[PYTHON] Zusammenfassung der empfohlenen APIs für künstliche Intelligenz, maschinelles Lernen und KI

Watson API Bereitgestellt von: IBM Link: https://www.ibm.com/watson/jp-ja/developercloud/services-catalog.html Funktionen: Suche, Textanalyse, Bilderkennung, Spracherkennung, Sprachlesung, Übersetzung, psychologische Analyse, Emotionsanalyse, Datenanalyseplattform

Vision AI Bereitgestellt von: Google Link: https://cloud.google.com/vision/ Funktion: Analysieren Sie Bilder in der Cloud oder am Rand

Cloud Speech-to-Text API Bereitgestellt von: Google Link: https://cloud.google.com/speech-to-text/ Funktion: Wandelt Sprache durch maschinelles Lernen in Text um und unterstützt sowohl Kurzzeitstimme als auch Langzeitstimme

Cloud AutoML Bereitgestellt von: Google Link: https://cloud.google.com/automl/ Features: Schnelles und einfaches Training von benutzerdefinierten ML-Modellen

dialogflow Bereitgestellt von: Google Link: https://dialogflow.com/ Funktion: API, die auf Reservierungen / Bestellungen von Kunden und Anfragen mit einem Prozessor in natürlicher Sprache (Chatbot) reagiert.

Wit Mit freundlicher Genehmigung von Wit.ai Link: https://wit.ai/ Funktion: Verarbeitung natürlicher Sprache

AWS Maschinelles Lernen

Bereitgestellt von: AWS Link: https://aws.amazon.com/jp/machine-learning/ Funktionen: Sprache, erweiterte Textanalyse, Dokumentenanalyse, Übersetzung, Transkription, interaktiver Agent

Referenz

http://smsurf.app-rox.com/api/

Recommended Posts

Zusammenfassung der empfohlenen APIs für künstliche Intelligenz, maschinelles Lernen und KI
[Für Anfänger künstlicher Intelligenz] Maschinelles Lernen / Deep Learning Programming Lernpfad und Nachschlagewerke
[Empfohlenes Tagging beim maschinellen Lernen # 2.5] Änderung des Scraping-Skripts
Künstliche Intelligenz, maschinelles Lernen, tiefes Lernen zu implementieren und zu verstehen
Maschinelles Lernen ③ Zusammenfassung des Entscheidungsbaums
[Empfohlenes Tagging für maschinelles Lernen # 4] Skript für maschinelles Lernen ...?
Erste Schritte für Anfänger des maschinellen Lernens (KI)
2020 Empfohlen 20 Auswahlmöglichkeiten für einführende Bücher zum maschinellen Lernen
Zusammenfassung der Klassifizierung und Implementierung von Algorithmen für maschinelles Lernen
Wie nutzt man maschinelles Lernen für die Arbeit? 02_AI Entwicklungsprojektübersicht
[Zusammenfassung der Bücher und Online-Kurse für Programmierung und datenwissenschaftliches Lernen]
Beginn des maschinellen Lernens (empfohlene Unterrichtsmaterialien / Informationen)
Empfohlene Studienreihenfolge für Anfänger des maschinellen Lernens / Deep Learning
Numerai Turnier-Fusion von traditionellen Quants und maschinellem Lernen-
Zusammenfassung der beim maschinellen Lernen verwendeten Bewertungsfunktionen
(Von Zeit zu Zeit aktualisiert) Zusammenfassung der APIs für maschinelles Lernen, mit denen Sie schnell Apps von Team AI erstellen können
Zusammenfassung des Lernprogramms für maschinelles Lernen
Maschinelles Lernen ⑤ AdaBoost-Zusammenfassung
Python-Lernnotiz für maschinelles Lernen von Chainer Kapitel 1 und 2
Zusammenfassung des grundlegenden Ablaufs des maschinellen Lernens mit Python
Zusammenfassung zum Lernen von RAPIDS
Zusammenfassung des Know-hows und der Tipps für die Planung neuer KI-Geschäftsabläufe, die KI-Ingenieure wissen möchten
Leistungsüberprüfung der Datenvorverarbeitung für maschinelles Lernen (numerische Daten) (Teil 2)
Was ich über KI / maschinelles Lernen mit Python gelernt habe (4)
Site-Zusammenfassung, auf der Sie kostenlos maschinelles Lernen lernen können
Die Zusammenfassung des maschinellen Lernens in Python für Anfänger ist sehr kurz.
Leistungsüberprüfung der Datenvorverarbeitung für maschinelles Lernen (numerische Daten) (Teil 1)
Datensatz für maschinelles Lernen
Japanische Vorverarbeitung für maschinelles Lernen
Grundlagen des maschinellen Lernens (Denkmal)
Python-Lernplan für KI-Lernen
Maschinelles Lernen ② Naive Bayes Zusammenfassung
Zusammenfassung der Artikel zum maschinellen Lernen (selbst verfasst)
Bedeutung von Datensätzen für maschinelles Lernen
Maschinelles Lernen und mathematische Optimierung
Maschinelles Lernen ④ K-nächster Nachbar Zusammenfassung
[Python Machine Learning] Empfehlung zur Verwendung von Spyder für Anfänger (Stand August 2020)
Künstliche Intelligenz durch maschinelles Lernen mit TensorFlow aus Null Wissen schaffen - Einführung 1
Wie nutzt man maschinelles Lernen für die Arbeit? 01_ Den Zweck des maschinellen Lernens verstehen
Zusammenfassung der Seiten, die zum Studium des Deep Learning Framework Chainer nützlich sind
[Für Anfänger] Zusammenfassung des Leidens an Kaggles EDA und seines Kampfes
Feature Engineering für maschinelles Lernen ab Teil 1 Google Colaboratory - Validierung und Diskriminierung von Zähldaten
Zusammenfassung des maschinellen Lernens von Python-Anfängern
Klassifikation und Regression beim maschinellen Lernen
<Für Anfänger> Python-Bibliothek <Für maschinelles Lernen>
Organisation von Plattformen für maschinelles Lernen und tiefes Lernen
Informationen zum maschinell erlernten Meeting für HRTech
[Für Wettkampfprofis] Zusammenfassung der Verdoppelung
Zusammenfassung der Python-Indizes und -Slices
[AI] Deep Learning für das Entrauschen von Bildern
Ein einführender Leser der Theorie des maschinellen Lernens für IT-Ingenieure versuchte es mit Kaggle
Eine Sammlung von Tipps zur Beschleunigung des Lernens und Denkens mit PyTorch
[Beispiel für eine Python-Verbesserung] Was ist die empfohlene Lernseite für Python-Anfänger?
Python-Lernnotiz für maschinelles Lernen von Chainer Kapitel 13 Grundlagen des neuronalen Netzwerks
Grundlegendes maschinelles Lernverfahren: ③ Vergleichen und untersuchen Sie die Auswahlmethode für die Merkmalsmenge
Python-Lernnotiz für maschinelles Lernen von Chainer bis zum Ende von Kapitel 2
Python: Vorverarbeitung beim maschinellen Lernen: Umgang mit fehlenden / Ausreißern / unausgeglichenen Daten
Schulservice, in dem Sie Programmiersprache Python und Technologie der künstlichen Intelligenz (maschinelles Lernen / Deep Learning) lernen können (kostenlos / kostenpflichtig)