机器学习API Top 10:AT&T Speech、IBM Watson和Google Prediction

【编者按】随着机器学习算法的流行,Amazon、Google,、IBM和Microsoft等公司在机器学习云服务市场接连出手,并提供许多的API来吸引用户。本文中,Janet Wagner,ProgrammableWeb的data journalist、developer和contributor,根据互联网上的活跃度盘点了机器学习API的Top 10,并介绍了它们的功能特色。Janet Wagner同时认为,Project Oxford等少数API虽然没有上榜,但仍值得称道。

如今,机器学习无处不在。它可以出现在你的智能手机照片的自动分类或整理中;也可以表现在过滤垃圾邮件或者其它你不想阅读的电子邮件上;还可以用于Amazon.com网站的产品推荐及个性化网购体验中;甚至在你的车载语音系统的语音接口中也会有所体现。

Amazon、Google、IBM和Microsoft则是目前机器学习最大的玩家,他们在彼此竞争迅速发展的机器学习云服务市场的主导地位。最近,IBM通过收购AlchemyAPI(一个领先的机器学习服务平台)进一步提升了其在市场中的地位。只有时间才能告诉我们,究竟哪家公司会在获取机器学习云服务市场份额上独占鳌头。

本文介绍的机器学习10大API提供了广泛的功能,包括图像标注、人脸识别、文档分类、语音识别、预测模型、情感分析以及模式识别等。这些API也取得了下面一系列的佳绩:

  • 流行
  • 潜力强
  • 良好的参考文档
  • 易于使用
  • 功能齐全

API的流行度使用各种指标来确定,包括ProgrammableWeb的关注度、Github的活跃度、Twitter的活跃度以及基于Google Trends的搜索引擎流行度。

许多机器学习API虽然很流行,但没有很好的指标,进不到10大机器学习API列表中。只有少数的API值得一提,它们分别是:api.ai、Cogito、DataSift、iSpeech、Microsoft Project Oxford、Mozscape以及OpenCalais。

AT&T Speech

链接:http://www.programmableweb.com/api/att-speech

供应商:AT&T

API文档网址:http://developer.att.com/apis/speech

Demos:http://developer.att.com/apis/speech/docs/v3#sample-apps

AT&T Speech API发布于2012年,它允许开发人员在web或移动应用中添加语音识别功能。AT&T Speech API由AT&T Watson语音引擎(一个语音识别和自然语言理解平台,与IBM Watson没有关系)提供技术支持。自然语言处理是机器学习的一个应用,它包括自然语言理解,语音识别和语音转录等。

AT&T Speech API实际上由三部分组成:Speech To Text, Speech To Text Custom以及Text To Speech。其中,Speech To Text API使用的是一个全球性的语法字典,能够基于上下文把音频数据转换成文本。Speech To Text Custom API 也能将音频数据转换成文本。然而,这种转录是基于开发人员指定的语法或提示去转换。Text To Speech API 能够将文本转换成音频格式,如AMR和WAV。

AT&T提供了一个设计精美的开发者网站,它有着组织良好的API文档,应用程序示例,SDK,各种插件以及论坛等。公司会定期组织hackathons大赛来鼓励开发人员使用AT&T API,包括Speech, In-App Messaging, Address Book以及 Device Capabilities.

随着时间变化的Google搜索率。数据来源:Google Trends

IBM Watson

链接:http://www.programmableweb.com/category/all/apis?keyword=IBM%20Watson

供应商:IBM

API 文档网址:https://developer.ibm.com/watson/

Demos:http://www.ibm.com/smarterplanet/us/en/ibmwatson/developercloud/gallery.html

IBM Watson是机器学习和认知计算最著名的使用平台之一。 IBM Watson Developer Cloud于2013年十一月推出,并提供了一套完整的API(常用功能,测试以及实验),允许开发人员利用机器学习技术,如自然语言处理、计算机视觉以和预测功能,来构建应用程序。IBM Watson Developer Cloud的API套件包括:语音到文本、文本到语音、权衡分析、独特见解、提问和回答、语气分析器以及视觉识别。

