机器学习 api_开发人员会喜欢的10种机器学习API

机器学习 api

不久之前，您需要穿上白色的实验室外套才能与人工智能协同工作。科学是奥秘的，复杂的，几乎没有人类的智慧可以理解。

改变了。实验室工作人员的科学家认识到了将软件作为服务进行分发的强大功能，他们将代码捆绑在一起，并将其转变为任何人都可以使用的API。只要将您的数据发布到服务中，人造天才就会在几毫秒后返回。好吧，如果您有大数据集，则可能需要更长的时间。

[ TensorFlow机器学习入门。 • TensorFlow评论：最好的深度学习库变得更好。 •查看最新版本的TensorFlow中的新增功能。 | 通过InfoWorld的App Dev Report新闻通讯了解编程方面的热门话题。 ]

云字

在Cloudwords的销售文献中，“人工智能”和“机器学习”一词并不常见，但这并不意味着它们不属于产品。正式地，Cloudwords旨在使企业更轻松地管理大块文本并保持一致的翻译可用于多种语言。营销团队必须针对使用不同语言的人群的跨国公司可以使用Cloudwords来确保所有面向客户文本的版本保持一致和最新。

在幕后，Cloudwords依赖于使用神经网络和统计模型的几种不同的翻译引擎。它还提供了一种机制，用于保留可能需要自定义的人工指导的常见习语和短语的缓存。当文本流经系统时，此翻译记忆库将自动更新。

该代码包括用于将Cloudwords管道与企业文件系统，市场营销自动化工具和流行的内容管理系统集成的模块。当新文本以一种语言到达时，Cloudwords会将其通过管道从分包商（例如Google，Microsoft或Lilt）转移到机器翻译服务中。然后，它流回到您的存储库或CMS中，您的读者将在其中看到适合他们的适当语言的文本。

人脸API

“沃尔多在哪里？” 如果每个孩子都可以访问Microsoft的Face API，那将不是什么冒险。当您要求Face API扫描某人的照片时，您将收到一个数据结构，其中包含图像中人脸的坐标。 API还将输出非常详细的头发颜色，面部毛发数量以及人的年龄和性别的估计值。对于Waldo搜索者，Face API可以在图像数据库中查找匹配项，并返回两张图片属于同一个人的几率。

情绪API

人类很容易阅读脸上的情绪，并在一堆中挑选出最快乐，最悲伤或最愤怒的照片。微软的Emotion API提供了一种人工智能，可以自动识别图像中人的感觉。

虽然情绪对于人类来说很复杂，但Emotion API将其简化为一个介于0和1之间的8个数字的向量，这些向量表示在特定面Kong中可以发现多少愤怒，轻蔑，厌恶，恐惧，幸福，悲伤或惊奇。图片。 Microsoft已在各个国家/地区进行了测试，并认为它们在不同文化之间通常是一致的。是真的吗最好不要在此向量上施加太大的权重，而只是接受它作为算法可以得到正确答案的奇迹。

自动替代文字

好的网站在<img>标签中包含替代文本，以便搜索索引可以理解它们，而视障人士也可以知道所显示的内容。对于少数图像来说，这样做很容易，但是要做到更多，就很繁琐。在那里，人工智能可以节省每个人的时间。一些聪明的网站管理员正在使用Microsoft的Computer Vision API自动为图像分配替代文本。 AI并不总是正确的，但是如果您拥有的图像很少，它将使您的生活更加轻松。

Drupal的自动替代文本模块是一个很好的CMS如何在后台将图像上传到Vision API，然后为您填写alt字段的示例。建立在Drupal之上的网站通常是大型开放社区的所在地，用户在社区中讨论并偶尔上传图像。参与者可能会或可能不想花时间为某些图像找出正确的标题。使用人工智能可以提高每个人的站点质量，加快搜索速度，并节省用户编写字幕的时间。

裸盒

有时候，少数人的幽默感会损害人群的智慧。如果您的网站想为所有用户打开图像之门，那么您必须为喜欢在其中发布不属于其的露骨色情图片的人们做好准备。 Nudebox （来自Machinebox的工具之一）将扫描图像中的皮肤过多。是万无一失的吗？不，但是它将帮助您标记最可疑的图像，并且可以节省大量时间。

