2019年应该学习的10个机器学习API

　　如今，机器学习无处不在，从手机上的照片到电子邮件收件箱里的过滤系统。机器学习已经成为未来最关键的组成部分之一。随着互联网越来越个性化的趋势，机器学习变得比以往任何时候都重要。甚至像亚马逊这样的大公司也使用机器学习算法根据你的兴趣为你提供推荐。

　　大约十年前，互联网的主要目的是为你提供信息——一个关键字会在全球范围内产生关于那个特定关键字的结果。但是今天，重点是为用户提供更多相关的信息——更接近他们正在搜索的内容。这就是机器学习发挥重要作用的地方。

　　目前，机器学习被包括谷歌、Amazon、IBM、Microsoft在内的大公司所主导，但这一趋势正在发生转变，小公司正在将它们的算法和api引入这一领域。api使公司更容易跨多个领域共享知识和信息。在深入研究一些创新的机器学习API之前，让我们先看看API到底是什么。

　　什么是API?

　　用最简单的术语来说，API或应用程序编程接口是允许两个软件程序相互通信的代码片段。它是一组用于构建软件的定义、协议和工具。API是两个软件之间的链接，它负责从一个软件向另一个软件发送请求，以及返回请求。

　　API由两部分组成——描述程序之间如何交换信息的规范，以及作为编写到该规范并以某种方式发布以供使用的软件接口。

　　api有三种类型：

　　本地api——这些api为应用程序提供操作系统或中间件服务，比如微软的。net api。

　　Web api——这些api通过internet来发送和接收信息。这些包括url。

　　程序api——这些基于远程过程调用技术，远程程序组件对软件的其余部分来说是本地的。

　　我们认为你应该在2019年学习的10个趋势机器学习api:

　　1. PredictionIO

　　PredictionIO是一个基于Apache的开源机器学习API，它使得数据科学家更容易构建预测机器。它可以与Apache Spark、MLlib、HBase、Elasticsearch和Spray轻松绑定。它使用一个独特的模板系统来创建机器学习系统，使开发人员更容易根据自己的需要定制引擎。

　　PredictionIO还可以自动评估预测引擎，以确定使用的最佳超参数。这个出色的API承担了主要任务，允许开发人员简单地向组合中添加自己的定制。PredictionIO提供了快速构建和部署引擎、可定制模板、实时响应动态查询、使用系统流程进行更快的机器学习建模、预构建评估措施、简单的数据基础设施管理等功能。

　　2. Geneea自然语言处理API

　　Geneea是一种自然语言处理API，可以对提供的原始信息执行分析。这个API可以对原始文本、从给定URL提取的文本或直接从提供的文档中提取的文本等信息执行分析。开发人员还可以提供额外的信息，例如所使用的语言、特定的领域等，这些信息可以帮助使结果更加精确。Geneea对语言、纠正、变音符号、标记、主题检测、名称实体识别等主题进行分析。

　　3. IBM沃森视觉识别

　　IBM Watson的可视化识别API使用机器学习算法正确识别、分类和标记对象。它还可以用于搜索视觉内容，如颜色，查找人脸，标记图像，估计年龄和性别，甚至在一个集合中查找类似的图像。开发人员甚至可以创建和培训定制分类器来识别他们需要的对象。IBM可视化识别是IBM Watson开发人员的更大的api云套件的一部分，该套件还包括语音到文本、文本到语音、问答、性格洞察、音调分析器等。

　　4. Slack的API

　　几年前，Slack成为最流行的工作场所通信工具之一，从那时起，它引入了自己的API，允许开发人员为自己的工作空间构建定制的通信系统。这个RESTful API允许开发人员学习和使用Slack代码。它提供了Slack强大的自然语言处理功能，允许开发人员构建与Slack集成的应用程序，比如智能聊天机器人或其他可以安排会议的机器人。

　　5. 美国电话电报公司(AT&T)语音API

　　AT&T语音API允许开发人员将语音识别功能集成到他们的应用程序中。该API由AT&T Watson语音引擎提供支持，还包括自然语言处理功能，如自然语言理解、语音识别、语音转录等等。它可以很容易地将一个口语文件转录成文本。该API可以根据特定需求进行调整，如Web搜索、业务搜索、语音邮件、SMS、问答等。

　　6. 微软认知服务-文本分析

　　微软在机器学习方面取得了长足的进步。这个流行的API允许开发人员在翻译文本之前自动检测文本的语言。它还可以从文本中提取信息，包括语言和语句背后的情感。它还提供其他功能，如关键短语提取、语言检测、情感分析、翻译，甚至识别文本中的实体。

　　7. 亚马逊机器学习

　　Amazon的机器学习API可以执行许多不同的功能。它可以执行欺诈检测、内容个性化、文档分类和客户流失预测等功能。它还允许开发人员快速培训和部署他们的模型。然而，Amazon的API不是开源的，它可以用于即付即用的支付计划。

　　8. BigML

　　BigML是一个机器学习REST API，允许开发人员轻松地为应用程序构建和部署AI模型。这个API允许构建预测模型，包括有监督和无监督的机器学习任务，以及机器学习管道。最好的部分是BigML允许使用标准HTTP方法创建、检索、更新和删除BigML资源。

　　9. 谷歌云api

　　谷歌一直致力于创新，它真正闪耀的地方是机器学习。谷歌有一套完整的云api，旨在帮助简化开发人员的任务。谷歌的机器学习API包括云视觉API、云语音API、自然语言API、翻译API和对话流API。

　　云视觉API -包括图像标签，人脸检测，标志和地标，光学字符识别，显式内容检测。

　　云语音API -包括语音识别，音频转换从麦克风或文件，转换到超过80种语言的文本。

　　自然语言API -包括结构分析、文本含义、情感分析、实体识别和文本注释。

　　翻译API——从一种语言翻译到另一种语言。

　　10. Wit.ai

　　Wit.ai是一个自然的开源语言处理平台，它提供了向web和移动应用程序添加智能语音功能的功能。为家庭自动化、联网汽车、智能电视、机器人、智能手机、可穿戴设备等应用提供智能语音接口。智慧的文档。ai是干净的，容易理解。它包括代码示例、许多流行语言和平台的sdk、快速入门指南和完整的Wit应用程序指南。

　　结论

　　随着机器学习的发展，如果开发者想要保持竞争力，他们就必须提高自己的水平。这10个api将帮助您获得比其他api更强的优势。如果您有任何喜欢的api，请在下面的评论部分告诉我们。