开发人员中意的10个机器学习API！

不久前，人们认为人工智能可能需要科学家穿上白大褂在实验室进行研究。这种科学是神秘的、复杂的，而且很少有人类的智能可以探索的东西。

而现在这种情况已经改变了。工作在实验室的科学家们认识到将软件即服务进行分发的能力，他们将代码捆绑在一起，并将其转换为任何人都可以使用的应用程序编程接口(API)。只需将数据发布到服务中，人工智能的处理结果就会在几毫秒内提供。而如果你有一个大数据集，那么可能需要更长的时间。

人工智能对幕后数据集的作用是什么?你不需要太在意。这就是软件即服务的重点，那就是输入数据，输出结果。

这夸大了技术进步。你可能不需要理解人工智能代码内部的所有数学知识，你可能不需要对"张量(tensor)"和"向量(vector)"完全适应。但是需要花费一些时间来讨论自己的数据，直到它适合。但仍然有许多工作要做，以正确的格式获取数据，其列中的值具有正确的类型。

在获得正确的数据后，几乎肯定会在API上按下启动按钮几次。这是模型的一部分。你需要花时间调整问题，让魔术API在后台运行人工智能代码。你可能做了更多的科学研究，但API将会开展繁重的更多数字工作。

它并不完美，但它比自己编写代码要好。这就是为什么人们对此感兴趣以及为什么现在有很多机器学习API的选择的原因，更不用说将数据转化为模型和模型成为Web服务的云计算服务。以下是一些机器学习API，可以为你的复杂算法节省数小时、数天和数月的时间。

1. Cloudwords

术语"人工智能"和"机器学习"在Cloudwords销售文献中并不常见，但这并不意味着它们不是人工智能产品的一部分。Cloudwords旨在使企业更容易管理大块文本，并为任意数量的语言提供一致的翻译。拥有营销团队且必须针对使用不同语言员工的跨国公司可以使用Cloudwords来确保面向客户的文本的所有版本保持一致和最新。

在幕后，Cloudwords依赖于使用神经网络和统计模型的几种不同的翻译引擎。它还提供了一种机制，用于保存可能需要定制的人工指导的习惯用语和短语的缓存。当文本经过系统时，此翻译记忆库会自动更新。

该代码包括用于将Cloudwords管道与企业文件系统、营销自动化 工具 和流行的内容管理系统集成的模块。当新的文本以一种语言到达时，Cloudwords将通过管道将其转移到来自Google、Microsoft或Lilt等分包商的机器翻译服务。然后它会返回到你的存储库或CMS中，你的读者将以其适合自己的语言查看文本。

2. Face API

如果每个孩子都可以访问微软的Face API，那么《瓦尔多在哪里?奇幻旅程》(Where's Waldo?)并不是一次冒险。当你要求Face API扫描某人的照片时，将收到一个数据结构，其中包含图像中面部的坐标。而API还将输出头发颜色、面部毛发量，以及人员的年龄和性别非常详细的信息。对于Waldo的搜索者，Face API可以在图像数据库中查找匹配项，并提供两张图片属于同一个人的几率。

3. Emotion API

人类很容易读出脸上的情绪，并挑出大量照片中最快乐、最悲伤或最愤怒的人脸画面。微软公司的Emotion API提供了一种可以自动识别图像中人物的感受的人工智能程序。

虽然情绪对于人类来说很复杂，但Emotion API将它们简化为8个数字的向量，介于0和1之间，这些数字代表了在一张特定的面孔中可以找到有多少愤怒、蔑视、厌恶、恐惧、快乐、悲伤、惊喜。图片。微软公司已经在各个国家对这些进行了测试，并认为情绪在文化上是一致的。它们真的是吗?最好不要对这个向量赋予太多的权重，而只是接受它为奇迹，算法可以得到正确的答案。

4. Automatic Alternative Text

优秀的网站包含标签中的替代文字，以便搜索索引可以理解它们，以便更多的人可以知道所显示的内容。对于一小部分图像来说，人类很容易做到这一点，但要做更多的事情是非常繁琐的。这就是人工智能可以节省时间的地方。一些聪明的网站管理员正在使用Microsoft的Computer Vision API自动为图像分配替代文本。人工智能并不总是正确的，但如果你有一些以上的图像，它将使你的工作和生活更轻松。