亚马逊通

AWS云中更有趣的选项之一是Amazon Connect ，这是一组应用程序工具，旨在帮助您为公司创建呼叫中心。在外部，它只是用于构建电话服务的工具包。在内部，它将一些亚马逊的AI工具连接到循环中以处理琐事。 Amazon Lex背后的自然语言工具使您可以创建聊天机器人，以充当与客户的第一轮联系。如果需要人工智能，Connect可以将客户带到解决问题所需的专业知识的正确服务代理。然后它将跟踪解决方案并对座席进行排名，以确保下一个呼叫者获得最佳体验。借助Connect，亚马逊已经集成了各种AI工具，因此您不必这样做。

Google BigQuery ML

我们中的许多人都生活在SQL世界中。我们已经使用INSERT语句构建了数据收集，并且可以在睡眠中编写JOIN语句。 Google创建了BigQuery ML，因此使用SQL的人们可以开始使用AI来分析数据，而无需重写整个堆栈。在理想的情况下，您可以使用依赖SQL的庞大，已安装的软件堆栈，然后重定向SQL存储和复制例程，以使用ANSI：2011 SQL将所需的数据推送到BigQuery ML中。它从来没有那么简单，但是它比重新考虑整个体系结构并重写所有代码要简单得多。

将数据推送到BigQuery ML中之后，新的“ SQL”命令CREATE MODEL将使预测模型适合您选择的列。该命令接受许多标准SQL选择子句，使数据库分析人员无需使用Python，Java或任何传统的机器学习语言即可构建模型。

创建模型后，最大的优势可能会出现，因为数据已经存在于数据库中并可供报表或商业智能基础结构使用。 Google已经通过与许多标准工具（例如Tableau，MicroStrategy和Looker）的集成来进行工作。

动漫学

如果您的长视频中有很多人脸，则Animetrics API将逐帧扫描视频，并拉出找到的所有人脸以进行识别和聚类。该算法扩展了2D图像并构造了3D近似值，以估计“姿势”或脸部沿x，y和z轴的方向。它甚至可以以与捕获到的姿势或角度不同的姿势或角度重新渲染面部。为了更快地生成结果，该代码并行处理多个图像。如果您没有视频，基本的API也可以使用一组面部的静态照片。

DiscoverText

Twitter的世界充满了狂热，喷涌着成千上万的文本片段，捕捉了全世界最健谈，有思想的人们的时代精神。如果您的工作是跟踪品牌，政治运动或其他文字浮动内容，那么DiscoverText将帮助您理解它。 DiscoverText提供对主要Twitter feed的访问，并为您提供了用于设置自己的机器分类器或过滤器以搜索所需文本的工具。识别推文后，DiscoverText将帮助您存储，分析和聚类结果。

发送脉冲

将AI视为复杂且开放式的AI是危险的，例如Heathcliff和Einstein的一些网络混搭，四处游荡，扔出出色的观测结果。一些人工智能紧密地致力于实现一个目标。

考虑使用SendPulse这个工具，该工具旨在使市场营销电子邮件更加受欢迎和有用，以便收件人可以更频繁地打开它们。 SendPulse使用复杂的模型来确定人们何时正常阅读他们的电子邮件，然后安排这些电子邮件恰好在此时到达，因此，他们不会陷入一大堆可能被掠过和大量删除的烂摊子 。为了收集有关读者的更多情报，SendPulse高度依赖于A / B测试来了解每个用户成功发送了哪些消息。所有这些数据都经过精心处理和优化，可以很好地完成一件事情：在掠过收件箱的那一瞬间抓住更多读者。

这种方法可能是人工智能的最终表达。这不是天才的隆重，流行语标记的体现。这不是一台充满高端数学的复杂而难以理解的机器。这只是一个定义明确的工作的简单实用工具。这就是人工智能从穿白大褂变成普通的东西的方式。

翻译自: https://www.infoworld.com/article/3305362/article.html

机器学习 api