AI-utvecklarna avslöjar sina favoritverktyg och ramverk för Machine Learning

In AI, Machine Learning, Botar, CXM, Nyheterby 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:  Fler väljer chatt för att stoppa övergivna varukorgar

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 konto. Det är helt gratis.
Använd registreringslänken för att bli MKSE medlem nu. Så kommer du åt allt MKSE.com Premium innehåll. Idag och framöver. Genom att registrera dig hjälper du till att hålla MKSE.com levande. Formuläret tar runt 15 sekunder att fylla i för oss branschproffs. Eller bara fortsätt omfamna kundupplevelsen och låt din webbläsare i gult auto-fill populera in dina personliga uppgifter.

Fler artiklar om ämnet:  69 artiklar om dagen - Bonnier får världsledare inom AI och robotjournalistik med MittMedia
Redan medlem? Påpassligt. Logga in här!

I vissa webbläsare kan en sidomladdning eller F5 klick behövas efter din första inloggning.

Varför bli medlem? MKSE Medlemmar vet mer. Är steget före.

Leave a Comment

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