InfoWorld | Por yegulalp servidor
Despois de gastar décadas en sombras como unha disciplina especializada ou a aprendizaxe automática, Java converteuse nunha ferramenta de negocio. A parte máis difícil, porén, é o que é útil, especialmente para os desenvolvedores e os científicos de datos que están asumindo as máquinas de pregiación (aprendizaxe de máquinas Java). Para iso, redondeamos algunhas das ferramentas máis comúns e útiles para aprender a obter vantaxe é este idioma de código aberto.
Python: Os científicos de datos asimilaron a Python como a alternativa máis aberta á análise das linguas, Como R, e moitos empresarios buscan engadir a experiencia de excelentes datos ás súas listas de Python como unha habilidade desexada. Como resultado, moitas das bibliotecas de aprendizaxe automáticas agora teñen un software Python.
do grupo, a mellor opción é aprender Scikit. Cargou algoritmos e módulos e é amplamente apreciado en GitHub, (case 2.000 usuarios e subida), e ten unha variedade de grandes nomes de testemuños
Outra importante é PYBRAIN, que está deseñado para ser fácil de traballar E proporciona acceso a algunhas ferramentas poderosas. Como o seu nome indica, céntrase nos gustos de redes neuronais e aprendizaxe non supervisada e proporciona un mecanismo de algoritmos de formación e refino.
Ir: Google System Language deseñado para o paralelismo parece ser un ideal Ambiente para as bibliotecas de aprendizaxe. Unha serie de pequenas bibliotecas onde a máis específica é a figura ou a paisaxe, pero ten un par de opcións. O máis notable, Golearn, é descrito polos seus creadores como “baterías incluídas” ou unha “biblioteca de aprendizaxe de máquinas” e ten ferramentas para filtrar, clasificación e análise de regresión.
Unha biblioteca moito máis pequena e máis Basic é MLO, que implementa só un pequeno número de algoritmos neste momento, pero ten plans de crecer para o futuro.
Java en Hadoop: Mahout (que significa “Elephant Runner” en hindi). Grupo varias metodoloxías de aprendizaxe automática común para o seu uso no marco de datos, o que fai que sexa favorito. O paquete está construído en torno a algoritmos en lugar de metodoloxías, así que para algúns A comprensión dos algoritmos é o que é necesario. Iso non é difícil ver como as pezas se encaixan nun sistema de recomendación baseado no usuario e que se pode facer en poucas liñas de código.
Outro proxecto da máquina de PREN DIZAge baseado en Hadoop, Oryx de Cloupenera, ten a intención de construír sobre o traballo de Mahout, a través da entrega de resultados de transmisión por secuencias en tempo real en vez de traballar en traballos por lotes. Por desgraza, aínda está nas primeiras etapas; É realmente un proxecto en lugar dun produto, pero merece unha estreita vixilancia a medida que evoluciona.
Java: ademais de Mahout, que se concentra en Hadoop, que é unha serie de outras bibliotecas de aprendizaxe automática para Java e ela é amplamente utilizado, é Weka, que foi creado pola Universidade de Waikato en Nova Zelanda, e é unha aplicación nun ambiente de traballo como a suma das visualizacións e as capacidades de minería de datos para a mestura habitual de algoritmos.
Para as persoas que queiran un front-end para o seu traballo e pensen en facer unha boa parte dela en Java, é ideal.
Weka podería ser o mellor lugar para comezar. Unha biblioteca máis convencional, a java-ml, tamén está dispoñible, aínda que está dirixida a persoas que xa saben ou dominan o traballo con Java e a aprendizaxe automática.
JavaScript: A broma sobre Javascript, (“ATWOOD LEI”), é que calquera cousa que pode escribirse en JavaScript será finalmente. Para o que é para aprender bibliotecas, algo automático. Por suposto, Hai relativamente pouco neste campo dispoñible para JavaScript a partir desta escritura, xa que a maioría das opcións consisten en algoritmos individuais en lugar de bibliotecas completas, pero algunhas ferramentas útiles que xa chegaron á superficie, como conversión, que permite adestrar o profundo A rede de aprendizaxe neuronal directamente nun navegador e o nome cerebro axeitado proporciona unha rede neuronal como un módulo NPM instalable. Tamén hai que mencionar a biblioteca de encontros, dispoñible para Mult LES Plataformas: Java, C #, C / C + + e JavaScript.