拖拽式机器学习框架

中科院开源图形化机器学习系统Easy ML

总结起来,Easy ML 的优势主要有三点:

  1. 降低定义和执行机器学习任务的障碍 ;
  2. 共享和重用算法的实现,作业 DAG 和实验结果 ;
  3. 将独立算法和分布式算法无缝集成在一个任务中。

https://www.knime.com/
KNIME分析平台

https://github.com/NVIDIA/DIGITS
DIGITS(D eep Learning G PU T raining S ystem)是用于训练深度学习模型的webapp。目前支持的框架有:Caffe,Torch和Tensorflow。

https://rapidminer.com/pricing/
一个平台 难道一切。
RapidMiner的统一数据科学平台加速了 在单一环境中构建完整的分析工作流程, 从数据准备到机器学习,模型验证到部署,大大提高了效率,缩短了数据科学项目的价值。
https://www.dominodatalab.com/product/
数据科学工作的一个地方
使用现有的工具和语言开发,部署和协作。

https://www.dataiku.com/
协同数据科学平台
原型,部署和运行在规模

http://www.cs.waikato.ac.nz/ml/weka/
机器学习组
计算机科学的一个令人兴奋和潜在影响深远的发展是机器学习方法的发明和应用(ML)。这些使计算机程序能够自动分析大量数据,并确定哪些信息最相关。然后,这种结晶的信息可以用于自动进行预测或帮助人们更快更准确地做出决策。

https://www.ibm.com/us-en/marketplace/spss-modeler
IBM SPSS Modeler
SPSS Modeler provides predictive analytics to help you uncover data patterns, gain predictive accuracy and improve decision making.

https://studio.azureml.net/
欢迎来到Azure机器学习

https://www.sas.com/en_us/software/visual-data-mining-machine-learning.html
SAS® Visual Data Mining and Machine Learning
Huge performance gains. Innovative algorithms.
One in-memory environment.

https://www.h2o.ai/
H2O是世界领先的开源深度学习平台。H2O由世界100,000多个数据科学家和超过10,000个组织使用。

https://www.alteryx.com/
自助数据分析的可重复工作流程

ELKI:开发由索引结构支持的KDD应用程序的 环境
https://elki-project.github.io/