AI-utvecklarna avslöjar sina favoritverktyg och ramverk för Machine Learning

In AI, Machine Learning, Botar, CXM, Nyheter by Martin EdenströmLämna en kommentar

Machine learning och utveckling baserat på AI-ramverk är så pass vanligt idag att det börjat dyka upp topplistor kring vilka ramverk som är bäst och mest användbara i olika sammanhang.

MKSE.com har tagit del av några av experternas favoriter, denna kommer från KDnuggets.

Topp fem för mer generisk Machine Learning utveckling:

  1. Scikit-learn – Python
  2. Spark MLLib – Java, Scala, Python
  3. mlpack – C++
  4. Accord.NET Framework
  5. WEKA open source

Topp fem för DeepLearning:

Olika AI-projekt och Botar som sjösätts i Sverige

Håll koll på det senaste. Här listas alla nyheter.

  1. TensorFlow (+Keras)
  2. MXNet
  3. caffe Berkely
  4. CNTK – The Microsoft Cognitive Toolkit
  5. Nervana Neon
Fler artiklar om ämnet:  Så förändrade SapientRazorfish och McKinsey den 250 år gamla banken i grunden

Topp fyra för ML Cloud (trots att dessa inte riktigt kan anses vara “frameworks”):

  1. Amazon Machine Learning
  2. Google Cloud Machine Learning
  3. Azure ML Studio
  4. Intel Nervana Cloud® The Platform for Deep Learning

Rekommendation för ML Data Streams:

  1. Apache Flink

Vill du läsa hela den här artikeln? Då ser vi gärna att du skapar ett gratis konto.
Använd registreringslänken för att skapa en ny användare. Därefter kommer du åt allt MKSE.com Premium innehåll. Idag såväl som nästa vecka. Att registrera sig är standard på kvalitativa nyhetssajter. Detta formulär tar bara 10-15 sekunder att fylla i. Eller omfamna kundupplevelsen och låt din webbläsare auto-fill populera dina personliga uppgifter i gult.

Fler artiklar om ämnet:  Svällande CRM-parker, Goava lägger sig ovanpå snarare än ersätter system
Redan medlem? Påpassligt. Logga in här!

I vissa webbläsare kan en sidomladdning efter första inloggning behövas.

Varför bli medlem? MKSE Medlemmar vet mer. Ligger steget före digitalt.

Leave a Comment

Denna webbplats använder Akismet för att minska skräppost. Lär dig hur din kommentardata bearbetas.