Popular posts from this blog
10個開源的機器學習工具,AI入門到精通!
1. DataRobot DataRobot(DR)是一款高度自動化的機器學習平臺,由全球最好的Kagglers構建,包括Jeremy Achin,Thoman DeGodoy和Owen Zhang。該平臺聲稱已經消除了對數據科學家的需求。這從他們網站的一句話中可以明顯看出 - “數據科學需要數學和統計資質、編程技能和商業知識。借助DataRobot,你只需提供商業知識和數據,而我們的尖端自動化負責其餘部分。” 模型優化: 平臺通過採用文本挖掘、變數類型檢測、編碼、插補、縮放、轉換等自動檢測最佳數據預處理和特徵工程。 部署: 只需點擊幾下即可輕鬆部署設施(無需編寫任何新代碼)。 對於軟體工程師: Python SDK和API可用於將模型快速集成到工具和軟體中。 2. BigML BigML提供了一個良好的圖形用戶介面,可以讓用戶通過以下6個步驟掌握: 來源:使用各種資訊來源 數據集:使用定義的源創建數據集 模型:製作預測模型 預測:基於模型生成預測 合成:創建各種模型的合成 評估:針對驗證集的非常模型 這些過程顯然會以不同的順序迭代。BigML平臺提供了很好的結果可視化,並具有求解分類、回歸、聚類、異常檢測和關聯發現問題的演算法。他們提供按月、季度和年度訂閱捆綁在一起的幾個軟體包。他們甚至提供免費套餐,但上傳數據集的大小限制為16MB。 4. Google Cloud AutoML Cloud AutoML是Google機器學習組件的一部分,它允許有限ML專業知識的人員來構建高質量模型。作為Cloud AutoML產品組合的一部分,第一款產品是Cloud AutoMLVision。該服務使得訓練圖像識別模型變得更加簡單。它具有拖放介面,可以讓您上傳圖像,訓練模型,然後直接在Google Cloud上部署這些模型。 Cloud AutoML Vision基於Google的遷移學習和神經架構搜索等技術。這個工具已經被很多組織所使用。看看這篇文章,看看AutoML在兩個驚人的現實生活例子的表現,以及它如何產生比任何其他工具更好的結果。 5. MLBase MLBase是加州大學伯克利分校的AMP(演算法機器人)實驗室開發的一個開源專案。背後的核心思想是為機器學習應用於大規模問...
https://store.gravitylink.com
ReplyDelete