帮助在云端部署 AI 和 ML 应用程序的平台

人工智能（AI）和机器学习（ML）正在影响当今几乎每个行业。本文重点介绍了这些技术在我们日常生活中的各种使用方式，以及一些开源云平台如何实现其部署。

人工智能 artificial intelligence （AI）的目标是构建能够模仿人类认知的机器和自动化系统。在全球范围内， AI 正在以各种方式改变着社会、政治和经济。 AI 应用的例子包括谷歌帮助 Google Help 、Siri、Alexa 和特斯拉等自动驾驶汽车。

如今， AI 正被广泛使用，以有效的方式解决各行各业的难题。它被用于医疗保健行业，以做出比人类更准确、更快速的诊断。医生可以使用 AI 来诊断疾病，并在患者病情恶化时得到提醒。

数据安全对每个企业都至关重要，网络攻击的数量也在不断增加。使用 AI ，可以提高数据的安全性。这方面的一个例子是集成智能机器人来识别软件错误和网络攻击。

Twitter、WhatsApp、Facebook 和 Snapchat 只是使用 AI 算法存储和管理数十亿个人资料的社交媒体平台中的一小部分。 AI 可以整理和筛选大量数据，以找到最新趋势、标签和各种各样人的需求。

Figure 1: Key applications of machine learning

旅游业越来越依赖 AI ，因为后者可以帮助完成各种与旅行相关的任务，包括为消费者预订酒店、航班和最佳路线。为了提供更好、更快的客户服务，由 AI 驱动的聊天机器人正被用于旅游业。

工具/平台	链接
Streamlit	https://github.com/streamlit/streamlit
TensorFlow	https://www.tensorflow.org/
PyTorch	https://pytorch.org/
scikit-learn	https://scikit-learn.org/
Apache Spark	https://spark.apache.org/
Torch	http://torch.ch/
Hugging Face	https://huggingface.co/
Keras	https://keras.io/
TensorFlowJS	https://www.tensorflow.org/js
KNIME	https://www.knime.com/
Apache Mahout	https://mahout.apache.org/
Accord	http://accord-framework.net/
Shogun	http://shogun-toolbox.org/
RapidMiner	https://rapidminer.com/
Blocks	https://github.com/mila-iqia/blocks
TuriCreate	https://github.com/apple/turicreate
Dopamine	https://github.com/google/dopamine
FlairNLP	https://github.com/flairNLP/flair

表 1: ML 的工具和框架

不同领域的机器学习

让软件应用程序和小工具自行响应和发展的所有技术和工具都称为机器学习 machine learning （ML）。多亏了 ML 技术， AI 可以在没有真正被明确编程来执行所需操作的情况下进行学习。ML 算法不依赖于预定义的计算机指令，而是从样本输入中学习一个模式，然后完全基于学习到的模式来预测和执行任务。如果没有严格的算法可供选择， ML 可以成为救命稻草。它将通过分析以前的处理方式来选择新处理方式，然后将其付诸实施。ML 为各种行业的技术进步和以前无法想象的技术扫清了道路。如今，它被用于各种尖端技术 — 从预测算法到互联网电视直播。

一个值得注意的 ML 和 AI 技术是图像识别，它是一种对数字图像中的特征或项进行分类和检测的方法。分类和人脸识别是使用这种方法完成的。

Figure 2: Streamlit cloud for machine learning