10 แพลตฟอร์ม AI เพื่อสร้างแอปพลิเคชั่นที่ทันสมัยของคุณ

ตอนนี้เรารู้ว่า Terminators ไม่ได้มาหาเราถึงเวลาที่จะได้เป็นเพื่อนกับปัญญาประดิษฐ์และได้รับประโยชน์จากมัน!


เป็นเวลานานในสาขาปัญญาประดิษฐ์และสาขาย่อยที่มีชื่อเสียงที่สุดของการเรียนรู้ของเครื่องถูกล้อมรอบด้วยรัศมีลึกลับ เครื่องจักรกดโฆษณาชวนเชื่อกำลังสูบฉีดบทความหลังจากบทความบอกล่วงหน้าถึงการเพิ่มขึ้นของเครื่องจักรที่ชาญฉลาดมีความเป็นอิสระและมีความชั่วร้ายทำให้หลายคนตกอยู่ในความสิ้นหวัง.

และวันนี้เรามีอะไรที่จะแสดงให้เห็นถึงเสียงและควันทั้งหมด เทคโนโลยี AI ที่อยู่ไกลจากที่สมบูรณ์แบบน่าอาย ข้อผิดพลาด, และหุ่นยนต์ จำกัด ชำรุดที่เกือบจะถูกบังคับให้เปลี่ยนเป็น พลเมือง. เฮ้เรายังไม่มีอัลกอริทึมการแปลภาษาที่เหมาะสม.

ถ้าวันนี้ใครบางคนยังคงยืนยันว่าวันโลกาวินาศใกล้เข้ามาแล้วนี่คือปฏิกิริยาของฉัน:

ดังนั้นอะไรคือ AI, ML และ buzzwords ทั้งหมดหากไม่ใช่จุดจบของมนุษยชาติ?

นี่เป็นวิธีการใหม่ในการเขียนโปรแกรมคอมพิวเตอร์เพื่อแก้ปัญหาที่เกี่ยวข้องกับการจำแนกและการทำนาย และคาดเดาสิ่งที่ในที่สุดเราก็มีบริการ AI มากมายที่คุณสามารถเริ่มใช้งานได้ทันทีในแอปพลิเคชันธุรกิจของคุณและรับผลประโยชน์มหาศาล.

แพลตฟอร์ม AI สามารถทำอะไรเพื่อธุรกิจในปัจจุบัน?

คำถามที่ดี!

ปัญญาประดิษฐ์นั้นมีอยู่ทั่วไปในแอปพลิเคชัน (อย่างน้อยก็ในทางทฤษฎี) ซึ่งเป็นไปไม่ได้ที่จะชี้ให้เห็นถึงจุดประสงค์ที่ได้รับการพัฒนา มันเหมือนกับถามว่าสเปรดชีตได้รับการพัฒนาอย่างไรและสิ่งใดที่สามารถทำได้ แน่นอนว่ามันถูกพัฒนาขึ้นสำหรับการบัญชี แต่วันนี้มันเกินความรับผิดชอบนั้น และการบัญชีไม่ได้เป็นเพียงฟังก์ชั่นเท่านั้น – ผู้คนใช้เป็นเครื่องมือในการจัดการโครงการเป็นรายการสิ่งที่ต้องทำเป็นฐานข้อมูลและสิ่งที่ไม่.

เช่นเดียวกันกับ AI.

การพูดอย่างคร่าวๆนั้น AI นั้นมีประโยชน์สำหรับงานที่มีการกำหนดอย่างเข้มงวดและพึ่งพาการเรียนรู้จากประสบการณ์ ใช่นั่นคือสิ่งที่มนุษย์ทำเช่นกัน แต่ AI มีข้อได้เปรียบเนื่องจากสามารถประมวลผลข้อมูลได้ในเวลาไม่นานและได้ข้อสรุปที่เร็วกว่ามาก ดังนั้นแอปพลิเคชั่นทั่วไปบางอย่างของ AI คือ:

