No ha proporcionado mucha información sobre el caso de uso específico, los tipos de datos a los que tiene acceso o qué es lo que le gustaría predecir, lo que dificulta la prescripción de una solución. Sin embargo, un enfoque general basado en API podría ser una mejor opción si desea ir más allá de la realización de análisis de Tipo I, donde el objetivo es principalmente obtener conocimientos internos frente a Tipo II, que integra el modelo predictivo en un producto o servicio existente para que sus usuarios finales interactúen directamente con él. Por supuesto, el Tipo II genera un conjunto completamente nuevo de consideraciones tales como latencia, seguridad, escalabilidad, mantenibilidad, etc., pero puede ser mucho más impactante si se hace correctamente.
Trabajo para BigML (BigML es Machine Learning para todos) y ofrecemos una API RESTful Machine Learning que incluye algunos de los algoritmos más probados para clasificación, regresión, agrupación, detección de anomalías y descubrimiento de asociaciones. También proporcionamos enlaces específicos de idioma para Python, Node.js, Java, Clojure y otros: Desarrolladores | BigML.com
Los siguientes enlaces de terceros pueden darle más color sobre lo que ofrece la plataforma y cierta información de evaluación comparativa competitiva frente a Amazon ML o Azure:
- ¿Es el big data eventualmente un problema para recuperar?
- ¿Cuál es el mejor instituto de capacitación en ciencia de datos en Pune?
- ¿Quién fue el primer científico de datos?
- ¿Qué son exactamente los grandes datos y qué lenguajes de programación se deben aprender para comprender mejor este concepto?
- Actualmente, tengo SAP HANA como un conjunto de habilidades. ¿Debo elegir la ciencia de datos como mi futura carrera?
- BigML: el aprendizaje automático es fácil
- API de aprendizaje automático: ¿cuál funciona mejor?
Tenga en cuenta que los modelos creados en BigML son exportables para que no esté atado a ningún proveedor de la nube.