相关文章:How Predictive APIs Simplify Machine Learning

IBM Watson Developer Cloud网站有着出色全面的API文档、交互式的API文档(Swagger)、SDK、示例、APP库、论坛以及Content Marketplace等。IBM计划继续扩展Watson Developer Cloud 的API、Watson Content Marketplace以及商业合作伙伴,以此来推动Watson 技术在全球的使用。

随着时间变化的Google搜索率。数据来源:Google Trends

Google Prediction

链接:http://www.programmableweb.com/api/google-prediction

供应商:Google

API 文档网址:https://cloud.google.com/prediction/docs

Demo:http://try-prediction.appspot.com/

Google Prediction API提供了基于云计算的机器学习能力,包括自然语言处理、推荐系统、模式识别以及预测功能。开发人员可以使用API来构建应用程序,这些应用可以进行情感分析、垃圾邮件检测、文档分类及购买行为预测等。

Google Prediction API文档是一些非常基本的内容,包括示例代码,客户端库,一个快速入门页面以及一个开发者指南。虽然Google Prediction AP是大多数热门机器学习API中的一个,但应该指出的是,最新的版本(1.6)早在2013年6月就发布了。在2014年10月,谷歌宣布在Google Prediction API中添加Google Sheets的SmartAutofillAdd-on插件。除此之外,在Google Prediction API上似乎没有太多进展。

随着时间变化的Google搜索率。数据来源:Google Trends

Wit.ai

链接:http://www.programmableweb.com/api/wit.ai

供应商:Wit.ai

API 文档网址:https://wit.ai/docs

Demo:https://labs.wit.ai/demo/index.html

Wit.ai是一种流行的自然语言处理平台,允许开发者在Web和移动应用程序中添加智能语音功能。开发人员可以使用Wit.aiAPI在家庭自动化设备、互联汽车、智能电视、机器人、智能手机、可穿戴物品以及许多其它类型的应用程序中添加智能语音接口。

Wit.ai文档部分设计很好,组织全面有序。API文档有着出色的代码示例,面向多种流行语言和平台的SDK,快速入门指南以及一个完整的Wit应用程序引导。Wit.ai在今年1月被Facebook收购。但是,根据发布的公告,Wit.ai仍对所有的开发者免费开放。

随着时间变化的Google搜索率.。数据来源:Google Trends

AlchemyAPI

链接:http://www.programmableweb.com/category/all/apis?keyword=alchemyAPI

供应商:AlchemyAPI/IBM

API 文档网址:http://www.alchemyapi.com/developers

Demos:http://www.alchemyapi.com/products/demo

AlchemyAPI,现在是IBM的一个子公司,提供了一套基于深度学习的云服务,包括AlchemyLanguage, AlchemyVision和AlchemyData News等。AlchemyAPI提供十几个API,使得开发者可以添加强大的机器学习功能到应用中,如情感分析、实体提取、概念标注、图像标注以及面部检测或识别。

AlchemyAPI提供了设计良好的,全面的API文档,包括代码样例、SDK、示例以及一个入门指南。AlchemyAPI一直在努力将新的API和功能增加到平台中,而且更多的新功能也将推出。本月初,该公司宣布整合了Blockspring-AlchemyAPI,使得Blockspring用户可以利用AlchemyAPI功能而无需编写代码。五月,AlchemyAPI / IBM宣布推出AlchemyData News API,它提供了一个能够访问新闻和博客内容的丰富的人工智能专业数据集。

随着时间变化的Google搜索率。数据来源:Google Trends

Diffbot

链接:http://www.programmableweb.com/category/all/apis?keyword=diffbot

供应商:Diffbot

API 文档网址:https://www.diffbot.com/dev/docs/

Demos:https://www.diffbot.com/

Diffbot平台使用人工智能、计算机视觉、机器学习、自然语言处理相结合的技术自动提取网页数据,如文本、图像、视频、产品信息和评论。 Diffbot提供了一套自动化API,与custom APIs一样,允许使用人为指定的规则从网页中提取不同类型的数据。Diffbot的Automatic APIs能够利用人工智能技术提取清晰的,结构化的数据,而无需手动指定规则或者训练。

