机器学习 - 实施

  • 简述

    要开发 ML 应用程序,您必须决定平台、IDE 和开发语言。有多种选择。其中大部分都可以轻松满足您的要求,因为它们都提供了迄今为止讨论的 AI 算法的实现。
    如果您正在自己开发 ML 算法,则需要仔细理解以下方面 -
    您选择的语言 - 这本质上是您对 ML 开发支持的一种语言的熟练程度。
    您使用的 IDE - 这取决于您对现有 IDE 的熟悉程度和您的舒适度。
    开发平台- 有几个平台可用于开发和部署。其中大部分是免费使用的。在某些情况下,您可能需要支付超出一定使用量的许可费。以下是可供您随时参考的语言、IDE 和平台选择的简要列表。
  • 语言选择

    以下是支持 ML 开发的语言列表 -
    这个列表本质上并不全面;但是,它涵盖了机器学习开发中使用的许多流行语言。根据您的舒适程度,选择一种语言进行开发,开发您的模型并进行测试。
  • IDE

    以下是支持 ML 开发的 IDE 列表 -
    • R Studio
    • Pycharm
    • iPython/Jupyter Notebook
    • Julia
    • Spyder
    • Anaconda
    • Rodeo
    • Google –Colab
    上面的列表本质上并不全面。每个人都有自己的优点和缺点。鼓励读者在缩小到单个 IDE 之前尝试这些不同的 IDE。
  • 平台

    以下是可以部署 ML 应用程序的平台列表 -
    • IBM
    • Microsoft Azure
    • Google Cloud
    • Amazon
    • Mlflow
    再一次,这个列表并不详尽。鼓励读者注册上述服务并亲自试用。