機器學習必知的15大架構

機器學習工程師是開發産品和建構算法團隊中的一部分，并確定其可靠、快速和成規模地工作。他們和資料科學家密切合作來了解理論知識和行業應用。資料專家和機器學習工程師的主要差別是：

·機器學習工程師建構、開發和維護機器學習系統的産品。

·資料專家進行調查研究形成有關于機器學習項目的想法，然後分析來了解機器學習系統的度量影響。

下面是機器學習的架構介紹：

<b>1.Apache Singa </b>是一個用于在大型資料集上訓練深度學習的通用分布式深度學習平台，它是基于分層抽象的簡單開發模型設計的。它還支援各種目前流行的深度學習模型，有前饋模型（卷積神經網絡，CNN），能量模型（受限玻爾茲曼機，RBM和循環神經網絡，RNN），還為使用者提供了許多内嵌層。

<b>2.</b><b>Amazon Machine Learning</b><b>（AML）</b>是一種讓各種級别使用機器學習技術的開發人員可輕松掌握的一個服務，提供了視覺工具和向導，可以指導您在不必學習複雜的機器學習算法和技術的情況下建立機器學習。

在評論中告訴我們更多關于你喜歡的機器學習架構。

<b>作者介紹：</b>Devendra Desale(@DevendraDesale)是一位目前從事文本挖掘和大資料技術的資料科學研究所學生，也對企業架構和資料驅動感興趣。業餘時間，喜歡參加聚會和未知的冒險。

以上為譯文

<b>文章原标題《</b>Top 15 Frameworks for Machine Learning Experts<b>》，作者：</b>Devendra Desale<b>，譯者：</b><b>Mags，審校：袁虎。</b>