50多种适合机器学习和预测应用的API,你的选择是?(2018年版本)

本文涉及的产品
NLP自然语言处理_高级版,每接口累计50万次
NLP 自学习平台,3个模型定制额度 1个月
NLP自然语言处理_基础版,每接口每天50万次
简介: 本文盘点了2018年以来人脸和图像识别、文本分析、自然语言处理、情感分析、语言翻译、 机器学习和预测这几个领域常用的API,读者可以根据自己需求选择合适的API完成相应的任务。

       对于做工程项目和搞科研的人来说,有现成的模块或工具使用是一件多么美妙的事情啊,无需访问源码或理解内部工作机制的细节即可完成相应的任务。常用的方法是调用一些API,即一些预先定义的函数,目的是提供应用程序与开发人员基于某软件或硬件得以访问一组例程的能力。本文总结对于机器学习行业者有用的50多个API,主要涉及的领域如下:

  • 人脸和图像识别(Face and Image Recognition)
  • 文本分析、自然语言处理、情感分析(Text Analysis, NLP, Sentiment Analysis)
  • 语言翻译(Language Translation)
  • 机器学习和预测(Machine Learning and prediction)

    1


       本文对每个研究领域都列出了一些主流的API,其排列顺序是根据字母顺序而来。

人脸和图像识别

  • 1.Animetrics Face Recognition:该API可用于检测图像中的人脸,并将其与已知的人脸数据集相匹配。此外,还可以从可搜索图库中添加或移除某个分类,或者是从某个分类中添加或删除某张面部图像。
  • 2.Betaface:该API提供人脸识别与WEB服务检测。识别的特征包括多人脸检测、人脸裁剪、123个人脸特征点检测、人脸验证与识别、以及在大数据库中进行相似性搜索。
  • 3.Eyedea Recognition:致力于提供高阶的计算机视觉解决方案,主要是对象检测和识别。其识别服务提供了眼睛、脸部、车辆、版权以及车牌检测。该API主要的价值在于可以对对象、用户和行为进行实时理解。
  • 4.Face++:提供面部识别和检测服务,用户可以调用该API来训练程序,人脸检测、人脸识别、群体人脸、创建人脸集、获取信息等。
  • 5.FaceMark:该API能够检测正面照上的68个特征点,以及面部轮廓照上的35个特征点。
  • 6.FaceRect:该API非常强大且免费。能够在正面照和轮廓照上检测人脸或多个人脸,还可以将检测结果以JSON格式输出,此外,该API可以显示检测到的眼睛、鼻子、嘴等面部特征。
  • 7.Google Cloud Vision API:发布在TensorFlow平台上,使得模型能够学习和预测图像的内容。此外,还可以帮助用户搜索到最爱的图像,快速、准确地获取它的注释。它还能够按照船、狮子、埃菲尔铁塔等分成数以千计的类别,检测面部的相关情绪,识别多种语言的印刷语。
  • 8.IBM Watson Visual Recognition:该API能够理解图像的内容,比如图像标记,检测人脸、年龄和性别预测,还可以进行人脸相似检测。此外,还可以利用该API根据自身任务开发相关服务。
  • 9.Imagga:该API能够自动为图像分配标签,以使得图像可被找到,它是基于图像识别平台服务的。
  • 10.Kairos:该平台方便开发者快速地在应用程序和服务中添加情感分析人脸识别
  • 11.Microsoft Cognitive Service - Computer Vision:该API可以基于输入或用户选择以不同的方式分析视觉内容。比如,基于内容标记图像、分类图像、检测人脸并返回坐标、识别特定区域的内容、生成内容描述、标识图像中的文本、标记成人内容。
  • 12.Skybiometry Face Detection and Recognition:该API提供人脸检测和识别服务,最新版的API还能够区分深色眼镜和透明眼镜。

