帮助企业驾驭人工智能的12种机器学习工具
有了这些工具和框架，预测未来从来没有如此容易。
由于许多公司日益渴望将人工智能整合到本公司中，机器学习带来了许多优点，机器学习是指系统能够从庞大数据集当中学习，而不是遵守预设的规则。比如说，这可能意味着建立预测模型以防欺诈，或者实现网站上的内容个性化。
谷歌、微软、IBM和AWS，这些大牌科技公司自然不会错失这个机会，它们都在提供机器学习功能。下面是市面上几种主要的机器学习工具，可以帮助企业在人工智能方面迈出第一步。
几年前，谷歌也是最先通过云，借助其Prediction API提供机器学习功能的公司之一，让客户可以充分利用这个搜索巨头的机器学习算法，分析数据、预测未来结果。
它还开源了TensorFlow机器学习框架，这种框架是为多节点机器学习设计的。TensorFlow可以生成能在CPU或GPU上处理的C ++或Python图形。这些图形被称为流程图（flow graph），描述了数据在某个系统中流动的情况。
去年8月，AWS在欧洲推出了亚马逊机器学习（Amazon Machine Learning）服务，旨在让技能水平高低不一的开发人员更容易使用复杂算法。
AWS表示，其机器学习服务每天可以进行数十亿次的预测，充分利用来自RedShift、S3及关系数据库服务（RelationalDatabase Service）等服务的AWS数据。
微软的机器学习工具包旨在缓解拥挤的机器学习集群，让用户更容易同时运行多个（不同的）机器学习应用程序。微软通过为集群里面的每个节点提供缓存来减少流量。这将最终减少进入中心节点的流量。
机器学习工具：微软计算网络工具包
该工具包是微软提供的另一种工具，它让用户能够创建用有向图描绘的神经网络。虽然主要用于语音识别技术，但是自2015年4月以来，它已成为一种更通用型的机器学习工具包，支持图像、文本和RNN培训（递归神经网络，这是一种神经网络）。
IBM计划将Watson由一种兼职的游戏节目选手变成真正的企业软件解决方案，2014年发布的Watson Analytics云服务正是该计划的一部分。
它旨在帮助在预测分析方面几乎毫无经验的企业组织将业务数据充分利用起来。
IBM已经在2013年推出了WatsonDeveloper Cloud，以便开发人员通过其Bluemix平台即服务云，访问API，让他们可以基于Watson的强大功能，开发自己的应用程序。
并非只有各大IT公司才进入云端人工智能。许多初创公司也涉足这个市场，BigML就是其中之一。
2011年，BigML创办于俄勒冈州，它提供了一个简单的用户界面，让用户可以上传数据集，开始进行预测。
Apache有两款实用的机器学习工具：Spark MLlib和Singa。
Apache SparkMLlib通常与Hadoop联系在一起，它是一种内存中数据处理框架。Spark提供了一个日益庞大的库，库里面不仅有实用算法，还有涉及诸多方面的实用工具，比如分类、回归、集群、协作过滤及更多（用于内存中数据处理）。
Singa则是Apache孵化器里面的一种开源框架。实际上，它将为覆盖众多机器的深度学习网络提供一种编程工具。
该机器学习工具用C ++编写，使用Python用于节点之间的协调。Veles提供一套API，可以立即使用经过训练的模型。Veles可用于数据分析和虚拟化。
2015年8月，中国电子商务巨头阿里巴巴宣布，其云计算业务阿里云将提供一项机器学习服务，帮助企业客户简化分析软件的开发。
该服务基于阿里云的开放数据处理服务（ODPS）技术，这项技术能够在六小时内处理100 PB数据。
DT PAI平台提供了一种拖放式界面，为广大开发人员简化处理过程。
阿里巴巴云业务的高级产品专家Xiao Wei在这项服务宣布时说：“过去需要几天才能处理的数据现在几分钟内就能处理。”
Caffe是一种深度学习C ++框架，最初是为机器视觉应用（基于成像的自动检测）开发的。现在，Caffe有扎根于语音和多媒体的其他无数应用，并行计算平台CUDA提供了一套虚拟指令集。然而，需要时，Caffe可以在CPU（中央处理单元）和GPU（图形处理单元）之间变换。
Neon提供了一种基于Python的开源机器学习库，为CPU和GPU提供了可插入模块。另外还有深度学习框架和可视化框架，支持AlexNet、VGG和GoogLeNet等神经网络。
Wise.io同样旨在让大众也可以使用机器学习。其算法最初是为了帮助天文学家发现和测绘新恒星而开发的，后来被公司企业投入使用。
云头条编译｜未经授权谢绝转载
相关阅读：
AI热点：谷歌、Facebook、亚马逊和苹果竞相收购人工智能初创公司
人工智能群欢迎加入讨论，群主微信：aclood