  • ตรวจจับใบหน้าในภาพถ่ายวิดีโอ ฯลฯ
  • การแบ่งประเภทและการแท็กรูปภาพตัวอย่างเช่นสำหรับคำแนะนำจากผู้ปกครอง
  • การแปลงเสียงเป็นข้อความ
  • การตรวจจับวัตถุในสื่อ (เช่นรถยนต์ผู้หญิง ฯลฯ )
  • การทำนายราคาหุ้นเคลื่อนไหว
  • ตรวจสอบการระดมทุนของการก่อการร้าย (ในจำนวนล้านธุรกรรมต่อวัน)
  • ระบบคำแนะนำ (ช็อปปิ้ง, เพลง, เพื่อน ฯลฯ )
  • แคปต์ชาแตก
  • การกรองสแปม
  • การตรวจจับการบุกรุกเครือข่าย

ฉันสามารถไปต่อและอาจจะหมดหน้า (พูดเป็นรูปเป็นร่าง) แต่ฉันคิดว่าคุณได้รับความคิดในขณะนี้ นี่คือตัวอย่างทั้งหมดของปัญหาที่มนุษย์พยายามแก้ไขด้วยวิธีการคำนวณแบบดั้งเดิม แต่สิ่งเหล่านี้มีความสำคัญเนื่องจากพวกเขามีความต้องการอย่างมากในธุรกิจและโลกแห่งความจริง.

ดังนั้นโดยไม่ต้องกังวลใจต่อไปให้เริ่มต้นด้วยรายการแพลตฟอร์ม AI อันดับต้น ๆ ของเราและดูว่าพวกเขามีอะไรบ้าง.

บริการ Amazon AI

เช่นเดียวกับที่อเมซอนกำลังนำ บริษัท ออกจากธุรกิจอย่างรวดเร็วดังนั้น AWS จึงมีความโดดเด่นในฐานะแพลตฟอร์มที่แทบไม่มีอะไรที่น่าสนใจ กันไปด้วย บริการ Amazon AI, ซึ่งเต็มไปด้วยบริการ AI ที่มีประโยชน์อย่างเหลือเชื่อ.

นี่คือบริการที่เหลือเชื่อที่ AWS มี.

เข้าใจ Amazon: ช่วยให้คุณเข้าใจถึงภูเขาทั้งหมดของข้อมูลต้นฉบับเดิมที่ไม่มีโครงสร้าง กรณีใช้งานครั้งเดียวคือการขุดการพูดคุยเกี่ยวกับการสนับสนุนลูกค้าที่มีอยู่และหาระดับความพึงพอใจที่ได้รับเมื่อเวลาผ่านไปความกังวลหลักของลูกค้าคืออะไรคำหลักที่ใช้บ่อยที่สุด ฯลฯ.

พยากรณ์อากาศของ Amazon: บริการ Zero-setup สำหรับการใช้ข้อมูลอนุกรมเวลาที่มีอยู่ของคุณและเปลี่ยนเป็นการพยากรณ์ที่แม่นยำสำหรับอนาคต ในกรณีที่คุณสงสัยว่าข้อมูลอนุกรมเวลาคืออะไรให้ดูที่บทความที่ฉันเขียนเมื่อเร็ว ๆ นี้ (ดูฐานข้อมูลชื่อ Timescale ที่ส่วนท้ายของบทความ).

Amazon Lex: สร้างอินเทอร์เฟซการสนทนา (ข้อความและ / หรือภาพ) ลงในแอปพลิเคชันของคุณ เบื้องหลังกำลังเรียกใช้โมเดลการเรียนรู้ของเครื่องที่ผ่านการฝึกอบรมของอเมซอนซึ่งจะถอดรหัสเจตนาและทำเสียงพูดเป็นข้อความทันที.

