机器学习平台不是未来的潮流，它们正在发生。开发人员需要知道如何以及何时利用他们的能力。在ML环境中工作，同时使用Filestack等正确的工具，可以使开发人员更轻松地创建利用其强大功能的高效算法。下面列出的机器学习平台和工具（排名不分先后）现在可用作将ML的强大功能无缝集成到日常任务中的资源。1.H2OH2O是由H2O.ai为Python、R和Java编程语言设计的。通过使用这些熟悉的语言，这款开源软件使开发人员能够轻松地将预测分析和机器学习应用于各种情况。H2O在Mac、Windows和Linux操作系统上可用，为开发人员提供了分析ApacheHadoop文件系统和云中的数据集所需的工具。2.ApachePredictionIO开发人员正在寻找一个开源堆栈，该堆栈上还有一个用于机器学习的开源服务器，应该将ApachePredictionIO视为构建满足任何人工智能任务的预测引擎的一种方式。除了事件服务器和平台本身，ApachePredictionIO还包括一个模板库。3.EclipseDeeplearning4jEclipseDeeplearning4j是一个为Java虚拟机构建的开源库。该工具以深度学习为核心，面向需要在分布式CPU和GPU上工作的业务环境中构建深度神经网络的开发人员。使用Hadoop等文件系统并有DIY爱好的Scala、Clojure和Java程序员会喜欢EclipseDeeplearning4j。该工具是总部位于旧金山的公司Skymind的一个项目，可用于付费支持和企业分发。4.Accord.NETFramework图像和音频处理库用c#编程语言编写，然后与Accord结合。净框架。在其中，开发人员可以创建一系列依赖机器学习的商业用途应用程序，例如计算机视觉、信号处理、模式识别和机器听觉（也称为计算机听觉）。通过各种选项，开发人员可以利用图像和信号处理、科学计算和支持库。实时人脸检测和自然学习算法等强大功能进一步增强了框架的通用性。5、微软在2017年9月的Ignite大会上，微软发布了3款Azure机器学习工具——学习工作台、学习模型管理服务和学习实验服务——允许开发者构建自己的人工智能模型。微软还推出了三款AI工具：ContentModerator、CustomSpeechService和BingspeechAPI，增加了25种旨在提高AI能力的开发人员工具库。可访问性。6.ai-one开发者可以使用ai-1为几乎任何软件应用程序创建智能助手。该工具的资源列表包括开发人员API、文档库和可用于将数据转换为支持ML和AI结构的规则集的构建代理。7.IBMIBM的Watson平台是商业用户和开发人员都可以找到一系列人工智能工具的地方。该平台的用户可以使用入门工具包、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、认知搜索引擎和聊天机器人。8.Torch基于Lua编程语言。Torch包括脚本语言、科学计算框架和开源机器学习库。Torch通过一系列算法支持深度机器学习，并已被DeepMind和FacebookAIResearchGroup使用。9.Protege乍看之下，Protege专注于企业，似乎并没有给其他业务留多少空间。然而，开发人员可以利用Protege的开源工具套件，它为专家和知识渊博的初学者提供了强大的应用程序工具。两组开发人员都可以修改、创建、共享和上传应用程序，并利用支持他们的社区。10.TensorFlowTensorFlow是专门为依赖机器学习的项目设计的。TensorFlow的另一个好处是它是一个使用开源软件设计的平台。通过大量在线资源、文档和教程，TensorFlow提供了一个包含数值计算形式的数据流图的库。这种方法的目的是允许开发人员跨多种设备启动深度学习框架，包括移动设备、平板电脑和桌面设备。11.DiffBlueDiffBlue是一个非常难得的开发工具，它是一个非常有用和简单的代码自动化平台。DiffBlue有几个核心目的——测试编写、错误定位、重构代码以及发现和替换弱点的能力——这些都是通过使用自动化来实现的。12.NeonNeon是Intel和Nervana的结晶。它是一个基于Python的ML库，并且是开源的。使用其工具的开发人员可以利用技术先进的应用程序和智能代理。Neon驻留在云端，使开发人员能够启动、构建和训练深度学习技术。13.ApacheSparkMLlib作为一个包含内存数据处理的框架，ApacheSparkMLlib提供了一个专注于聚类、协同过滤、分类和回归的算法数据库。开发人员还可以找到Singa，这是一个开源框架，其中包含一个可用于许多机器及其深度学习网络的编程工具。14.OpenNNOpenNN是一个c++编程库，面向想要实现神经网络的有经验的开发人员。OpenNN包括NeuralDesigner，这是一种旨在通过创建表格、图形和其他可视化效果来解释和简化数据输入的工具。尽管OpenNN为用户提供了庞大的教程和文档库，但它主要面向已经在人工智能领域拥有丰富经验的开发人员。15.AmazonWebServices开发人员可以利用AmazonWebServices(AWS)提供的许多AI工具包，包括AmazonLex、AmazonRekognitionImage和AmazonPolly。开发人员以不同的方式使用每个工具来创建ML工具。例如，AmazonPolly使用人工智能自动完成将语音翻译成书面文本的过程。AmazonLex构成了该品牌与其个人助理Alexa一起使用的聊天机器人的基础。16.MahoutMahout适用于需要创建依赖ML实现可扩展性的应用程序的开发人员。除了教程等资源之外，Mahout还为初级开发人员提供了使用可与ApacheFlink、ApacheSpark和H2O一起使用的预设计算法的能力。17.Veles是用c++写的，用Python做节点协调。Veles是三星在ML领域的贡献。已经需要由可立即用于数据分析的训练模型组成的API的开发人员会发现Veles的价值。18.CaffeCaffe是由伯克利视觉和学习中心(BVLC)与开发人员社区合作开发的。它旨在为开发人员提供基于图像的自动化检测工具。Caffe被一些世界上最大的品牌使用，包括Pinterest和Facebook。刚开始使用这些机器学习平台开展职业生涯的开发人员以及那些专家，在浏览上面的列表时会发现资源宝库。虽然有些依赖于特定的编程语言，但其他一些可以在各种情况下使用，包括在云中。软件和基于云的产品都允许开发人员利用各自的优势。
