机器学习 - 实施

要开发 ML 应用程序,您必须决定平台、IDE 和开发语言。 有多种选择。 其中大部分都可以轻松满足您的要求,因为它们都提供了迄今为止讨论的 AI 算法的实现。

如果是自己开发ML算法,需要仔细理解以下几个方面 −

您选择的语言e − 这本质上是您对 ML 开发支持的一种语言的熟练程度。

您使用的 IDE − 这将取决于您对现有 IDE 的熟悉程度和您的舒适程度。

开发平台 − 有几个平台可用于开发和部署。 其中大部分是免费使用的。 在某些情况下,您可能需要支付超出一定使用量的许可费。 以下是可供您随时参考的语言、IDE 和平台选择的简要列表。


语言选择

以下是支持 ML 开发的语言列表 −

  • Python
  • R
  • Matlab
  • Octave
  • Julia
  • C++
  • C

这个列表本质上并不全面; 但是,它涵盖了机器学习开发中使用的许多流行语言。 根据您的舒适程度,选择一种语言进行开发,开发您的模型并进行测试。


IDEs

以下是支持 ML 开发的 IDE 列表 −

  • R Studio
  • Pycharm
  • iPython/Jupyter Notebook
  • Julia
  • Spyder
  • Anaconda
  • Rodeo
  • Google –Colab

上面的列表本质上并不全面。 每个人都有自己的优点和缺点。 鼓励读者在缩小到单个 IDE 之前尝试这些不同的 IDE。


平台

以下是可部署 ML 应用程序的平台列表 −

  • IBM
  • Microsoft Azure
  • Google Cloud
  • Amazon
  • Mlflow

再一次,这个列表并不详尽。 鼓励读者注册上述服务并亲自试用。