ปรับแต่ง Amazon: บริการที่ง่ายและไม่มีโครงสร้างพื้นฐานเพื่อสร้างคำแนะนำสำหรับลูกค้าของคุณหรือตัวคุณเอง! คุณสามารถป้อนข้อมูลอีคอมเมิร์ซหรืออะไรก็ได้ในบริการนี้และเพลิดเพลินกับคำแนะนำที่แม่นยำและน่าสนใจ แน่นอนยิ่งชุดข้อมูลมีขนาดใหญ่เท่าใดคำแนะนำก็จะยิ่งดีขึ้นเท่านั้น.

มีบริการ AI อื่น ๆ อีกมากมายที่อเมซอนมีและคุณสามารถใช้เวลาทั้งวันในการเรียกดูผ่านพวกเขา อย่างไรก็ตามมันเป็นกิจกรรมที่ฉันแนะนำสุดใจ! ��

หมายเหตุ: เป็นการยากที่จะหาข้อสรุปของบริการเหล่านี้ทั้งหมดเข้าด้วยกันในเอกสาร AWS แต่ถ้าคุณไปที่

TensorFlow

TensorFlow เป็นห้องสมุด (และยังเป็นแพลตฟอร์ม) ที่สร้างขึ้นโดยทีมงานที่อยู่เบื้องหลัง Google Brain. เป็นการใช้งานโดเมนย่อย ML ที่เรียกว่า Deep Learning Neural Networks กล่าวคือ TensorFlow เป็นวิธีการของ Google ในการเรียนรู้เครื่องด้วยอวนประสาทโดยใช้เทคนิคการเรียนรู้ลึก.

ตอนนี้นั่นหมายความว่า TensorFlow ไม่ใช่วิธีเดียวที่จะใช้ Neural Networks – มีห้องสมุดมากมายที่นั่นแต่ละแห่งมีข้อดีและข้อเสีย.

ในวงกว้าง TensorFlow ช่วยให้คุณสามารถเรียนรู้ Machine Stock สำหรับสภาพแวดล้อมการเขียนโปรแกรมที่แตกต่างกันมากมาย ที่กล่าวว่าแพลตฟอร์มฐานเป็นภาพที่ค่อนข้างสวยและส่วนใหญ่อาศัยกราฟและการสร้างภาพข้อมูลเพื่อให้งานสำเร็จลุล่วง ดังนั้นแม้ว่าคุณจะไม่ใช่โปรแกรมเมอร์ แต่ก็เป็นไปได้ด้วยความพยายามเพื่อให้ได้ผลลัพธ์ที่ดีจาก TensorFlow.

ในอดีต TensorFlow มุ่งเป้าไปที่การเรียนรู้แบบ “ประชาธิปไตย” ในความรู้ของฉันมันเป็นแพลตฟอร์มแรกที่ทำให้ ML เป็นแบบง่ายภาพและเข้าถึงได้ในระดับนี้ ส่งผลให้การใช้ ML ระเบิดขึ้นและผู้คนสามารถฝึกโมเดลได้อย่างง่ายดาย.

จุดขายที่สำคัญที่สุดของ TensorFlow คือ Keras, ซึ่งเป็นห้องสมุดสำหรับการทำงานอย่างมีประสิทธิภาพกับโครงข่ายประสาทเทียมโดยทางโปรแกรม นี่คือความง่ายในการสร้างเครือข่ายที่เชื่อมต่อได้ง่าย (perceptron):

model = tf.keras.Sequential ()
# เพิ่มเลเยอร์ที่เชื่อมต่อหนาแน่นกับ 64 ยูนิตเข้ากับโมเดล:
model.add (layer.Dense (64, activation = ‘relu’))
# เพิ่มอีกหนึ่ง:
model.add (layer.Dense (64, activation = ‘relu’))
# เพิ่มชั้น softmax ที่มี 10 เอาต์พุต:
model.add (layer.Dense (10, activation = ‘softmax’))

แน่นอนว่าต้องมีการกำหนดค่าการฝึกอบรมและอื่น ๆ แต่ก็ง่ายพอ ๆ กัน.

