七种基于云计算的机器学习平台介绍

问题导读

1.云计算的机器学习有哪些云平台？
2.Google Prediction API提供模式匹配和机器学习功能，创建一个应用，能够执行哪些任务？
3.亚马逊在机器学习方面，提供了哪些便利？




开发机器学习解决方案提升现有的预测算法并不是一件容易的事情。这需要大量的工作来保证其正确性，包括清除数据、建立基础结构、测试和再测试模型以及最终部署算法。

这里有六种机器学习服务，它们可以帮助你减少部署机器学习解决方案的痛苦。
1. 微软Azure机器学习
基于微软Azure云平台的Azure机器学习（Azure Machine Learning）为所有的数据科学家提供了一个流线型的体验：从只用一个网页浏览器设置，到使用拖放手势和简单的数据流图来设置实验。Machine Learning Studio提供了一个库，其中包括省时省力的样本实验，R和Python包以及像Xbox和Bing等微软业务中的一流算法。Azure的机器学习还支持R和Python的自定义代码，它可以直接放到您的工作空间。经验很容易共享，所以其他人可以轻易捡起你所留下的。

2. Google Prediction API
Google Prediction API提供模式匹配和机器学习功能。给定一个数据集样本来训练，你就可以创建一个应用程序，能够执行下列任务：
（1）给定用户以前的浏览习惯，预测用户可能会喜欢的其他电影或产品。
（2）把电子邮件归类为垃圾邮件和非垃圾邮件。
（3）针对用户的产品评论进行分析，确定他们是否有积极或消极的基调。
（4）根据用户的消费历史猜测用户在特定的某一天可能会花多少钱。

3. Algorithms.io
Algorithms.io云平台可以很容易地使用机器学习算法从连接的设备分流数据。Algorithms.io的机器学习算法目录以高达99%的准确度实时地将数据流分离成独立的部分。他们提供必要的基础架构用来收集、存储和分类流数据，这一切都是“即服务”的形式。

4. BigML
BigML通过降低复杂性来创造一个高可用性、低延迟的机器学习系统并且它专门为你的数据而构建。你不仅能够从你的数据中获得宝贵的见解，而且你很可能会喜欢上它。你可以上传你的数据或通过API连接到云数据（例如Google Drive或Google Cloud），然后从这些来源中创造结构化数据，建立模型，最后做出预测。

5. Ersatz Labs
Ersatz是一个基于网络的通用机器学习平台，支持基于GPU的深度学习。它面向有抱负的、实干的数据科学家。Ersatz有很多组件设计用于使现代机器学习的工作流程更高效。首先，这其中就包括了数据备份、模型训练和机器学习基础设施。

6. Nutonian / Eureqa
Nutonian的数据科学即服务（Data Science as a Service）产品Eureqa使得行业龙头企业能够解决他们最具挑战性的业务问题。凭借着全球范围内数目超过80000的设备，机器人数据科学家（Robotic Data Scientist）提供垂直应用模块，每时每刻都在帮助金融服务、生命科学、零售、电信以及公共事业等领域运算数以百万计的潜在解决方案。
原文链接：6 Cloud Based Machine Learning Services（翻译/王玮 责编/周建丁）


7. Amazon Machine Learning
亚马逊Amazon Web Services本周四宣布推出Amazon Machine Learning（亚马逊机器学习），这是一项全面的托管服务，让任何开发者都能够轻松使用历史数据开发并部署预测模型。这些模型用途广泛，包括检测欺诈、防止用户流失并改进用户支持。Amazon Machine Learning的API和向导能够为开发者提供关于机器学习模型的创建和调试流程的指导，并Amazon Machine Learning能够与Amazon S3 、Amazon Redshift和Amazon Amazon RDS集成。








http://cloud.idcquan.com/yzx/69421.shtml