「认识AI：人工智能如何赋能商业」【29】主流的机器学习工具

作者 | Harper

审核 | gongyouliu

编辑 | gongyouliu

上期给大家梳理了一下使用机器学习可能遇到的挑战，本期给大家介绍一下目前主流的机器学习工具，方便大家挑选使用。

众所周知机器学习是人工智能中最丰富的领域之一，因为有太多的数据可用。大多数公司仍在为如何处理内部收集的数据而挣扎，更不用说从其他来源获取的数据了。缺乏数据不再是挑战。挑战在于如何从所有这些数据中提取商业价值。好消息是，机器学习已经存在了很长时间，因此可以使用各种工具和服务来帮助公司利用这项技术。个人、企业和大学几十年来一直在开发工具，其中大多数工具都很容易访问和免费使用。

机器学习是一种用于将许多功能构建到AI系统中的技术。因此一旦掌握了机器学习工具，你就可以使用它们构建围绕自然语言处理、语音识别和自动决策的系统。

如果你刚刚开始使用机器学习，那么最好的资源之一是scikit-learn，它是Python中的机器学习实现。它构建在许多Python项目上，并且是开源的。你甚至可以在自己的机器学习项目中使用它，因为它受BSD许可证的保护。scikit-learn是一个很好的起点，因为它可以让你使用各种机器学习算法，包括用于分类、聚类甚至回归的算法。

如今许多大型科技公司采用基于云的机器学习即服务(MLaaS)解决方案。这些平台处理大多数基础设施问题，包括数据预处理和模型训练。这其中4个最重要的平台分别是:亚马逊SageMaker、MicrosoftAzure机器学习、IBM Watson以及谷歌云AI。

亚马逊将SageMaker描述为“一个完全托管的服务，为每个开发人员和数据科学家提供快速构建、训练和部署机器学习模型的能力”。SageMaker连接了许多Amazon的其他云服务。因此，可以将你公司的数据上传到Amazon云数据仓库，然后使用SageMaker的机器学习算法来分析这些数据。

微软的机器学习平台是其Azure云服务平台的一部分，被称为Azure机器学习。它是一种基于云的服务，用于构建、测试和部署机器学习解决方案。为了简化机器学习模型的创建，微软提供了Azure机器学习工作室：一种可拖拽式工具，可用于构建机器学习模型并将其发布为Web服务。通过机器学习工作室，你可以在Azure机器学习工作区中构建、训练和跟踪高度精确的机器学习和深度学习模型。

像微软一样，IBM有一个基于云的平台来部署机器学习模型，还有一个可拖拽式工具来创建模型。IBM Watson机器学习是“使数据科学家和开发人员能够加速AI机器学习部署”的平台。该平台基于IBM称之为管道的概念构建而成。你可以通过管道输入不同的数据源，并使用机器学习分析数据。还可以从其他源输入数据。使用IBM Watson Studio,你可以使用开放源代码来预处理数据和构建机器学习模型或可视化建模。

谷歌云AI，是由三个独立的产品组成:AI Hub是一个即插即用的人工智能组件的托管存储库。AI构建模块简化了将视觉、语言、会话和结构化数据添加到AI应用程序的过程。人工智能平台是一个基于代码的数据科学开发环境，可以帮助数据科学家和开发人员快速地完成项目从构思到部署的整个链路。

这些商业服务和工具在许多方面既相似又不同。它们都支持分类和回归算法，但只有亚马逊和微软支持聚类。微软Azure机器学习工作室是唯一一个支持异常检测和排序的平台。Azure机器学习工作室和谷歌云AI提供推荐算法，而亚马逊SageMaker和IBM Watson则不支持。另外，亚马逊、谷歌和IBM Watson提供的人工智能解决方案都具有内置算法，而微软Azure则要求你自带算法。它们中的大多数都可以灵活地使用scikit-learn这样的框架。而且它们都支持流行的TensorFlow框架。

本文的视频版本可以直接点击下面视频观看，欢迎关注数据与智能视频号获取更多精彩视频。