เป็นการยากที่จะหาข้อผิดพลาดกับ TensorFlow โดยพิจารณาจาก ML ไปเป็น JavaScript อุปกรณ์มือถือและแม้แต่โซลูชัน IoT อย่างไรก็ตามในสายตาของนักปราชญ์มันยังคงเป็นแพลตฟอร์ม“ น้อยกว่า” ที่ทอมทอมและแฮร์รี่ทุกคนสามารถยุ่ง ดังนั้นจงเตรียมพร้อมที่จะเผชิญกับการต่อต้านขณะที่คุณเลื่อนขึ้นบันไดทักษะและพบกับวิญญาณที่ “ตรัสรู้” มากขึ้น ��

หากคุณเป็นมือใหม่ให้ตรวจสอบสิ่งนี้ TensorFlow แนะนำหลักสูตรออนไลน์.

หมายเหตุเพิ่มเติม: การวิจารณ์ TensorFlow บางคนกล่าวว่าไม่สามารถใช้ GPU ซึ่งไม่เป็นความจริงอีกต่อไป วันนี้ TensorFlow ไม่เพียงทำงานร่วมกับ GPU แต่ Google ได้พัฒนาฮาร์ดแวร์พิเศษเฉพาะที่เรียกว่า TPU (TensorFlow Processing Unit) ซึ่งมีให้บริการในรูปแบบคลาวด์ บริการ.

บริการ Google AI

Google ก็มีบริการคลาวด์เช่นเดียวกับบริการของ Amazon บริการ หมุนรอบ AI ฉันจะไม่แสดงรายการบริการทั้งหมดเนื่องจากพวกเขาค่อนข้างคล้ายกับข้อเสนอของ Amazon นี่คือภาพหน้าจอของสิ่งที่นักพัฒนาสามารถสร้างได้หากพวกเขาสนใจ:

โดยทั่วไปมีสองวิธีที่คุณสามารถใช้บริการ AI ของ Google สิ่งแรกคือการใช้โมเดลที่ผ่านการฝึกอบรมโดย Google และเริ่มใช้กับผลิตภัณฑ์ของคุณ ประการที่สองคือสิ่งที่เรียกว่า AutoML บริการซึ่งทำหน้าที่เป็นตัวกลางหลายขั้นตอนของการเรียนรู้ของเครื่องจักรเพื่อช่วยพูดนักพัฒนาสแต็คเต็มรูปแบบที่มีความเชี่ยวชาญ ML ที่น้อยกว่าในการสร้างและฝึกอบรมโมเดลได้อย่างง่ายดาย.

H2O

“2” ใน H2O ควรจะเป็นตัวห้อย (คล้ายกับสูตรทางเคมีสำหรับน้ำฉันเดา) แต่มันน่ารำคาญที่จะพิมพ์ออกมา ฉันหวังว่าคนที่อยู่เบื้องหลัง H2O จะไม่คิดอะไรมาก!

H2O เป็นแพลตฟอร์มโอเพ่นซอร์สสำหรับการเรียนรู้ของเครื่องที่ใช้โดยชื่อใหญ่ที่รวมอยู่ใน Fortune 500.

แนวคิดหลักคือการทำให้การวิจัย AI ที่ทันสมัยเข้าถึงสาธารณชนมากกว่าปล่อยให้มันอยู่ในมือของ บริษัท ที่มีเงินในกระเป๋าและใช้ประโยชน์ได้ มีผลิตภัณฑ์หลายประเภทที่นำเสนอภายใต้แพลตฟอร์ม H2O เช่น:

  • H2O: แพลตฟอร์มพื้นฐานสำหรับการสำรวจและใช้การเรียนรู้ของเครื่อง.
  • โซดา: บูรณาการอย่างเป็นทางการกับ Apache Spark สำหรับชุดข้อมูลขนาดใหญ่.
  • H2O4GPU: แพลตฟอร์ม H2O เวอร์ชันที่เร่งด้วย GPU.

