一些优秀的云端机器学习服务可以让用户更好地分析数据，获得新的见解。用户通过云计算访问这些服务通常具有成本效益和时间效率。机器学习(ML)是人工智能(AI)的一个子集，它试图以多种不同的方式从数据集中“学习”，包括有监督和无监督学习。有许多不同的技术可用于机器学习，例如各种商业工具和开源框架。虽然组织可能会选择在本地部署机器学习框架，但这通常是一项复杂且资源密集型的工作。机器学习受益于专用硬件，包括推理芯片和优化的GPU。机器学习框架通常也难以正确部署和配置。技术的复杂性导致基于云的机器学习服务的兴起，这些服务提供合适的硬件和优化配置的软件，使组织可以轻松地开始使用机器学习。主要功能大多数用于机器学习的云计算服务包括几个主要功能：AutoML-自动机器学习功能自动帮助构建正确的模型。机器学习工作室-工作室的概念是提供一个开发人员环境，可以在其中构建机器学习模型和数据建模解决方案。开源框架支持——支持现有框架（如TensorFlow、MXNet和Caffe）的能力很重要，因为它有助于实现模型的可移植性。如何选择在评估基于云的机器学习服务的不同选项时，需要考虑以下几点：现有服务——每个主要的公共云提供商都有自己的机器学习服务。通常，用户坚持使用数据已经存在的同一平台通常是一个容易的选择。数据访问——从任何所需来源提取数据或提取数据集的能力是一个重要的考虑因素，否则大量时间会浪费在简单地移动数据上。工作流建模——机器学习可能是一项复杂的活动，因此最好确保有易于使用的工作流建模功能。下面的优秀公司列表将突出显示在云中提供出色机器学习服务的供应商。1.阿里巴巴对潜在买家的价值主张：对于那些有机器学习需求的用户，阿里公有云是一个不错的选择，因为它的数据集遍布全球，尤其是在亚洲，而且阿里巴巴是领先的公司云计算服务提供商。关键价值/差异化阿里巴巴的主要差异化因素是其PAIStudio工具，它集成了用于数据预处理、特征工程和统计分析的预构建模块。使用AutoML进行自动参数调整是一项强大的功能，可帮助用户自动微调算法以获得所需的结果。可视化界面可帮助用户以拖放方式设置机器学习工作流程。支持多种常见的机器学习框架，包括TensorFlow、MXNet、Caffe2。AmazonWebServices(AWS)对潜在买家的价值主张：AWS拥有当今云中最广泛的机器学习服务，其SageMaker产品组合具有领先地位，其中包括在云中构建、训练和部署模型的能力.关键价值/差异化SageMaker是AWS提供的完全托管产品，提供多项服务，包括：GroundTruth-用于构建和管理训练数据集Studio-用于机器学习的完整IDEAutopilot-用于自动构建模型调整和训练模型-用于参数优化AWS的主要不同之处在于SageMaker服务与记事本的可扩展性，它使用户能够共享和协作机器学习模型。此外，AWSmarketplace还提供第三方预建算法和模型供用户使用。支持的框架包括TensorFlow、PyTorch、ApacheMXNet、Chainer、Keras、Gluon、Horovod、Scikit-learn和DeepGraphLibrary。3.谷歌云对潜在买家的价值主张：谷歌云的机器学习服务集也在不断扩大和增长，既有针对特定用例的通用服务，也有专门构建的服务。关键价值/差异化云中GoogleCloud机器学习服务的核心要素是CloudAutoML套件，旨在帮助用户轻松开始构建和部署模型。让机器学习更容易也是AIHub的一个目标，它有一个组件开发人员可以用来构建模型的存储库。人工智能或机器学习模型的好坏取决于它所基于的数据，这就是为什么谷歌提供的AI平台数据标记服务在帮助正确准备和识别机器学习的正确数据方面如此有用。视觉AI和视频AI之间的主要区别在于，它们是视频和音频数据的重点工具。4.IBMWatson对潜在买家的价值主张：IBMWatson机器学习使用户能够在任何云平台或仅在IBMCloud上运行模型。关键价值/差异化IBMWatsonMachineLearning的一个关键差异化因素是原生组件，它使用户能够首先在本地构建模型，然后使用该模型在任何云上运行。在IBM云平台上，Watson机器学习得到全面管理，包括用于构建和部署模型的WatsonStudio开发人员环境。运行模型还不够，监控和测量结果也很重要，而这正是IBMWatsonOpenScale服务与IBM云平台合作为人工智能提供治理和监控模型的地方。IBM云平台上的GPU加速机器学习训练支持Keras、PyTorch、Tensorflow和Caffe框架。5.MicrosoftAzure对潜在买家的价值主张：对于已采用MicrosoftAzure云平台的组织，AzureMachineLearning非常适合，它提供了一个用于训练、部署和管理机器学习模型的云计算环境。关键价值/差异化Azure机器学习的主要差异化是该服务用于构建机器学习模型的直观拖放式设计器。微软在其平台上采用了MLOps的概念，提供了一种DevOps风格的方法来构建和管理机器学习管道和工作流。Azure机器学习的另一个优势领域是服务集成的安全和治理控制，可以帮助使机器学习工作与合规性工作以及身份和隐私控制保持一致。支持多种开源框架，包括PyTorch、TensorFlow、Kera和scikit-learn。6.Oracle对潜在买家的价值主张：对于已经使用Oracle云应用程序的组织，Oracle机器学习是一个有用的工具，可以帮助构建数据挖掘笔记本。关键值/差异化Oracle机器学习(OML)包括OML笔记本、OML微服务、OML4SQL和OracleDataMiner等服务。Oracle机器学习服务的一个关键特性是集成协作功能，可帮助用户协同工作。OML服务与包括公司同名数据库在内的Oracle应用程序很好地集成在一起。7.SalesforceEinstein对潜在买家的价值主张：SalesforceEinstein是一个专门构建的机器学习平台，与Salesforce平台紧密集成。关键价值/差异化SalesforceEinstein的主要目的是帮助Salesforce用户从他们自己的数据中获得更好的洞察力。除了仅与现有的Salesforce应用程序一起使用外，Einstein还可以用于构建从Salesforce应用程序云平台交付的人工智能应用程序。EinsteinDiscovery是核心机器学习服务，也可用于在Salesforce之外的数据中查找见解和模式。
