在当今超高速云计算时代,机器学习解决方案在改进系统方面取得了指数级的进步。机器学习利用大数据分析和识别模式的能力为当今的企业提供了关键的竞争优势。
机器学习通常与人工智能和深度学习结合使用,使用复杂的统计建模中国机械网okmao.com。这些复杂的系统可能位于私有云或公共云中。在任何情况下,时间的推移都会促进机器学习:随着更多数据被添加到任务并随着时间的推移进行分析,ML会产生更准确的结果。
根据BCC Research的数据,2017年全球机器学习市场总计14亿美元。到2022年,估计将达到88亿美元,这一令人沮丧的复合年增长率(CAGR)为43.6%。
在考虑选择哪个机器学习供应商时,请权衡以下因素:
主要平台或独立供应商:下面的一些ML供应商提供完整的云计算平台,其他供应商是专门针对ML的独立公司。没有严格的规则,但独立的公司可能会更有动力竞争您的业务。
机器学习类型:您想实现零售ML吗?医疗保健?询问您的潜在供应商他们投资最多的行业。
供应商的未来发展方向:在研发和投资方面,该供应商将在未来几年关注哪些方向?对这个问题的回答可能会帮助您找到符合您长期目标的最佳匹配。
机器学习环境正在迅速变化。机器学习初创企业不断涌入这个领域。成熟的供应商正在推出各种以某种形式使用机器学习的产品。对选项和选项进行排序可能会让人感到困惑。我们根据他们提供的功能,分析师评论,客户推荐和独立研究,确定了机器学习领域的八家顶级供应商。
跳到:
Alteryx
AWS SageMaker
Google机器学习引擎
IBM Watson Studio
Microsoft Azure机器学习
RapidMiner
SAP Leonardo
SAS可视化数据挖掘和机器学习
Alteryx提供统一的平台,可以解决数据,分析和机器学习问题。该供应商致力于通过协作方法在IT,分析专家和业务线之间建立新的和改进的合作伙伴关系,从而最大限度地减少对数据科学家的需求。
该产品提供无代码和代码友好的格式。它使用拖放式工作流界面,并与第三方人口统计,固定和空间数据相关联。该公司被评为Gartner Magic Quadrant(MQ)的“领导者”。Gartner指出,Alteryx正朝着强大的自动化和基于规则的建议迈进。
Alteryx提供与众多主要合作伙伴的集成,包括Tableau,AWS,Teradata,Microsoft,DataRobot,Salesforce,Oracle,Cloudera和Qlik。机器学习功能具有预测分析的并行模型分析,以及自动化工作流程和各种流程的能力。
请阅读我们的深入审查Alteryx
的查看用户评论 Alteryx
完全托管的机器学习服务允许数据科学家和开发人员构建和训练机器学习模型并将其插入应用程序。这使得可以运行并行模型,进行灵活的分布式培训,以及处理AB测试以及其他任务。
SageMaker是一个完全托管的AWS服务,包括集成的Jupyter创作笔记本实例。这有助于深入了解数据源,从而有助于探索和分析。SageMaker提供了一套针对环境优化的算法,它支持专有算法和自定义培训脚本。
Sagemaker还具有与Docker容器和Apache Spark的集成。与AWS一起,可以使用集成的SageMaker控制台快速启动和扩展项目。该平台支持HIPAA和其他合规标准。
请阅读我们的深入审查SageMaker
见的用户评论SageMaker
Google Cloud Machine Learning(ML)Engine是一个专为开发人员和数据科学家设计的完全托管平台。该产品允许用户使用多种机器学习框架构建高质量模型,包括scikit-learn,XGBoost,Keras和TensorFlow。
后者是一个复杂的深度学习框架,支持许多谷歌产品,从谷歌照片到谷歌云语音。它允许用户将机器学习部署到生产中,而无需Docker容器。高度可扩展的环境 - 适用于托管集群的培训,提供了一个自动设计和评估模型体系结构的框架。它旨在适应现有的工作流程,并可扩展以处理批量预测和在线预测要求。
其他主要功能包括:自动资源配置,便携式模型的使用,服务器端处理和集成的云数据存储。
请阅读我们的深入审查谷歌机器学习引擎
见的用户评论谷歌机器学习引擎
IBM是人工智能(AI)和机器学习领域的先驱。如今,Forrester将公司列为多模式预测分析和机器学习解决方案提供商的“领导者”。
IBM Watson Studio旨在适应各种独立平台和各种类型的高级用户。这包括数据工程师,应用开发人员和数据科学家。结果是强大的协作能力。其主要功能包括:强大的架构,强大的算法和强大的执行机器学习的能力。
Watson Studio是IBM Watson保护伞下提供的大量技术和解决方案的一部分。它旨在适应IBM的SPSS建模工作流程,同时还插入开源机器学习库和基于笔记本的界面。该解决方案可在桌面上或桌面上的云中使用。它结合了可视化拖放工具。
请阅读我们的深入审查IBM沃森工作室
见的用户评论IBM沃森工作室
Azure Machine Learning Studio已成为托管云领域的领先解决方案。它提供了一个可视化工具,可以帮助开发人员,数据科学家和非数据科学家设计机器学习管道和解决方案,以解决各种各样的任务。该平台提供基于浏览器的可视化拖放创作环境,无需编码。Gartner将微软列为MQ的“幻想家”。该解决方案提供高水平的灵活性,可扩展性和开放性。
Azure ML Studio还提供涵盖所有描述性,诊断性,预测性和规范性分析类型的全面功能。Microsoft正在继续扩展Azure机器学习中的功能和功能。这包括通过Microsoft认知工具包(以前称为CNTK)促进深度学习以及神经网络的联合ONNX开放标准。Microsoft还计划在Azure机器学习平台中自动化越来越多的功能。