H2O ยังสร้างโซลูชันที่เหมาะสำหรับองค์กรและสิ่งเหล่านี้รวมถึง:

  • AI ที่ไม่มี Driver: ไม่ Driverless AI ไม่มีส่วนเกี่ยวข้องกับรถยนต์ที่ขับเคลื่อนด้วยตัวเอง! ��มีมากขึ้นในสายการให้บริการ AutoML ของ Google – ขั้นตอน AI / ML ส่วนใหญ่เป็นแบบอัตโนมัติทำให้เครื่องมือที่ง่ายขึ้นและเร็วขึ้นในการพัฒนาด้วย.
  • การสนับสนุนที่ชำระเงิน: ในฐานะองค์กรคุณไม่สามารถรอปัญหา GitHub และหวังว่าพวกเขาจะได้รับคำตอบในไม่ช้า หากเวลาเป็นเงิน H2O จะให้การสนับสนุนและให้คำปรึกษาแก่ บริษัท ขนาดใหญ่.

Petuum

Petuum เป็นผู้พัฒนา ซิมโฟนี แพลตฟอร์มซึ่งออกแบบมาเพื่อไม่ทำงานกับ AI กล่าวอีกนัยหนึ่งถ้าคุณเบื่อการเข้ารหัสและ / หรือไม่ต้องการจดจำไลบรารีและรูปแบบการแสดงผลเพิ่มเติมซิมโฟนีจะรู้สึกเหมือนเป็นวันหยุดพักผ่อนในเทือกเขาแอลป์!

แม้ว่าจะไม่มีสิ่งใดที่ “เปิด” เกี่ยวกับแพลตฟอร์ม Symphony แต่ฟีเจอร์เหล่านี้มีค่ามากกว่า:

  • UI ลากและวาง
  • สร้างไปป์ไลน์ข้อมูลแบบโต้ตอบได้อย่างง่ายดาย
  • หน่วยการสร้างมาตรฐานและโมดูลาร์จำนวนตันเพื่อสร้างแอปพลิเคชั่น AI ที่ซับซ้อนยิ่งขึ้น
  • อินเตอร์เฟสการเขียนโปรแกรมและ API ที่รู้สึกถึงวิธีการมองเห็นนั้นมีพลังไม่เพียงพอ
  • การเพิ่มประสิทธิภาพอัตโนมัติด้วย GPU
  • แพลตฟอร์มที่กระจายและปรับขนาดได้สูง
  • การรวมข้อมูลหลายแหล่ง

มีคุณสมบัติอื่น ๆ อีกมากมายที่จะทำให้คุณรู้สึกว่าอุปสรรคในการเข้าได้รับการลดลงอย่างมาก แนะนำเป็นอย่างยิ่ง!

Polyaxon

ความท้าทายที่ยิ่งใหญ่ที่สุดในวันนี้ในการเรียนรู้ของเครื่องและ AI คือการหาห้องสมุดและอัลกอริธึมที่ดี (หรือแม้แต่แหล่งการเรียนรู้) แต่วิศวกรรมที่มีทักษะที่ต้องใช้เพื่อจัดการกับระบบ behemoth และการโหลดข้อมูลสูง.

แม้แต่วิศวกรซอฟท์แวร์ที่มีประสบการณ์ก็อาจเป็นการถามที่มากเกินไป หากคุณรู้สึกเช่นนั้นเช่นกัน, Polyaxon มีค่าดู.

Polyaxon ไม่ใช่ห้องสมุดหรือแม้แต่กรอบงาน ค่อนข้างเป็นโซลูชันแบบครบวงจรสำหรับการจัดการด้านการเรียนรู้ของเครื่องจักรทุกด้านเช่น:

  • การเชื่อมต่อข้อมูลและการสตรีม
  • การเร่งด้วยฮาร์ดแวร์
  • การบรรจุและการเตรียมการ
  • การจัดตารางเวลาการจัดเก็บและความปลอดภัย
  • การวางท่อการเพิ่มประสิทธิภาพการติดตาม ฯลฯ.
  • แดชบอร์ด, API, การสร้างภาพ, ฯลฯ.