Diffbot提供的API文档组织良好,易于使用。超过了35个客户端库可以使用,其中包括PHP, Python, JavaScript, Objective C 以及Perl。在2014年10月,公司发布了 Diffbot Analyze API,它能可视化分析web网页,然后决定应该使用哪个DiffbotAPI。上个月,据报道:Diffbot创造了一个知识图谱,足以媲美谷歌,而且微软必应也正在使用它来自动地生成语境结果。

BigML

链接:http://www.programmableweb.com/api/bigml

供应商:BigML

API 文档网址:https://bigml.com/developers

模型库:https://bigml.com/gallery/models

BigML公司成立于2011年,主要用于预测建模的机器学习平台。BigML平台的功能包括异常检测、聚类分析、决策树的SunBurst可视化、文本分析等。BigML API允许应用程序访问预测模型和其它的BigML资源。使用API,应用程序可以使用标准的HTTP方式在BigML资源上执行CRUD操作

BigML提供了一个设计很好的开发者网站,具有良好的组织和全面的API文档,示例代码,客户端库,一个快速入门页面和其它的开发工具。在2014年2月,BigML达到了一个重大里程碑:用BigML平台创造了100万个预测模型。

PredictionIO

链接:http://www.programmableweb.com/api/predictionio

供应商:PredictionIO

API 文档网址:https://docs.prediction.io/

PredictionIO成立于2013年,是一个开源的机器学习服务器,能够迅速建立预测引擎。PredictionIO提供了可根据用户需求自定义多种几乎完整的引擎模块,如推荐系统、情感分析、文档分类、搜索结果排名以及产品排名。

相关文章:How Predictive APIs Simplify Machine Learning

PredictionIO设有一个Event Server,能够收集和存储任意事件。应用程序可以通过API向服务器发送事件,并且还可以通过API回收或删除应用程序事件。 PredictionIO提供了一个组织良好的并且全面的文档网站,该网站有着特有的SDK,开发者指南,演示教程等。 PredictionIO(0.9系列)的最新版本在3月发布,主要包括以下几个方面的改进,如新的引擎模板,评价指标和超参数调整的支持。

随着时间变化的Google搜索率。数据来源:Google Trends

Microsoft Azure Machine Learning

链接:http://www.programmableweb.com/category/all/apis?keyword=microsoft%20machine

供应商:Microsoft

API 文档网址:https://azure.microsoft.com/en-us/services/machine-learning/api/

Gallery:https://gallery.azureml.net/

Microsoft Azure Machine Learning于二月推出,它是一个用于处理海量数据并构建预测型应用程序的平台。Microsoft Azure ML平台提供的功能有自然语言处理,推荐引擎,模式识别,计算机视觉以及预测建模。

Microsoft Azure ML文档包含了大量的信息。然而,许多的服务信息传播在整个Azure网站的不同领域上(一些信息则是在Project Oxford网站上),使得它有点难以寻找。所有的机器学习API,实验以及教程都列在了Azure Machine Learning Gallery中。

虽然Microsoft Azure ML平台是相当新的,但该服务已经得到了显著的普及。在接下来的几个月里,看Microsoft机器学习平台是如何来对抗谷歌,IBM和亚马逊,将会是一件很有趣的事情。

随着时间变化的Google搜索率。数据来源:Google Trends

Amazon Machine Learning

链接:http://www.programmableweb.com/api/amazon-machine-learning

供应商:Amazon

API 文档网址:http://aws.amazon.com/documentation/machine-learning/

自四月推出以来,Amazon Machine Learning平台已经在很短的时间获得了不少人气。该服务能够建立智能的应用程序,使得应用有着特有的机器学习能力,如模式识别和预测。开发人员可以使用Amazon ML APIs构建具有特色的欺诈检测,个性化内容,文档分类,客户流失预测以及更多的应用。

