云中的一些優(yōu)秀機器學習服務可以使用戶能夠更好地分析數(shù)據(jù)，并獲得新的見解。用戶通過云計算訪問這些服務在成本和工作時間方面往往是高效的。

[[315436]]

機器學習(ML)是人工智能(AI)的子集，它試圖以幾種不同的方式從數(shù)據(jù)集“學習”，其中包括監(jiān)督學習和無監(jiān)督學習。有許多可用于機器學習的不同技術，例如各種商業(yè)工具以及開源框架。

盡管組織可以選擇在本地部署機器學習框架，但這通常是一項復雜且占用大量資源的工作。機器學習得益于專用硬件，包括推理芯片和優(yōu)化的GPU。機器學習框架通常也很難正確部署和配置。技術復雜性導致了云平臺機器學習服務的興起，該服務提供了正確的硬件和優(yōu)化配置的軟件，使組織可以輕松地開始使用機器學習。

主要特征

大多數(shù)機器學習的云計算服務都包含幾個關鍵功能：

• AutoML——自動化的機器學習功能自動幫助構建正確的模型。
• 機器學習工作室——工作室的概念就是提供一個可以構建機器學習模型和數(shù)據(jù)建模方案的開發(fā)人員環(huán)境。
• 開源框架支持——支持現(xiàn)有框架(如TensorFlow、MXNet和Caffe)的能力非常重要，因為它有助于實現(xiàn)模型的可遷移性。

如何選擇

在評估云端機器學習服務的不同選項時，需要考慮以下條件：

• 現(xiàn)有服務——每個主要的公共云提供商都擁有自己的機器學習服務。通常，用戶堅持使用數(shù)據(jù)已經(jīng)存在的同一平臺通常是一個容易的選擇。
• 數(shù)據(jù)訪問——提取數(shù)據(jù)或從任何所需來源中提取數(shù)據(jù)集的能力是重要的考慮因素，否則只是簡單地移動數(shù)據(jù)就會浪費大量時間。
• 工作流建模——機器學習可能是一項復雜的活動，因此，最好確保有易于使用的工作流建模功能。

以下優(yōu)秀公司列表將重點介紹提供云計算優(yōu)秀機器學習服務的供應商。

1.阿里巴巴

對于潛在買家的價值主張：對于那些有機器學習需求的用戶來說，阿里巴巴公共云是一個不錯的選擇，因為其數(shù)據(jù)集遍布全球，尤其是在亞洲，阿里巴巴是一家領先的云計算服務商。

關鍵價值/區(qū)別

• 阿里巴巴的主要區(qū)別在于其PAI Studio工具，該工具集成了用于數(shù)據(jù)預處理、功能工程和統(tǒng)計分析的預構建模塊。
• 使用AutoML進行自動參數(shù)調整是一項強大的功能，可幫助用戶自動微調算法以獲得所需的結果。
• 可視界面可以幫助用戶以拖放方式設置機器學習工作流程。
• 支持多種常見的機器學習框架，其中包括TensorFlow、MXNet和Caffe

2.亞馬遜網(wǎng)絡服務(AWS)

對于潛在購買者的價值主張：AWS公司擁有當今云中最廣泛的機器學習服務，其SageMaker產品組合具有領先地位，其中包括在云平臺中構建、訓練和部署模型的功能。

關鍵價值/區(qū)別

SageMaker是AWS公司的完全托管產品，具有多種服務，其中包括：

• Ground Truth——用于構建和管理培訓數(shù)據(jù)集
• Studio——機器學習的完整集成開發(fā)環(huán)境
• Autopilot——用于自動構建和訓練模型
• 模型調整——用于參數(shù)優(yōu)化
• AWS公司的主要區(qū)別在于SageMaker服務與記事本的可擴展性，使用戶可以在機器學習模型上共享和協(xié)作。此外，AWS市場還提供了第三方預構建的算法和模型供用戶使用。
• 支持的框架包括TensorFlow、PyTorch、Apache MXNet、Chainer、Keras、Gluon、Horovod、Scikit-learn和Deep Graph Library。