มันเป็นห้องสมุดและผู้ให้บริการที่ไม่เชื่อเรื่องพระเจ้าเพราะได้รับการสนับสนุนโซลูชั่นยอดนิยม (เปิดและปิด) จำนวนมาก.

แน่นอนคุณยังต้องรับมือกับการปรับใช้และการปรับขนาดในระดับหนึ่ง หากคุณต้องการหลบหนีจากปัญหาดังกล่าว Polyaxon ขอเสนอโซลูชัน PaaS ที่ให้คุณใช้โครงสร้างพื้นฐานได้อย่างยืดหยุ่น.

DataRobot

เพียงแค่ใส่, DataRobot เป็นโซลูชั่นการเรียนรู้ของเครื่องที่มุ่งเน้นสำหรับองค์กร เป็นภาพที่เห็นได้ตลอดเวลาและได้รับการออกแบบมาเพื่อให้เข้าใจข้อมูลของคุณได้อย่างรวดเร็วและนำไปใช้ในเชิงธุรกิจ.

อินเทอร์เฟซใช้งานง่ายและทันสมัยทำให้ผู้ที่ไม่ใช่ผู้เชี่ยวชาญสามารถอยู่หลังพวงมาลัยและสร้างความเข้าใจที่ลึกซึ้ง.

DataRobot ไม่มีคุณสมบัติที่วุ่นวาย แต่จะเน้นที่ความหมายของข้อมูลแบบเดิมและให้ความสามารถที่แข็งแกร่งใน:

  • การเรียนรู้ของเครื่องอัตโนมัติ
  • การถดถอยและการจำแนกประเภท
  • อนุกรมเวลา

บ่อยครั้งที่สิ่งเหล่านี้เป็นสิ่งที่คุณต้องการสำหรับองค์กรของคุณ กล่าวคือในกรณีส่วนใหญ่ DataRobot คือทุกสิ่งที่คุณต้องการ ��

NeuralDesigner

ในขณะที่เรากำลังเผชิญกับแพลตฟอร์ม AI ที่ใช้งานง่ายและทรงพลัง, NeuralDesigner สมควรได้รับการกล่าวถึงเป็นพิเศษ.

ไม่มีอะไรจะพูดเกี่ยวกับ NeuralDesigner แต่มีหลายอย่างที่ต้องทำ! เนื่องจากเครือข่ายประสาทเทียมมีวิธีการเรียนรู้ด้วยเครื่องจักรที่ทันสมัยมากขึ้นหรือน้อยลงจึงเหมาะสมที่จะทำงานกับแพลตฟอร์มที่มุ่งเน้นไปที่เครือข่ายประสาทเท่านั้น ไม่มีตัวเลือกมากมายไม่มีการรบกวน – คุณภาพเกินปริมาณ.

NeuralDesigner เก่งในหลาย ๆ ด้าน:

  • ไม่จำเป็นต้องเขียนโปรแกรม เลย.
  • ไม่จำเป็นต้องสร้างอินเตอร์เฟสที่ซับซ้อน ทุกอย่างถูกวางในขั้นตอนที่สมเหตุสมผลและเข้าใจง่าย.
  • คอลเลกชันของอัลกอริทึมที่ทันสมัยที่สุดและได้รับการปรับปรุงเฉพาะสำหรับ Neural Networks.
  • CPU ขนานและการเร่งความเร็ว GPU เพื่อประสิทธิภาพสูง.

คุ้มค่า ดู? อย่างแน่นอน!

Prevision.io

Pervision.io เป็นแพลตฟอร์มสำหรับจัดการทุกแง่มุมของการเรียนรู้ของเครื่องจักรตั้งแต่การประมวลผลข้อมูลไปจนถึงการปรับใช้ในระดับ.

PredictionIO

หากคุณเป็นนักพัฒนาซอฟต์แวร์, PredictionIO เป็นข้อเสนอที่มีประโยชน์อย่างเหลือเชื่อที่คุณควรพิจารณา หัวใจหลักของ PredictionIO เป็นแพลตฟอร์มการเรียนรู้ของเครื่องที่สามารถนำเข้าข้อมูลจากแอพของคุณ (เว็บมือถือหรืออื่น ๆ ) และสร้างการทำนายได้อย่างรวดเร็ว.