请阅读我们的深入审查微软Azure机器学习工作室
见的用户评论微软Azure机器学习工作室
RapidMiner提供数据准备,机器学习和模型部署工具,可深入洞察数据。它提供了一个旨在解决各种大数据和分析需求的平台。
在机器学习领域,公司已成为重量级人物。它提供了一个简单易用的可视化环境,其中包含自动化模型创建以及有关哪种方法最适合特定情况的建议,指南和信息。RapidMiner的功能和高度的灵活性使其成为机器学习解决方案中的热门选择。
数据科学家和非数据科学家都可以轻松地检查和定制项目并在结果基础上进行构建。RapidMiner在Gartner MQ和Forrester Wave中被评为“领导者”。它是Gartner Peer Insights中评价最高的数据和机器学习解决方案之一。
请阅读我们的深入审查RapidMiner
的查看用户评论RapidMiner
Leonardo是各种SAP数据产品和服务的保护伞。它通过云平台整合人工智能和机器学习。这包括一个机器学习基础,允许开发人员,数据科学家和其他人创建,运行和部署算法和机器学习应用程序。
该技术从文本,图像,自然语言和其他媒体中提取数据,以生成基于计算机的预测。高度可扩展的平台包括预定义和预训练的机器学习服务,但它也包含TensorFlow模型。这允许用户采用灵活的框架来训练和调整机器学习。Forrester将SAP评为整体预测分析和机器学习类别中的“强劲表现者”,并将服务的广度和深度作为优势。
然而,Gartner认为该公司在其MQ中是一个“利基玩家”。它指出SAP在数据和机器学习领域取得了相当大的进步,但在功能和功能方面仍然落后于其他领域。
请阅读我们的深入审查SAP莱昂纳多
的查看用户评论SAP莱昂纳多
作为数据挖掘和分析领域的先驱,SAS已成为机器学习供应商的首选。它提供了可视化数据挖掘和机器学习(VDMML),它在Forrester Wave中作为杰出的“领导者”排名,并且作为Gartner MQ的顶级“领导者”,尽管研究公司指出整个平台已经失去了一些基础。愿景和执行能力。
VDMML连接到许多其他产品和数据源。Forrester指出,SAS已成为第一个真正的多模式PAML解决方案。它使用向导自动训练模型,将其转换为代码并插入集成功能,以实现自动化机器学习。统一环境还包括用于创建模型和深度神经网络的强大可视化工具。
此外,数据科学家可以将代码片段直接嵌入到SAS程序中,以进一步增强功能,包括机器学习和深度学习输出。
请阅读我们的深入审查SAS可视化数据挖掘和机器学习
的查看用户评论SAS可视化数据挖掘和机器学习
供应商和功能 | Alteryx | AWS SageMaker | Google机器学习引擎 | IBM Watson Studio | Microsoft Azure机器学习 | RapidMiner | SAP Leonardo | SAS可视化数据挖掘和机器学习 |
ML焦点 | 分析和ML平台,允许用户在单个工作流程中构建模型 | 托管平台,支持有监督和无监督的ML和深度学习。 | 托管平台,大规模运行ML培训工作和预测。 | 广泛的数据科学专注于云和桌面ML平台。 | 在托管Azure云上运行的自动ML平台。 | 高度自动化的ML平台适用于旨在广泛使用机器学习的公司。 | 广泛而深入的数据科学和ML平台。 | 多模式PAML解决方案,具有强大的向导,支持数据挖掘和ML。强大的自动化 |
主要特点和功能 | 提供250多种免代码预构建工具,并支持开源工具和脚本。 | 零设置集成Jupyter创作笔记本实例。访问丰富的开源框架和工具。 | CPU,GPU和TPU的自动资源配置和监视。对工具和脚本语言的强大开源支持。 | 强大的视觉识别和自然分类工具。采用开源工具的灵活方法。连接到IBM SPSS Modeler。 | 强大的描述性,诊断性,预测性和规范性分析工具和功能。对开源ML工具和脚本的强大支持。 | 提供超过1,500种机器学习和数据准备功能,并支持40多种文件类型。连接到Amazon S3和Dropbox。 | 完全支持BYOM方法。强大的开源集成。在SAP的HANA公共云中运行。 | 包括支持监督和无监督学习的最佳实践模板和内存处理。 |
用户评论 | 简单性和可用性的高评级。有关缺乏强大的报告和可视化功能的投诉。 | 界面,可配置性和可用性的高分。但是,有人说熟悉AWS是至关重要的。 | 功能和集成的高评级。 | 高度评价特性和功能。一些投诉围绕使用笔记本电脑。 | Gartner Peer Review的评级很高。一些关于支持的抱怨。 | 在评级最高的数据科学和ML解决方案中。虽然有人抱怨缺乏GPU支持,但用户将其描述为强大且“革命性”。 | 客户对SAP的可用性和性能给予高分。一些人抱怨外部数据缺乏可视化工具。 | 高收视率。用户喜欢该平台内置的强大功能和功能,但有些人认为该产品存在大量的学习曲线。 |
定价和许可 | 基于所用产品的分层系统。每个座位每年5,195美元到33,800美元不等。 | 基于ML笔记本实例和消耗的云资源的复杂分层定价模型。 | 基于资源和使用的培训时间。各种服务范围从每小时1美分到每小时31美元不等。 | 分层模型从每用户每月99美元到每个用户每月6,000美元或更多在企业级别。 | 基于用户和使用情况的分层定价。每个用户每年从近零到几万的范围。 | 分层定价从每位用户每年2,500美元到每位用户每年10,000美元以上。 | 基于云中消耗的节点小时数的分层模型。账单块的收费标准为7.25欧元。 | N / A |