infoworld | Per server Yegulalp
Dopo aver trascorso decenni in ombre come disciplina specializzata, o apprendimento automatico, Java è diventato uno strumento di business. La parte più difficile, tuttavia, è ciò che è utile, in particolare per gli sviluppatori e gli scienziati dei dati che stanno assumendo le macchine della predisposizione (Java Machine Learning). A tal fine, abbiamo arrotondato alcuni degli strumenti più comuni e utili per imparare come ottenere vantaggio è questa lingua open source.
Python: gli scienziati dei dati hanno assimilato Python come l’alternativa più aperta alle lingue, Come R, e molti datori di lavoro cercano di aggiungere l’esperienza di grandi dati alle loro liste di Python come abilità desiderata. Di conseguenza, molte delle librerie di apprendimento automatico hanno ora un software Python.
del gruppo, l’opzione migliore è imparare Scikit. Ha caricato algoritmi e moduli ed è ampiamente apprezzato in GitHub, (quasi 2.000 utenti e in aumento), e ha una varietà di grandi nomi testimonianze
un altro importante è Pybrain, che è progettato per essere facile da lavorare E fornisce accesso ad alcuni potenti strumenti. Come il suo nome lo indica, si concentra sui gusti di reti neuronali e dell’apprendimento non supervisionato, e fornisce un meccanismo per algoritmi di formazione e raffinazione.
go: GOogege System Language progettato per il parallelismo sembra un ideale per il parallelismo Ambiente per le biblioteche di apprendimento. Una serie di piccole biblioteche in cui la più specifica è la figura o il paesaggio, ma ha un paio di opzioni. Il più notevole, Golearn, è descritto dai suoi creatori come “batterie incluse” o una “libreria di apprendimento macchina” e ha strumenti per il filtraggio, la classificazione e l’analisi di regressione.
Una libreria molto più piccola e di più Basic è MLO, che implementa solo un piccolo numero di algoritmi in questo momento, ma prevede di crescere per il futuro.
Java in Hadoop: Mahout (che significa “Elephant Runner” in hindi). Gruppo di diverse metodologie di apprendimento automatico comuni per l’uso nel telaio dei dati, il che rende la preferita. Il pacchetto è costruito attorno all’algoritmi invece di metodologie, quindi per alcuni La comprensione degli algoritmi è ciò che è richiesto. Che, non è difficile vedere come i pezzi si adattano a un sistema di raccomandazione in base all’utente e che può essere fatto in poche righe di codice.
Un altro progetto della macchina apren Dizage Basato su Hadoop, Oryx de Clougenera, intende costruire sul lavoro di Mahout, attraverso la consegna dei risultati della trasmissione da sequenze in tempo reale invece di lavorare sui lavori batch. Sfortunatamente, è ancora nelle prime fasi; È davvero un progetto invece di un prodotto, ma merita una stretta sorveglianza mentre si evolve.
Java: A parte Mahout, che si concentra su hadoop, che è una serie di altre librerie di apprendimento automatico per Java e È ampiamente utilizzato, è Weka, che è stato creato dall’Università di Waikato in Nuova Zelanda ed è un’applicazione in un ambiente di lavoro come le visuazioni della somma e le funzionalità di data mining alla solita miscela di algoritmi.
Per le persone che vogliono un front-end per il loro lavoro e pensa a fare una buona parte di esso in Java, è l’ideale.
Weka potrebbe essere il posto migliore per iniziare. Una biblioteca più convenzionale, è disponibile anche la Java-ML, anche se è rivolta a persone che già conoscono o dominano il lavoro con Java e apprendimento automatico.
javascript: lo scherzo su JavaScript, (“Atwood Law”), è che tutto ciò che può essere scritto in JavaScript sarà alla fine. Per quanto riguarda le biblioteche di apprendimento, qualcosa di automatico. C’è relativamente poco in questo campo disponibile per JavaScript da questa scrittura, dal momento che la maggior parte delle opzioni consistono in singoli algoritmi invece di intere librerie, ma alcuni strumenti utili che sono già arrivati in superficie, come convertiti, che ti permette di allenarvi il profondo rete di apprendimento neuronale direttamente in un browser e il nome del cervello appropriato fornisce una rete neuronale come un modulo NPM installabile. Vale la pena menzionare è la Biblioteca Encog, disponibile per MULT Les Platforms: Java, C #, C / C + + e JavaScript.