อย่าถูกหลอกด้วยชื่อ – PredictionIO ไม่ได้มีไว้สำหรับการคาดการณ์เท่านั้น แต่ยังรองรับการเรียนรู้ของเครื่องอย่างเต็มรูปแบบ นี่คือเหตุผลที่น่าสนใจที่จะรัก:

  • การสนับสนุนสำหรับการจำแนกการถดถอยคำแนะนำ NLP และสิ่งที่ไม่.
  • สร้างเพื่อจัดการปริมาณงานร้ายแรงในการตั้งค่าข้อมูลขนาดใหญ่.
  • สร้างไว้ล่วงหน้าหลายแห่ง แม่แบบ สำหรับผู้ที่รีบร้อน.
  • มาพร้อมกับ Apache Spark, MLlib, HBase, Akka HTTP และ Elasticsearch รองรับทุกความต้องการของแอพที่ทันสมัยและแข็งแกร่ง.
  • การรวมข้อมูลจากแหล่งต่าง ๆ ไม่ว่าจะเป็นแบบแบตช์หรือโหมดเรียลไทม์.
  • ปรับใช้เป็นบริการเว็บทั่วไป – ง่ายต่อการใช้และฟีด.

สำหรับโครงการเว็บส่วนใหญ่ที่นั่นฉันไม่เห็นว่า PredictionIO ไม่สมเหตุสมผล ไปข้างหน้าและลอง!

ข้อสรุป

วันนี้ไม่มีกรอบหรือแพลตฟอร์ม AI และ ML ที่ขาดแคลน ฉันมีทางเลือกมากมายเมื่อฉันเริ่มค้นคว้าบทความนี้ ด้วยเหตุนี้ฉันจึงพยายาม จำกัด รายการนี้ให้เหลือเฉพาะหรือน่าสนใจ หากคุณคิดว่าฉันพลาดบางสิ่งที่สำคัญโปรดแจ้งให้เราทราบ.

Coursera มีหลักสูตรการเรียนรู้ของเครื่องที่ยอดเยี่ยมดังนั้นลองดูว่าคุณสนใจที่จะเรียนรู้หรือไม่.

ดังนั้นแพลตฟอร์มใดดีที่สุด น่าเสียดายที่ไม่มีคำตอบที่ชัดเจน เหตุผลหนึ่งที่บริการเหล่านี้ส่วนใหญ่เชื่อมโยงกับเทคโนโลยีหรือระบบนิเวศ (ส่วนใหญ่สร้างสิ่งที่เรียกว่าสวนแบบมีกำแพงล้อมรอบ) ที่สำคัญกว่านั้นคือตอนนี้เทคโนโลยี AI และ ML ได้รับการรับรองแล้วและมีการแข่งขันเพื่อให้มีคุณสมบัติมากมายในราคาที่ต่ำที่สุดเท่าที่จะเป็นไปได้ ไม่มีผู้ขายใดสามารถเสนอสิ่งที่ผู้อื่นเสนอได้และข้อเสนอใหม่ใด ๆ จะถูกคัดลอกและให้บริการโดยคู่แข่งเกือบตลอดคืน.

ดังนั้นทุกอย่างจะลงไปที่สแต็คและเป้าหมายของคุณคืออะไรคุณจะหาบริการได้ง่ายแค่ไหนการรับรู้ของ บริษัท ที่อยู่เบื้องหลังนั้นเป็นอย่างไรและอื่น ๆ.

แต่ไม่ว่าในกรณีใดมันจะไปโดยไม่บอกว่าในที่สุด AI ก็พร้อมให้บริการและมันก็ไม่ฉลาดนักที่จะไม่ใช้มัน ��

Jeffrey Wilson Administrator
Sorry! The Author has not filled his profile.
follow me
    Like this post? Please share to your friends:
    Adblock
    detector
    map