流行的十四个机器学习编程语言框架和工具

编译作者: 布加迪 2019-02-27 08:00:00

流行的十四个机器学习编程语言框架和工具

【51CTO.com快译】如果你想知道哪些不断壮大的编程语言库和工具是实现机器学习模型的不错选择,那么随时可以获得帮助。

O'Reilly的一项新调查发现,主要从事技术、金融和医疗保健行业的1300多人透露了他们在公司使用的机器学习技术。

本文介绍了面向数据科学界宠儿Python的软件框架和库、大数据平台以及处理机器学习管道每个阶段的基于云的服务。

说到使用机器学习或报告所称的AI,大多数公司仍处于评估阶段,实施的最常用工具是用于“模型可视化”和“自动模型搜索和超参数调整”的工具。

不出所料,一种最常见的机器学习是监督学习,即使用大量的标记数据来训练机器学习模型。比如说,负责找出视频中人员的计算机视觉模型可以拿注释的图像加以训练,以表明图像中有没有人。

流行的十四个机器学习编程语言框架和工具

图片来源:O'Reilly

以下是公司企业声称用于机器学习的库、框架、大数据平台和云服务。

软件库和框架

1.TensorFlow

谷歌广泛使用的机器学习框架,旨在处理训练机器学习模型时所需要的数值计算,能够在CPU、GPU和专用芯片(比如谷歌的张量处理单元即TPU)之间划分计算任务。

2.scikit-learn

用于数据挖掘和数据分析的一种流行Python库,使用了众多机器学习算法。

3.Pytorch

一种开源深度学习框架,学起来比TensorFlow等与之竞争的框架更容易,旨在用于机器学习管道的每个阶段。

4.Keras

这种深度学习框架用于处理神经网络(支持深度学习的受大脑启发的数学模型),旨在比与之竞争的框架更易于使用。

Keras用Python编写,它能够在TensorFlow、微软认知工具包(CNTK)和Python库Theano上运行。

云套件

5.微软Azure ML Studio

这套服务旨在帮助公司在微软的Azure云上以及靠近网络边缘的计算设备上构建、训练和部署机器学习模型。工具有助于使识别和调整适当的机器学习模型这个过程实现自动化,并有助于扩展底层计算以满足需求。

6.谷歌云机器学习引擎

与Azure ML Studio相似,谷歌云机器学习引擎也提供了用于训练、评估、调整和部署机器学习模型的工具。

7.亚马逊SageMaker

亚马逊SageMaker同样提供了用于构建、训练和部署机器学习模型的服务,以便能够以更低的成本更快地将模型部署到生产环境。

大数据平台工具

8.H20

这是一种开源内存中平台,可以跨分布式系统扩展机器学习工作负载。

该平台旨在支持使用最广泛的统计和机器学习算法,并提供一定程度的自动化,以帮助数据科学家识别和调整适当的机器学习模型。

9.Prodigy

Prodigy旨在简化训练和评估机器学习模型的过程,这种工具可帮助数据科学家适当地标注训练数据集。

10.Spark NLP

Spark NLP提供了一个自然语言处理(NLP)库,旨在处理运行内存中大数据平台Apache Spark的分布式系统。

11.OpenAI Gym

这种工具包用于开发和比较强化学习算法,强化学习是一种机器学习,其中软件代理通过因导致期望结果的动作而受到奖励来学习如何执行任务。

12.Analytics Zoo

Analytics Zoo将一系列大数据和机器学习技术整合到它所说的统一分析和AI平台中。

该平台整合了Spark、TensorFlow、Keras和深度学习库BigDL,可以跨分布式Hadoop和Spark集群扩展机器学习模型,用于训练和推理。

13.AllenNLP

旨在简化设计和评估解决自然语言处理问题的新深度学习模型这个过程。

该库包括面向核心NLP问题和NLP应用的高质量模型的参考实现。

14.Rise Lab Ray

这种框架用于跨分布式系统运行机器学习模型,提供高性能和容错性,同时仍具有可扩展性。

原文标题:Most popular programming language frameworks and tools for machine learning,作者:Nick Heath

【51CTO译稿,合作站点转载请注明原文译者和出处为51CTO.com】

机器学习 编程语言 框架
上一篇:百度首发人工智能家庭影院 软硬件一体化生态见雏形 下一篇:2019汽车人工智能计算技术及市场趋势
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

人工智能取得重大突破,意识识别已经实现

这只是一个开始,但是却非常令人兴奋:将大脑活动转化为文本的系统。对于那些无法说话的人,例如患有锁定综合征的人,这将改变生活。

秦枫时尚范 ·  23h前
特征工程是啥东东?为何需要实现自动化?

如今人工智能(AI)变得越来越普遍和必要。从防止欺诈、实时异常检测到预测客户流失,企业客户每天都在寻找机器学习(ML)的新应用。ML的底层是什么?这项技术如何进行预测?使AI发挥神奇功效的秘诀又是什么?

布加迪 ·  4天前
科学家研发出“读心术”,直接将脑电波翻译成文本,错误率低至3%

美国加州大学旧金山分校的科学家,已经训练出一种算法,可以直接将受试者的脑电波实时翻译成句子,错误率仅为 3% 。

张路 ·  2020-04-02 10:16:59
破解机器学习的误区——常见机器学习神话究竟从何而来?

Forrester Research最近发布了一份名为“ 粉碎机器学习的七个神话”的报告。在其中,作者警告说:“不幸的是,一些对机器学习项目做出重要决策的企业领导者,普遍存在机器学习的误解。”

CDA数据分析师 ·  2020-04-01 14:24:06
令人兴奋的 2020 年人工智能和机器学习趋势

在本文中,我们将讨论几个顶级的人工智能和机器学习趋势,将塑造新年:2020。 我们还将介绍面部识别技术及其在2020年的应用。

飞羽译 ·  2020-03-31 18:49:03
2020之最:最实用的机器学习工具有哪些?

就如同制作米其林菜肴,拥有井井有条的厨房固然重要,但可选择的东西太多也着实让人烦恼,建立良好的机器学习(ML)应用程序也是如此。

读芯术 ·  2020-03-31 18:47:22
用机器学习备忘单解决艰巨问题,你行吗?

在本文中,我们将介绍如何使用备忘单简化机器学习方法,你可以使用该备忘单选择适合解决问题的正确算法。

读芯术 ·  2020-03-28 14:36:36
“阿凡达”式脑-脑接口性能提升 2-3 个数量级

脑-脑接口这一概念,看过科幻电影《阿凡达》的人可能有点印象。在电影中,地球上的人可以通过脑对脑的直接信息传递,远程控制潘多拉星上经基因改造的蓝色类人生物 Na'vi 族。

付静 ·  2020-03-26 10:42:31
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载