3.谷歌云

對潛在購買者的價值主張：谷歌云的機器學習服務集也在不斷擴展和增長，針對特定用例的通用服務和針對特定目的而構建的服務。

關鍵價值/區(qū)別

• 云中谷歌云機器學習服務的核心元素是Cloud AutoML套件，該套件旨在輕松幫助用戶開始構建和部署模型。
• 使機器學習更容易也是人工智能集線器的目標，該集線器具有組件開發(fā)人員可以用來構建模型的存儲庫。
• 人工智能或機器學習模型僅取決于其所基于的數(shù)據(jù)，這就是谷歌公司提供的人工智能平臺數(shù)據(jù)標簽服務如此有用，有助于正確準備和識別用于機器學習的正確數(shù)據(jù)的原因。
• 關鍵區(qū)別在于視覺人工智能和視頻人工智能，它們是用于視頻和音頻數(shù)據(jù)的重點工具。

4.IBM Watson

對潛在購買者的價值主張：IBM Watson機器學習使用戶可以在任何云平臺或僅在IBM Cloud上運行模型。

關鍵價值/區(qū)別

• IBM Watson機器學習的一個關鍵區(qū)別是本地組件，該組件使用戶可以首先在本地構建模型，然后使用該模型在任何云上運行。
• 在IBM 云平臺上，對Watson機器學習進行了全面管理，包括用于構建和部署模型的Watson Studio開發(fā)人員環(huán)境。
• 僅運行模型是不夠的，監(jiān)視和衡量結果也很重要，這是IBM Watson OpenScale服務與IBM 云平臺配合的地方，為人工智能提供了治理和監(jiān)視模型。
• IBM云平臺上的GPU加速的機器學習培訓支持Keras、PyTorch、Tensorflow和Caffe框架。

5.微軟Azure

對潛在買家的價值主張：對于已經(jīng)采用Microsoft Azure云平臺的組織，Azure機器學習非常適合，它提供了一個用于訓練、部署和管理機器學習模型的云計算環(huán)境。

關鍵價值/區(qū)別

• Azure機器學習的主要區(qū)別在于服務的直觀拖放設計器，用于構建機器學習模型。
• 微軟公司在其平臺上采用了MLOps的概念，提供了一種DevOps風格的方法來構建和管理機器學習管道和工作流。
• Azure機器學習的另一個優(yōu)勢領域是服務集成的安全性和治理控制，可以幫助使機器學習工作與合規(guī)性工作以及身份和隱私控制保持一致。
• 支持多種開源框架，包括PyTorch、TensorFlow、Kera和scikit-learn。

6.Oracle

對潛在買家的價值主張：對于已經(jīng)使用Oracle Cloud應用程序的組織來說，Oracle機器學習是一個有用的工具，可以幫助構建數(shù)據(jù)挖掘記事本。

關鍵價值/區(qū)別

• Oracle機器學習(OML)包括多項服務，例如OML筆記本、OML微服務、OML4SQL以及Oracle Data Miner。
• Oracle機器學習服務的一項關鍵功能是集成的協(xié)作功能，可幫助用戶一起工作。
• OML服務與包括公司同名數(shù)據(jù)庫的Oracle應用程序很好地集成在一起。

7.Salesforce Einstein

對潛在購買者的價值主張：Salesforce Einstein是一個專用的機器學習平臺，與Salesforce平臺緊密集成。

關鍵價值/區(qū)別

• Salesforce Einstein的主要目的是幫助Salesforce的用戶從他們自己的數(shù)據(jù)中獲得更好的見解。
• 除了僅與現(xiàn)有Salesforce應用程序一起使用外，Einstein還可以用于構建從Saleforce應用程序云平臺交付的人工智能驅動的應用程序。
• Einstein Discovery是核心的機器學習服務，還可用于在Salesforce之外的數(shù)據(jù)中查找見解和模式。