云中的顶级机器学习服务可以帮助用户更有效地分析数据并获取新见解。通过云计算访问这些服务通常在成本和效率方面表现更佳。

机器学习（ML）是人工智能（AI）的一部分，它通过多种方式从数据集中学习，如监督学习和无监督学习。许多技术可用于机器学习，包括商业工具和开源框架。

虽然组织可以选择在本地部署机器学习框架，但这通常是一项复杂且耗资源的任务。机器学习依赖于公共硬件，包括推理芯片和优化的GPU。此外，部署和配置机器学习框架通常难度较高。技术复杂性促使了云平台机器学习服务的发展，这些服务提供适当的硬件和优化的软件配置，使得组织可以轻松应用机器学习。

主要功能

大多数云计算的机器学习服务具备一些关键功能：

• 自动化机器学习：自动化的机器学习功能可以协助构建正确的模型。
• 机器学习工作室：为开发人员提供一个开发环境，用于构建机器学习模型和数据建模方案。
• 开源框架支持：支持现有框架（如TensorFlow、MXNet和Caffe），这有助于模型的迁移。

如何选择

在评估云端机器学习服务时，需要考虑以下因素：

• 现有服务：主要的公共云提供商都拥有自己的机器学习服务。通常，用户倾向于继续使用其已有的数据平台。
• 数据访问：从不同来源提取数据集的能力是重要的考虑因素。
• 工作流建模：机器学习可能是一项复杂的任务，因此，易于使用的工作流建模功能非常重要。

以下是提供顶级云计算机器学习服务的主要供应商：

1. 阿里巴巴

   对于没有机器学习经验的用户，阿里巴巴公共云是一个不错的选择，因为其数据集遍布全球，尤其在亚洲地区。

   • 主要区别：
     • 阿里巴巴的PAI Studio工具集成了数据预处理、特征工程和统计分析等功能。
     • 自动化参数调整功能有助于用户自动优化算法以获得理想结果。
     • 提供可视化界面，允许用户通过拖放方式设置机器学习工作流程。
     • 支持多种主流机器学习框架，包括TensorFlow、MXNet和Caffe。

2. 亚马逊网络服务（AWS）

   AWS公司拥有目前云市场上最广泛的机器学习服务，其SageMaker产品组合处于领先地位。

   • 主要区别：
     • SageMaker是一个完全托管的产品，包括多种服务，如Ground Truth（用于构建和管理训练数据集）、Studio（机器学习的完整IDE）和Autopilot（自动构建和训练模型）。
     • 支持多种框架，包括TensorFlow、PyTorch、Apache MXNet、Chainer、Keras、Gluon、Horovod、Scikit-learn和Deep Graph Library。

3. 谷歌云

   谷歌云的机器学习服务不断扩展，针对特定用例提供通用服务和定制化服务。

   • 主要区别：
     • Cloud AutoML套件旨在简化模型构建和部署过程。
     • 人工智能平台的数据标签服务有助于准备和识别用于机器学习的正确数据。
     • 视觉人工智能和视频人工智能是其重点工具。

4. IBM Watson

   IBM Watson机器学习允许用户在任何云平台上运行模型，也可以在本地构建模型。

   • 主要区别：
     • Watson机器学习支持本地构建模型，然后将其迁移到云端。
     • Watson Studio开发环境用于构建和部署模型。
     • IBM Watson OpenScale服务用于监控和评估模型效果。

5. 微软Azure

   对于已经使用Microsoft Azure云平台的组织，Azure机器学习非常适合，提供一个用于训练、部署和管理机器学习模型的环境。

   • 主要区别：
     • 直观的拖放设计器用于构建机器学习模型。
     • MLOps概念被引入，提供一种DevOps风格的方法来构建和管理机器学习管道和工作流。
     • 安全性和管理控制集成，确保机器学习工作与合规性保持一致。
     • 支持多种开源框架，包括PyTorch、TensorFlow、Keras和Scikit-learn。

6. 甲骨文

   对于已经在使用Oracle Cloud应用程序的组织，Oracle机器学习是一个有用的工具，可以帮助构建数据挖掘记事本。

   • 主要区别：
     • Oracle机器学习（OML）包括多个服务，如OML笔记本、OML微服务、OML4SQL和Oracle Data Miner。
     • OML服务具有集成的协作功能，便于团队合作。
     • OML服务与Oracle应用程序中的公司同名数据库良好集成。

7. Salesforce Einstein

   Salesforce Einstein是一个专门的机器学习平台，与Salesforce平台紧密集成。

   • 主要区别：
     • 主要目的是帮助Salesforce用户从其数据中获得更好的洞察。
     • 除了与现有Salesforce应用程序集成外，Einstein还可以用于构建基于Salesforce云平台的人工智能驱动的应用程序。
     • Einstein Discovery是核心的机器学习服务，用于在Salesforce之外的数据中查找洞察和模式。