关于Amazon ML平台以及API,Amazon提供了详细、全面的信息。但是,该文件有点难以使用,并且有些信息以PDF格式提供。Amazon ML开发者网站提供了大量的SDK和客户端库、论坛、API参考部分以及机器学习概念部分等。

Amazon ML服务似乎比Google Prediction或Microsoft Azure ML稍微复杂点。然而,Amazon提供了可视化工具以及向导,帮助用户生成和创建机器学习模型。无论是Amazon ML和Microsoft Azure ML,都在很短的时间内成为流行的新服务。看看谁(Microsoft 还是Amazon)会在未来的机器学习云服务市场中占据更大份额,将是一件非常有趣的事。

随着时间变化的Google搜索率。数据来源:Google Trends

免责声明:用来确定ProgrammableWeb前十大机器学习的API指标均在文章发表前不久获得。所有文中使用的指标、数值以及提供的其它产品信息只在本文发表时准确有效。

原文链接:TOP 10 MACHINE LEARNING APIS: AT&T SPEECH, IBM WATSON, GOOGLE PREDICTION

(译者/刘帝伟 审校/刘翔宇、朱正贵 责编/周建丁)

译者简介: 刘帝伟,中南大学软件学院在读研究生,关注机器学习、数据挖掘及生物信息领域。

原文发布于微信公众号 - CSDN技术头条(CSDN_Tech)

原文发表时间:2015-08-12

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏PPV课数据科学社区

知识图谱技术原理介绍

知识图谱技术原理介绍(转载) 王昊奋 近两年来,随着LinkingOpen Data 等项目的全面展开,语义Web数据源的数量激增,大量RDF数据被发布。互...

3617
来自专栏书山有路勤为径

SPINNING单车你需要知道的一些事(三)

常常告诉我的会员,SPINNING课程是带有训练因素在里面的,不是纯粹的放放歌做做动作,而是为了提高你的运动表现以及生理机能。既然是训练课,那就应该有个目标并努...

962
来自专栏魏艾斯博客www.vpsss.net

搬瓦工选 kvm 架构还是 ovz 架构

4723
来自专栏社区的朋友们

Qcon北京2017总结:测试角度看泛智能和大数据

本来这个文章应该在很早之前就写的,可惜一直没时间,写的时候断断续续。关键是这次leader 拓展又见晓生,每次见到他都会提醒我,这总结居然还没有写。下面就由小V...

4450
来自专栏媒矿工厂

全能媒体机—Matrix in Media?

本文总结了发表在IBC2018上,由英国Streampunk Media Ltd.的R. I. Cartwright和美国Gilmer&Associates I...

2045
来自专栏PPV课数据科学社区

项目实战:如何构建知识图谱

作者丨徐阿衡 学校丨卡耐基梅隆大学硕士 研究方向丨QA系统 实践了下怎么建一个简单的知识图谱,两个版本,一个从 0 开始(start from scratch)...

1.1K5
来自专栏web前端教室

前端学习过程中遇到不懂的怎么办?

如标题所示,遇到不懂的地方怎么办?有的同学就退缩了,有的同学会各种找人问,有的同学会选择跳过,而咱们的前端零基础0827班的某同学是这样做的,

2602
来自专栏灯塔大数据

了解了这四件事,帮你走出深陷的数据分析迷宫

【导读】 数据中的错误往往最初尚属于良性范畴,但随着分析流程推进而变得愈发糟糕。这就像是在解数学题,我们要从头开始再推导一遍。这项工作可能费时费力,但却能够以...

3507
来自专栏CSDN技术头条

每个软件工程师都应该了解的搜索技能

如果你问一名软件工程师:“如何给产品添加搜索功能?”或者“如何构建一个搜索引擎?”你可能会得到这样一个回答:“我们刚刚推出了ElasticSearch集群,以后...

2809
来自专栏互联网数据官iCDO

惊觉Facebook与GA监测数据对不上?元凶原来是它……

“为什么我的Facebook账户与我的GA账户向我展示的数据不同?”“刚开始操作Facebook广告营销账户的人常常会问这样的问题。当代码部署完成时,网站代码...

1454

扫码关注云+社区

领取腾讯云代金券