机器学习该选谁?Google vs Amazon vs Microsoft AI 比较大全 (二)

..

GCP vs AWS vs Azure:Machine Learning 介绍 (二)

原文经授权并翻译自:altexsoft

上一篇介绍完机器学习即服务和 AWS 预测分析,现在我们将延续介绍 Google Prediction API, Google Machine Learning Engine, Azure Machine Learning Studio。

Google Prediction API

Google 在两个部份提供 AI 服务:给资料科学家使用的机器学习引擎、高度自动化的 Google预测 API。但 Google 将在 2018 年 4 月 30 日停止支援预测 API。

Predicion API 功能上有点像 Amazon ML,其简化的算法可以把问题缩小到只需解决两个主要问题:分类(二元和多类)、回归。训练好的模型可以通过 REST API 接口来进行部署。

Google 并没有公开哪些算法会被用于绘制预测,也没有让工程师自定义模型。Google 身为最早启动 ML 计划的一员,需要在紧迫的期限内进行最佳的机器学习部署,但似乎这款产品并没有 Google 预期的那么受欢迎,所以很可惜的是,使用Prediction API的用户将必须听从 end-of-life FAQ 的建议而要改用其他平台来“重新创建现有模型”。那么,到底是什么取代了它呢?

Google Cloud Machine Learning Engine

预测 API 能高度自动化其实是以灵活性作为代价的,但是 Google ML Engine 正好相反。 它结合了经验丰富的资料科学家建议,灵活使用了 TensorFlow 的云端基础架构作为机器学习的驱动程序, 所以 ML Engine 原则上和 SageMaker 非常相似。

TensorFlow 是另一个 Google 产品,它是一个开源的机器学习库,包含各种资料科学工具,而不是 ML-as-a-service。它并没有视觉化界面,而且 TensorFlow 的学习曲线会非常陡峭,这个 library 也针对那些计划转到资料科学领域的软件工程师。 TensorFlow 的功能非常强大,主要针对深度神经网络的训练。

基本上,TensorFlow和Google云端服务的结合,意味着实现了三层云端服务模式,基础架构即服务 (IaaS) 和 平台即服务 (PaaS) 的解决方案。 我们在白皮书中谈到了这个概念。

Microsoft Azure Machine Learning Studio

Azure 机器学习的目的是为新手和经验丰富的数据科学家建立一个强大的游乐场。 微软的 ML 产品与亚马逊的产品很相似,但是现在比较的话,Azure 在现成算法方面似乎更为灵活。

Azure 提供的服务可以分为两大类:Azure 机器学习工作室和 Bot 服务。 让我们先了解一下Azure ML Studio的内部操作,我们将会在说明特定 API 和工具的时候再回到 Bot Service 的部分。

ML Studio 是主要的 MLaaS 包。几乎 Azure ML Studio 中的所有操作都必须手动完成。 这包括数据探索、资料预处理、选择不同训练方法跟验证建模结果。

使用 Azure 训练机器学习需要经历一段学习曲线, 但到最后你会对机器学习的主要技术有更深入的了解。另一方面,Azure ML 以视觉化图像界面来呈现工作流程中的每个步骤。使用 Azure 的优点是可以使用各种算法,Studio 支援大约 100 种处理不同分类 (二元+多分类)、异常检测、回归、推荐和文本分析的算法。值得一提的是,该平台有一个聚群算法(K-means)。

Azure ML 的另一大部分是 Cortana Intelligence Gallery。 它集合了社区提供的各种机器学习解决方案,供数据科学家探索和应用。Azure 产品可以让新进员工轻易地从机器学习入手。

总结

为了组成机器学习即服务的平台,Azure 似乎目前在 MLaaS 市场上拥有功能最多的工具集。 它涵盖了大多数与 ML 相关的训练,为构建自定义模型提供了一个可视化界面,并且为那些不想单纯依靠数据科学的人提供了一套可靠的API,可惜它仍然缺少了亚马逊拥有的自动化。

(译者按:Google 在 2018 年 1 月 重磅推出机器学习重装武器 – AutoML,以 Cloud AutoML Vision 为例,您只需要几十张照片样本,就可以拥有自己的 vision model,即使没有足够的 ML 背景开发人员,您也可以透过 Cloud AutoML 来训练客制化的机器学习模型。一篇文章带您了解 AutoML, Cloud ML Engine, ML API)

延伸阅读:

机器学习该选谁?Google vs Amazon vs Microsoft AI 比较大全 (一)

 


iKala - GCP 专门家

GCP 专门家,Google Cloud 首席合作伙伴暨代理商,协助逾 200 家企业使用 Google Cloud,客户广布游戏、媒体、数据广告、电商、金融等多种产业。我们拥有超过 30 位技术人员,更通过 Google 原厂云端架构师及资料工程师认证,具备第一手 GCP 产品开发及导入经验,能提供您扎实的客制化技术服务。

我们提供了多项的 GCP 加值服务:

了解更多: https://gcp.expert/
加入我们: https://goo.gl/rg9D3Q
Facebook Fan Page: https://www.facebook.com/gcp.expert/
联络我们:+886 2 87681110 或请来信 gcp@ikala.tv


想在手机阅读更多Google资讯?下载【香港硅谷】Android应用
分享到Facebook
技术平台: Nasthon Systems