技術部落格

集結國內外精選文章,掌握最新雲端技術新知與應用

iKala Cloud / AI 與機器學習 / 機器學習該選誰?Google vs Amazon vs Microsoft AI 比較大全 (二)

機器學習該選誰?Google vs Amazon vs Microsoft AI 比較大全 (二)

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

上一篇介紹完機器學習即服務和 AWS 預測分析,現在我們將延續介紹 Google Prediction API, Google Machine Learning Engine, Azure Machine Learning Studio。

Google Prediction API

Google 在兩個部份提供 AI 服務:給資料科學家使用的機器學習引擎、高度自動化的 Google預測 API。但 Google 將在 2018 年 4 月 30 日停止支援預測 API。

Predicion API 功能上有點像 Amazon ML,其簡化的演算法可以把問題縮小到只需解決兩個主要問題:分類(二元和多類)、回歸。訓練好的模型可以通過 REST API 接口來進行部署。

Google 並沒有公開哪些演算法會被用於繪製預測,也沒有讓工程師自定義模型。Google 身為最早啟動 ML 計劃的一員,需要在緊迫的期限內進行最佳的機器學習部署,但似乎這款產品並沒有 Google 預期的那麼受歡迎,所以很可惜的是,使用Prediction API的用戶將必須聽從 end-of-life FAQ 的建議而要改用其他平台來「重新創建現有模型」。那麼,到底是什麼取代了它呢?

Google Cloud Machine Learning Engine

預測 API 能高度自動化其實是以靈活性作為代價的,但是 Google ML Engine 正好相反。 它結合了經驗豐富的資料科學家建議,靈活使用了 TensorFlow 的雲端基礎架構作為機器學習的驅動程序, 所以 ML Engine 原則上和 SageMaker 非常相似。

TensorFlow 是另一個 Google 產品,它是一個開源的機器學習庫,包含各種資料科學工具,而不是 ML-as-a-service。它並沒有視覺化界面,而且 TensorFlow 的學習曲線會非常陡峭,這個 library 也針對那些計劃轉到資料科學領域的軟體工程師。 TensorFlow 的功能非常強大,主要針對深度神經網絡的訓練。

基本上,TensorFlow和Google雲端服務的結合,意味著實現了三層雲端服務模式,基礎架構即服務 (IaaS) 和 平台即服務 (PaaS) 的解決方案。 我們在白皮書中談到了這個概念。

Microsoft Azure Machine Learning Studio

Azure 機器學習的目的是為新手和經驗豐富的數據科學家建立一個強大的遊樂場。 微軟的 ML 產品與亞馬遜的產品很相似,但是現在比較的話,Azure 在現成算法方面似乎更為靈活。

Azure 提供的服務可以分為兩大類:Azure 機器學習工作室和 Bot 服務。 讓我們先了解一下Azure ML Studio的內部操作,我們將會在說明特定 API 和工具的時候再回到 Bot Service 的部分。

ML Studio 是主要的 MLaaS 包。幾乎 Azure ML Studio 中的所有操作都必須手動完成。 這包括數據探索、資料預處理、選擇不同訓練方法跟驗證建模結果。

使用 Azure 訓練機器學習需要經歷一段學習曲線, 但到最後你會對機器學習的主要技術有更深入的了解。另一方面,Azure ML 以視覺化圖像界面來呈現工作流程中的每個步驟。使用 Azure 的優點是可以使用各種演算法,Studio 支援大約 100 種處理不同分類 (二元+多分類)、異常檢測、回歸、推薦和文本分析的演算法。值得一提的是,該平台有一個聚群演算法(K-means)。

Azure ML 的另一大部分是 Cortana Intelligence Gallery。 它集合了社區提供的各種機器學習解決方案,供數據科學家探索和應用。Azure 產品可以讓新進員工輕易地從機器學習入手。

現在聯繫 iKala Cloud,瞭解更多 GCP 加值服務!

總結

為了組成機器學習即服務的平台,Azure 似乎目前在 MLaaS 市場上擁有功能最多的工具集。 它涵蓋了大多數與 ML 相關的訓練,為構建自定義模型提供了一個可視化界面,並且為那些不想單純依靠數據科學的人提供了一套可靠的API,可惜它仍然缺少了亞馬遜擁有的自動化。

(譯者按:Google 在 2018 年 1 月 重磅推出機器學習重裝武器 – AutoML,以 Cloud AutoML Vision 為例,您只需要幾十張照片樣本,就可以擁有自己的 vision model,即使沒有足夠的 ML 背景開發人員,您也可以透過 Cloud AutoML 來訓練客製化的機器學習模型。一篇文章帶您了解 AutoML, Cloud ML Engine, ML API)

延伸閱讀:

機器學習該選誰?Google vs Amazon vs Microsoft AI 比較大全 (一)
機器學習文字分析/翻譯 API – Google vs Amazon vs Microsoft AI 比較大全 (三)
機器學習圖片影片辨識 API – Google vs Amazon vs Microsoft AI 比較大全 (四)
IBM Watson 及其他 AI 解決方案 – Google vs Amazon vs Microsoft AI 比較大全 (五)

(原文來自合作部落格 altexsoft,GCP 專門家授權翻譯轉載。)

 

分享本文:
FacebookLineTwitter
回到頂端