文本分析、自然语言处理和情感分析

语言翻译

机器学习与预测

  • 1.Amazon Machine Learning:从数据中查找模式。该API的典型用法包括诈骗检测、需求预测、目标营销和点击预测等。
  • 2.BigML:提供云托管的机器学习和数据分析服务。用户可以建立一个数据源,并通过标准的HTTP创建模型来处理标准的有监督和无监督学习的机器学习任务。
  • 3.Google Cloud Prediction:提供REST API来构建机器学习模型。这些工具可以帮助分析数据以向应用程序中添加各种特征。
  • 4.co:为电子商务网站提供产品推荐引擎,准确地预测客户的意图。
  • 5.Hu:toma:帮助世界各地的开发者建立和构建商用级别的深度学习聊天机器人。
  • 6.IBM Watson Retrieve and Rank:开发人员可以将自定义数据加载到这个服务中,并使用相关算法来训练机器学习模型(Rank)。服务输出包括一系列相关文件和元数据。
  • 7.indico:提供文本分析和图像分析,该API免费使用且不需要任何的训练数据。
  • 8.Microsoft Azure Cognitive Service API:为顾客提供个性化的产品建议并提高销售量,新版本增加的一些功能,比如支持批量处理、更好的API资源管理器、更简洁的API接口等。
  • 9.Microsoft Azure Anomaly Detection API:检测异常事件序列数据,比如检测内存使用中是否存在内存泄露。
  • 10.Microsoft Cognitive Service - QnA Maker:将信息提炼为对话或易于浏览的形式。该组中的其它API提供包括学术知识实体链接知识探索等服务。
  • 11.Microsoft Cognitive Service - Speaker Recognition:使得应用程序具有检测当前说话者的能力。该组中的其它API提供包括Bing语言自定义识别等服务。
  • 12.MLJAR:为原型开和部署模式识别算法提供服务。
  • 13.NuPIC:基于Python和C++实现的Numenta's Cortical学习算法,并由nupic社区维护。该API允许开发人员使用原始算法,将多个区域串起来,并利用其它平台的功能。
  • 14.PredicSis:该API对大数据有很好的洞察力,并通过预测分析来改善营销业绩。
  • 15.PredictionIO:建立在Apache上的一个开源机器学习服务器。典型API方法包括创建、管理和用户记录、检索项目和内容、以及基于用户进行个性推荐等。
  • 16.RxNLP - Cluster Sentences and Short Texts:文本挖掘和自然语言处理服务器,其语句聚类API可以将长文本或短文本转换成逻辑组。
  • 17.Recombee:通过REST API提供数据挖掘、语言查询和机器学习算法服务。
    其它API可以参Mashape的博客以及Programmable Web网站。如果你有更好的API推荐,可以留言回复,十分感谢。

数十款阿里云产品限时折扣中,赶紧点击领劵开始云上实践吧!

作者信息

Pedro Lopez,数据科学家
个人主页:www.iampedrolopez.com
本文由阿里云云栖社区组织翻译。
文章原标题《50+ Useful Machine Learning & Prediction APIs, 2018 Edition》,译者:海棠,审校:Uncle_LLD。
文章为简译,更为详细的内容,请查看原文

