Las herramientas de aprendizaje automático generalmente se proporcionan como kits de herramientas o bibliotecas destinadas a incorporarse a otro software o procesos, no tan a menudo aplicaciones o herramientas independientes. Además, la mayoría de las herramientas de aprendizaje automático son académicas y con frecuencia de código abierto, lo que significa que a menudo son multiplataforma y tienen interfaces de usuario menos pulidas.
Dicho esto, hay cosas como WEKA, Divvy, SHOGUN, Orange y scikit-learn que proporcionan una especie de banco de trabajo o GUI de flujo de trabajo para el aprendizaje automático. También hay muchas bibliotecas de aprendizaje automático para R (Vista de tareas CRAN: Aprendizaje automático y aprendizaje estadístico), Python (scikit-learn, mlpy y PyBrain) y Java (Weka, Java-ML y Mahout). Todos estos son software multiplataforma basado en OS X o (la mayoría de ellos) que se ejecutará en OS X.
- ¿Cuáles son las diferentes áreas donde los bancos pueden usar NLP (procesamiento del lenguaje natural) para mejorar las operaciones comerciales?
- ¿Cuál es la diferencia entre Empirical Bayes e inferencia bayesiana?
- ¿Por qué utilizamos la política codiciosa de epsilon para la evaluación en el aprendizaje por refuerzo?
- ¿Qué es más robusto para datos ruidosos, un árbol de decisión o Naive Bayes?
- ¿Qué aplicaciones se utilizan para la codificación TensorFlow?