Drupal的自动替代文本模块是一个很好的内容管理系统(CMS)，可以在后台将图像上传到Vision API，然后为你填写alt字段的一个示例。建立在Drupal之上的网站通常是大型开放社区的家园，用户在这些社区中讨论，并偶尔上传图像。参与者可能会或可能不想花时间为某些图像找出正确的标题。使用人工智能可以为每个人提高网站的质量，加快搜索速度，并节省用户编写字幕的时间。

5. Nudebox

如果你的网站想要打开所有用户的图像之门，那么你必须为喜欢发布敏感图像的人做好准备。Nudebox作为Machinebox的工具之一，将扫描图像是否裸露太多的皮肤。但这种措施是万无一失的吗?不，但它会帮助你标出最可疑的图像，这可以节省很多时间。

6. Amazon Connect

AWS云平台中一个比较有趣的选项是Amazon Connect，这是一套应用工具，旨在帮助你为公司创建呼叫中心。在外面，它只是一个用于构建电话服务的工具包。在内部，它将亚马逊的一些人工智能工具连接到循环中以处理家务。Amazon Lex背后的自然语言工具可让你创建聊天机器人，可以作为你的客户的第一轮联系者。如果需要人工智能，Amazon Connect可以将客户发送给具有解决问题所需专业知识的合适服务代理。然后，它将跟踪解决方案并对代理进行排序，以确保下一个呼叫者获得最佳体验。通过AmazonConnect，Amazon已经集成了各种人工智能工具，因此你无需这样做。

7. Google BigQuery ML

我们中的许多人对 SQL 世界已经习惯。使用INSERT语句构建了数据集合，甚至可以轻松编写JOIN语句。Google公司创建了BigQuery ML，因此使用SQL的人可以开始使用人工智能来分析他们的数据，而无需重写整个堆栈。在理想的世界中，你可以使用依赖于SQL的巨大安装软件堆栈，然后重定向SQL存储和复制例程，以使用ANSI：2011 SQL将所需数据推送到BigQuery ML中。它从来没有那么简单，但是它仍然比重新思考整个体系结构和重写所有代码简单得多。

将数据推送到BigQuery ML后，新的"SQL"命令CREATE MODEL将使预测模型适合你选择的列。该命令接受许多标准SQL选择子句，使数据库分析人员无需使用 Python 、 Java 或任何传统机器学习语言即可构建模型。

创建模型后可能会产生最大的优势，因为数据已经存储在数据库中，可供报告或商业智能基础架构使用。Google公司已经与许多标准工具(如Tableau，MicroStrategy和Looker)进行了集成。

8. Animetrics

如果你有一个包含许多面孔的时间较长的视频，Animetrics API将逐帧扫描视频，并选出它找到的所有面部以进行识别和聚类。该算法扩展2D图像，并构造3D近似估计或脸部沿着x、y和z轴的方向。它甚至能够以与捕获的姿势或角度不同的姿势或角度重新渲染脸部。为了更快地生成结果，代码并行处理多个图像。如果没有视频，基本API也可以使用一组静态照片。

9. DiscoverText

Twitter是一个发布无数的文本片段的世界，捕捉世界上最健谈、最自信人士的时代精神。如果你的工作是追踪品牌、政治运动，或者其他一些文字，这些将会漂浮在文字的洪流上，DiscoverText将帮助你理解它。DiscoverText提供对主Twitter提要的访问，并为你提供设置自己的计算机分类器或过滤器，以搜索所需文本的工具。识别推文后，DiscoverText将帮助你存储、分析和聚类结果。

10. SendPulse

很多人认为人工智能是一个复杂而开放的过程，而一些人工智能专注于实现一个目标。考虑使用SendPulse，这是一种旨在使营销电子邮件更加可取和有用的工具，以便收件人更频繁地打开它们。SendPulse使用一个复杂的模型来确定人们通常何时阅读他们的电子邮件，然后安排这些电子邮件在那个时候送达，所以不会最终抛弃到可能被大量删除的大堆邮件中。为了收集更多关于读者的信息，SendPulse在很大程度上依赖于A/B测试来了解每个用户成功的消息。所有这些数据都经过精心设计和优化，以便更好地完成一件事：在浏览收件箱时，在瞬间抓取更多的读者。

这种方法可能是人工智能的最终表现。这不是一个标记伟大流行词的天才体现。它不是一个充满高端数学的、不可思议的复杂机器，它只是一个简单实用的工具，而这将是人工智能从实验室的研究变成普通事物的体现。