相关文章
|
5天前
|
机器学习/深度学习 人工智能 算法
探索人工智能:机器学习的奥秘与应用
本文深入浅出地探讨了人工智能领域中的核心技术——机器学习,揭示了其背后的原理和广泛的实际应用。通过浅显易懂的语言和生动的例子,本文旨在为非专业读者打开一扇了解并利用机器学习的大门,同时激发对这一前沿技术的兴趣和思考。
20 1
|
7天前
|
机器学习/深度学习 人工智能 搜索推荐
如何让你的Uno Platform应用秒变AI大神?从零开始,轻松集成机器学习功能,让应用智能起来,用户惊呼太神奇!
【9月更文挑战第8天】随着技术的发展,人工智能与机器学习已融入日常生活,特别是在移动应用开发中。Uno Platform 是一个强大的框架,支持使用 C# 和 XAML 开发跨平台应用(涵盖 Windows、macOS、iOS、Android 和 Web)。本文探讨如何在 Uno Platform 中集成机器学习功能,通过示例代码展示从模型选择、训练到应用集成的全过程,并介绍如何利用 Onnx Runtime 等库实现在 Uno 平台上的模型运行,最终提升应用智能化水平和用户体验。
20 1
|
12天前
|
API
|
18天前
|
机器学习/深度学习 缓存 运维
智能化运维:机器学习在IT管理中的革命性应用
【8月更文挑战第28天】 随着技术的飞速发展,传统的IT运维方式已不能满足现代企业的需求。智能化运维,通过整合机器学习技术,正在重塑我们对IT基础设施的管理方法。本文将探讨智能化运维的概念、实施步骤及其带来的变革,同时分享一些成功案例,以期为读者提供一种全新的视角和思考路径。
43 6
|
15天前
|
机器学习/深度学习 存储 前端开发
实战揭秘:如何借助TensorFlow.js的强大力量,轻松将高效能的机器学习模型无缝集成到Web浏览器中,从而打造智能化的前端应用并优化用户体验
【8月更文挑战第31天】将机器学习模型集成到Web应用中,可让用户在浏览器内体验智能化功能。TensorFlow.js作为在客户端浏览器中运行的库,提供了强大支持。本文通过问答形式详细介绍如何使用TensorFlow.js将机器学习模型带入Web浏览器,并通过具体示例代码展示最佳实践。首先,需在HTML文件中引入TensorFlow.js库;接着,可通过加载预训练模型如MobileNet实现图像分类;然后,编写代码处理图像识别并显示结果;此外,还介绍了如何训练自定义模型及优化模型性能的方法,包括模型量化、剪枝和压缩等。
25 1
|
15天前
|
存储 消息中间件 前端开发
Web2py框架下的神秘力量:如何轻松集成第三方API,让你的应用不再孤单!
【8月更文挑战第31天】在开发现代Web应用时,常需集成第三方服务如支付网关、数据存储等。本文将指导你使用Web2py框架无缝接入第三方API。通过实例演示从注册获取API密钥、创建控制器、发送HTTP请求到处理响应的全过程。利用`requests`库与Web2py的内置功能,轻松实现API交互。文章详细介绍了如何编写RESTful控制器,处理API请求及响应,确保数据安全传输。通过本教程,你将学会如何高效整合第三方服务,拓展应用功能。欢迎留言交流心得与建议。
28 1
|
16天前
|
机器学习/深度学习 数据采集 人工智能
探索机器学习在金融欺诈检测中的应用
【8月更文挑战第30天】 随着金融科技的迅猛发展,机器学习技术在保障交易安全和打击金融欺诈中扮演着越来越重要的角色。本文将深入探讨机器学习模型在识别和预防金融欺诈方面的应用,并分析其优势与面临的挑战。通过对比传统方法,我们突出了机器学习在处理大数据、提高检测速度和精度方面的独特价值。同时,文中还将介绍几种常用的算法和模型,以及它们在实际场景中的运用情况。最后,本文提出了未来发展趋势和需要解决的关键问题。
|
15天前
|
C# 机器学习/深度学习 搜索推荐
WPF与机器学习的完美邂逅:手把手教你打造一个具有智能推荐功能的现代桌面应用——从理论到实践的全方位指南,让你的应用瞬间变得高大上且智能无比
【8月更文挑战第31天】本文详细介绍如何在Windows Presentation Foundation(WPF)应用中集成机器学习功能,以开发具备智能化特性的桌面应用。通过使用Microsoft的ML.NET框架,本文演示了从安装NuGet包、准备数据集、训练推荐系统模型到最终将模型集成到WPF应用中的全过程。具体示例代码展示了如何基于用户行为数据训练模型,并实现实时推荐功能。这为WPF开发者提供了宝贵的实践指导。
24 0
|
15天前
|
Java 前端开发 容器
Struts 2:在技术变革的风暴中航行,探索框架的革命性未来与创新融合之路
【8月更文挑战第31天】Struts 2作为一款成熟的企业级Java Web框架,凭借其稳定性和灵活性自2007年以来广受欢迎。它基于MVC设计模式,支持插件架构和RESTful服务,并能与Spring框架良好集成。然而,面对微服务架构和容器化技术(如Docker和Kubernetes)的兴起,Struts 2需提供更轻量级和支持指南来适应变化。通过深化与现代前端框架(如React和Vue.js)及AI技术的集成,并强化安全性与开发工具,Struts 2有望保持竞争力并迎接未来挑战。
28 0
|
15天前
|
API UED 开发者
如何在Uno Platform中轻松实现流畅动画效果——从基础到优化,全方位打造用户友好的动态交互体验!
【8月更文挑战第31天】在开发跨平台应用时,确保用户界面流畅且具吸引力至关重要。Uno Platform 作为多端统一的开发框架,不仅支持跨系统应用开发,还能通过优化实现流畅动画,增强用户体验。本文探讨了Uno Platform中实现流畅动画的多个方面,包括动画基础、性能优化、实践技巧及问题排查,帮助开发者掌握具体优化策略,提升应用质量与用户满意度。通过合理利用故事板、减少布局复杂性、使用硬件加速等技术,结合异步方法与预设缓存技巧,开发者能够创建美观且流畅的动画效果。
38 0