有助于机器学习的7个云计算服务

用于呆板进修、人工智能、数据说明的基于云计较的器材日前增多。个中的一些应用是在基于云计较的文档编辑和电子邮件，技强职员可以通过各类装备登录中央存储库，并在长途位置，乃至在路上或海滩长举办事变。云计较可以处理赏罚文件备份和同步，简化事变流程。

数据说明是许多组织在云计较平台举办的一项首要计较事变，大概是由于IT技强职员善于编程，可能大概是由于科学家的尝试室装备必要直接毗连到计较机记录数据，可能大概是由于数据集太大迁徙它们很是耗时。

无论是什么缘故起因，科学家和数据说明师都逐渐地接管了长途计较。用于呆板进修、人工智能、数据说明的基于云计较的器材日前增多。个中的一些应用是在基于云计较的文档编辑和电子邮件，技强职员可以通过各类装备登录中央存储库，并在长途位置，乃至在路上或海滩长举办事变。云计较可以处理赏罚文件备份和同步，简化事变流程。

现实上，数据说明更得当回收云计较。当数据集很大时，云计较用户可以在租用的硬件办法上运行大型功课，从而更快、更好地完成事变。用户没有须要启动电脑耗费大量时刻举办处理赏罚。而回收云计较，只需启动数十个装有大量内存的云计较实例，并在几分钟内调查处理赏罚功效，因此可以节减时刻和本钱。

组织回收云计较也存在必然的风险，而最大的风险是对用户隐私的忧虑。一些数据说明涉及用户的小我私人书息。人们已经风俗了在尝试室中处理赏罚数据的安详题目，很难知道云中产生了什么。

人们对云计较提供商行使的最佳实践感想满足之前还必要一段时刻。人们已经熟悉到，云计较提供商也许会礼聘更多的安详参谋。假如小我私人电脑毗连到环球互联网，那么人们也许会说它已经是云计较的一部门。

荣幸的是尚有一些办理要领。最简朴的要领是行使随机ID替代小我私人书息等技能来匿名化数据。这种要领并不美满，可是它可以在很洪流平上缓解黑客在打破云计较的防止之后也许造成的贫困。

尚有一些其他的利益。一些提供商可以向公家共享或开放源数据集，这也许天生更多的组合。一些云计较提供商正在筹谋本身的数据集，并镌汰存储本钱以吸引用户。假如用户乐意，可以实行将产物贩卖与气候或太阳黑子等民众数据齐集的任何其他信息相干联。谁知道呢?这里有许多稀疏的相干性。

以下是七种差异的基于云计较的呆板进修处事，可辅佐人们领略数据齐集的相干性和信号。

(1)Amazon SageMaker

亚马逊公司建设了SageMaker，以简化行使其呆板进修器材的事变。Amazon SageMaker将差异的AWS存储选项(S3、Dynamo、Redshift等)组合在一路，并将数据传输到风行的呆板进修库(TensorFlow、MXNet、Chainer等)的Docker容器中。在最终模子作为本身的API陈设之前，可以行使Jupyter记事本跟踪全部事变。SageMaker将用户的数据移动到亚马逊民众云的处事器中，因此用户可以专注于思索算法而不是进程。假如要在当地运行算法，可以随时下载Docker镜像以简化操纵。

(2)微软Azure呆板进修

微软公司已经看到了呆板进修的将来，并尽力投入到Machine.ingStudio中，这是一种用于在数据中查找信号的伟大图形器材。这就像人工智能的电子表格。有一个拖放界面，用于构建流程图以领略数字。文档上表白“不必要编码”，这在技能上是正确的，但用户如故必要像措施员一样思索才气有用地行使它，而不会陷入构建代码的逆境。但假如错过了语法错误、数据范例以及编程的其他爱好，用户可以导入用Python、R或其他一些选项编写的模块。

最风趣的选择是，微软公司已添加基本办法，以便从人工智能中学到的内容，并将猜测模子转换为在Azure民众云中运行的Web处事。因此，用户可以构建实习集，建设模子，然后只需点击键盘和鼠标，就可以从Azure处事中提供JSON数据包的谜底。

(3)BigML

BigML是一种用于数据说明的殽杂仪表板，可以在BigML云平台中行使，也可以在当地安装。其主界面是一个仪表板，列出了全部守候由几十台呆板进修分类器、集群器、回归器和非常检测器说明的全部文件。单击并表现功效。

最近，该公司专注于新算法，加强了仓库提供有效谜底的手段。新的Fusion代码可以集成多种算法的功效，以进步精确性。

通过在BigML本身的处事器上回收大量免费套餐。用户还可以在AWS，Azure或谷歌云平台上构建私有陈设。假如这如故较量果真的话，他们会将其陈设在用户的私家处事器上。

(4)Databricks

Databricks器材集由Apache Spark的一些开拓职员构建，他们回收了开源说明平台，并增进了一些明显的速率加强成果，通过一些奇妙的压缩和索引来进步吞吐量。名为Delta的殽杂数据存储是可以存储大量数据然后快速说明的处所。当新数据达到时，它可以压缩到原有的存储器中以举办快速从头说明。

Apache Spark的全部尺度化说明措施都可以在这些数据上运行，但对Spark基本布局举办了一些急需的改造，譬喻用于说明代码的集成记事本。

Databricks与AWS和Azure集成，并按照斲丧和机能订价。每个计较引擎都在Databrick Units中丈量。企业必要为更快的型号付出更多用度。

(5)DataRobot

这里的很多要领都让用户只需点击键盘即可构建呆板进修模子。DataRobot宣称可以或许同时构建数百个模子，只需单击一下键盘即可。在完成模子后，用户可以通过它们举办挑选，找出可以或许做得更好的模子，并继承举办猜测。其奥秘是回收一个大局限的并行处理赏罚引擎，换句话说就是回收多台呆板举办说明。

DataRobot正在通过实验新算法和扩展当前算法来扩展。该公司最近收购了Nutonian，其Eureqa引擎应该加强自动化呆板进修平台建设时刻序列和分类模子的手段。该体系还为更高级的用户提供了Python API。

DataRobot可通过DataRobot Cloud或嵌入式工程师随附的企业软件版本得到。

(6)谷歌云呆板进修引擎

谷歌公司在TensorFlow上投入了大量资金，TensorFlow是用于在数据中查找信号的尺度开源库之一，此刻用户可以在谷歌云平台中实行回收TensorFlow。谷歌云呆板进修引擎中的一些器材是开源的，对付任何下载它们的用户来说都是免费的，有些器材是谷歌云平台中贸易选项的一部门。这行使户可以自由地试探，并停止一些锁定，由于大部门代码都是开源的，而且可以在任何Mac，Windows或Linux呆板上运行。

（编辑：河北网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!