机器学习平台并不是未来的潮流，它已经真真切切的发生在我们的身边。
开拓职员须要知道如何以及何时利用其权力。
在利用像Filestack这样的精确工具的同时，在ML环境中事情可以使开拓职员更随意马虎创建一个高效的算法，以充分发挥其功能。
以下是

1.H2O

https://www.h2o.ai

开拓人员必备：这18个机械进修平台你值得一用_人员_对象 AI简讯

H2O是由H2O.ai为Python、R和Java编程措辞设计的。
通过利用这些熟习的措辞，这款开源软件使开拓职员能够轻松地将预测剖析和机器学习运用于各种情形。
H2O可在Mac、Windows和Linux操作系统上利用，为开拓职员供应剖析Apache Hadoop文件系统中的数据集以及云中的数据集所需的工具。

2. Apache PredictionIO

https://predictionio.apache.org

正在探求开源软件的开拓职员也有一个开源的机器学习做事器，该开拓职员该当将Apache PredictionIO作为一种构建可知足任何人工智能任务的预测引擎的方法。
除了事宜做事器和平台本身之外，Apache PredictionIO还包含一个模板库。

3. Eclipse Deeplearning4j

https://projects.eclipse.org/proposals/eclipse-deeplearning4j

Eclipse Deeplearning4j是一个为Java虚拟机构建的开源库。
以深度学习为核心，该工具针对那些须要在分布式CPU和GPU事情的商业环境中构建深度神经网络的开拓职员。
Scala、Clojure和Java程序员可以利用像Hadoop这样的文件系统，并且有DIY方向的人可能会更喜好Eclipse Deeplearning4j。
该工具是旧金山Skymind公司的一个项目，可以得到付费支持和企业分销。

4. Accord.NET Framework

http://accord-framework.net

图像和音频处理库以C＃编程措辞编写，然后与Accord.NET框架相结合。
在个中，开拓职员可以创建一系列商业用场的运用程序，这些运用程序依赖机器学习，例如打算机视觉、旗子暗记处理、模式识别和打算机视觉。
这样有多种可供选择，开拓职员可以利用图像和旗子暗记处理、科学打算等。
强大的功能，如实时人脸检测以及更多增加到这个框架的多功能性。

5.微软

https://docs.microsoft.com/en-us/azure/machine-learning/service/

在2017年9月举行的Ignite会议期间，微软推出了三款Azure机器学习工具：Azure机器学习实验做事、Azure机器学习事情台以及Azure机器学习模型管理做事。
可以让开发职员构建自己的人工智能模型。
微软还推出了三个人工智能工具，必应实体搜索 API、自定义影像做事、人脸API，以增加25个开拓职员工具库，旨在提高人工智能的可访问性。

6. ai-one

http://www.ai-one.com

开拓职员可以利用ai-one创建险些适用于任何软件运用程序的智能助理。
该工具的资源列表包括开拓职员API、文档库和可用于将数据转换为支持ML和AI构造的规则集的构建代理。

7. IBM

https://www.ibm.com/watson/

IBM的Watson平台是商业用户和开拓职员可以找到一系列AI工具的地方。
该平台的用户可以利用入门工具包，示例代码和其他可通过开放API访问的工具来构建虚拟代理、认知搜索引擎和谈天机器人。

8.Torch

http://torch.ch

以Lua编程措辞为根本，Torch包含脚本措辞、科学打算框架和开源ML库。
Torch通过一系列算法支持深度机器学习，并已被DeepMind和Facebook AI Research Group利用。

9.Protege

https://protege.stanford.edu/products.php

乍一看，看起来彷佛是Protege对企业的关注没有其他任何空间。
但是，开拓职员可以利用Protege的开源工具套件，为专家和知识渊博的初学者供应强大的运用工具。
这两组开拓职员都可以修正、创建、共享和上传运用程序，并利用支持社区。

10. TensorFlow

https://www.tensorflow.org

TensorFlow专为在依赖机器学习的项目中利用而设计，它具有作为利用开源软件设计的平台的附加上风。
在大量的在线资源、文档和教程的帮助下，TensorFlow供应了一个包含数值打算形式的数据流图的库。
这种方法的目的是让开发职员能够跨多种设备（包括移动设备、平板电脑和台式机）启动深度学习框架。

11. DiffBlue

https://www.diffblue.com

DiffBlue是非常罕见的开拓工具，它是一个非常有用但大略的平台，致力于代码自动化。
DiffBlue有几个核心目的：测试编写、缺点定位、重构代码以及创造和更换弱点的能力，这些都是利用自动化完成的。

12. Neon

https://github.com/NervanaSystems/neon

它是由Intel和Nervana开拓的，Neon是一个基于Python的ML库，并且是开源的。
利用其工具的开拓职员可以利用技能前辈的运用程序和智能代理。
在云环境中， Neon支持云打算，支持开拓职员开拓、构建和演习深度学习技能。

13. Apache Spark MLlib

https://spark.apache.org/mllib/

作为包含内存数据处理的框架，Apache Spark MLlib供应了一个算法数据库，重点关注集群、协作过滤、分类和回归。
开拓职员还可以找到Singa，这是一个开源框架，个中包含一个编程工具，可用于大量机器及其深度学习网络。

14. OpenNN

http://www.opennn.net

一个C ++编程库，OpenNN紧张针对那些想要实现神经网络的履历丰富的开拓职员。
OpenNN包含Neural Designer，该工具旨在通过创建表格、图表和其他可视内容来阐明和简化数据条款。
只管OpenNN为用户供应了大量的教程和文档库，但仍紧张针对那些已经拥有丰富AI履历的开拓职员。

15.亚马逊网络做事

https://mahout.apache.org

开拓职员可以利用Amazon Web Services（AWS）供应的大量AI工具包，个中包括Amazon Lex、Amazon Rekognition Image和Amazon Polly。
开拓职员以不同的办法利用它们来创建ML工具。
例如，Amazon Polly利用人工智能来自动化将语音翻译成书面文本的过程。
亚马逊Lex是该品牌的谈天机器人的根本，可以与其个人助理Alexa一起利用。

16. Mahout

https://mahout.apache.org

对付须要创建依赖ML来扩展的运用程序的开拓职员，Mahout就可以实现。
除了诸如教程之类的资源之外，Mahout还为低级开拓职员供应了利用先入为主的算法的能力，然后可以与Apache Flink、Apaches Spark和H2O一起利用。

17.Veles

https://velesnet.ml

以C ++编写，并利用Python进行节点折衷，Veles是三星对ML景不雅观的贡献。
那些已经须要可以立即用于数据剖析并且由演习有素的模型组成的API的开拓职员将会在Veles中找到代价。

18.Caffe

http://caffe.berkeleyvision.org

Caffe由伯克利视觉与学习中央（BVLC）与开拓者社区互助开拓。
它旨在为开拓职员供应基于图像的自动检讨工具。
Caffe被天下上一些最大的品牌利用，包括Pinterest和Facebook。

开始利用这些机器学习平台吧！

刚刚开始他们的职业生涯的开拓职员以及专家将会在他们通过上述清单的过程中找到宝贵的资源。
个中一些依赖于特定的编程措辞，而其他一些可以在包括云中的各种实例中利用。
软件和基于云的产品都可以让开发职员充分利用每种产品的上风。