達500分鐘的自動化。

此外，還提供好用的插件、較長的試用期和貨幣信用。

15.Anaconda

Anaconda是一個支持MLOps生命周期的框架，美國國家銀行、美國電話電報公司AT&T、豐田和高盛都在使用它。

Conda的基本組件包括Conda軟件包管理員、無限公司的產(chǎn)品和連接性，還有云存儲庫、環(huán)境管理員。

自由職業(yè)者也能進行訂閱。Anaconda對所有人開放，包括數(shù)百個開源框架、工具以及7500多個Conda軟件包。

總結(jié)

盡管有些機器學(xué)習(xí)算法只能對特定領(lǐng)域進行預(yù)先設(shè)計，但也有其他算法可以允許用戶使用任何數(shù)據(jù)來創(chuàng)建自己的模型。

市面上有不同類型的應(yīng)用軟件，在這里主要討論了應(yīng)用于機器學(xué)習(xí)領(lǐng)域的軟件工具。

我們列出了一些使用最廣泛的機器學(xué)習(xí)工具，以及如何通過它們來解決各種需求。

當(dāng)然，隨著機器學(xué)習(xí)領(lǐng)域的不斷發(fā)展，還有許多沒有提及到的優(yōu)秀的機器學(xué)習(xí)庫，歡迎大家進行補充。

文章鏈接：

https://dzone.com/articles/most-loved-machine-learning-software-tools-for-dev

hi，這里是小牛翻譯~

想要看到更多我們的文章，可以關(guān)注下

機器翻譯學(xué)堂（公號或網(wǎng)站）

筆芯~

往期精彩文章