50 個超實用的機器學習API,拿好不謝!

2021-02-15 優達學城Udacity

文-景略集智

參考-KDnugget

API是幫助我們創建軟體應用的很實用的工具。之前 KDnugget 發布了年度最佳50+機器學習&預測API,整體可分為4類:

面部識別&圖像識別

文本分析,自然語言處理,情感分析

機器翻譯

機器學習和預測

每個類別下的API按照字母順序列出,API簡介來自於其網頁上顯示的信息。

地址:http://api.animetrics.com/

地址:https://www.betaface.com/wpa/

地址:http://www.eyedea.cz/

地址:https://www.faceplusplus.com/

地址:http://apicloud.me/apis/facemark/docs/

地址:http://apicloud.me/apis/facerect/demo/

地址:https://cloud.google.com/vision/

地址:https://www.ibm.com/watson/services/visual-recognition/

地址:https://imagga.com/solutions/auto-tagging.html

地址:https://www.kairos.com/docs/api/

地址:https://www.microsoft.com/cognitive-services/en-us/computer-vision-api

地址:https://www.paralleldots.com/visual-analytics

地址:https://skybiometry.com/Documentation/

地址:https://www.bitext.com/text-analysis-api-2/#How-accurate-is-the-analysis

地址:https://www.diffbot.com/dev/docs/analyze/

地址:https://market.mashape.com/loudelement/free-natural-language-processing-service

地址:https://cloud.google.com/natural-language/reference/rest/

地址:https://www.ibm.com/watson/services/natural-language-understanding/

地址:https://www.meaningcloud.com/developer/text-classification

地址:https://azure.microsoft.com/zh-cn/services/cognitive-services/text-analytics/

地址:http://nlptools.atrilla.net/web/api.php

地址:https://api.geneea.com/

地址:https://www.paralleldots.com/text-analysis-apis

地址:http://www.opencalais.com/

地址:https://yactraq.com/

地址:https://cloud.google.com/translate/docs/

地址:https://cloud.google.com/speech-to-text/

地址:https://www.ibm.com/watson/services/language-translator/

地址:https://www.motaword.com/developer

地址:https://www.writepath.co/en/developers

地址:https://www.houndify.com/

地址:https://www.ibm.com/watson/services/conversation/

地址:https://www.ibm.com/watson/services/speech-to-text/

地址:https://aws.amazon.com/documentation/machine-learning/

地址:https://bigml.com/api/

地址:https://cloud.google.com/prediction/docs/

地址:http://www.guesswork.co/

地址:https://www.hutoma.ai/

地址:https://www.ibm.com/watson/services/retrieve-and-rank/

地址:https://indico.io/docs

地址:https://azure.microsoft.com/en-au/services/cognitive-services/

地址:https://gallery.cortanaintelligence.com/MachineLearningAPI/Anomaly-Detection-2

地址:https://www.microsoft.com/cognitive-services/en-us/qnamaker

地址:https://www.microsoft.com/cognitive-services/en-us/speaker-recognition-api

地址:https://mljar.com/

地址:https://github.com/numenta/nupic/wiki/NuPIC-API---A-bird's-eye-view

地址:https://predicsis.ai/

地址:http://predictionio.incubator.apache.org/index.html

地址:http://www.rxnlp.com/api-reference/cluster-sentences-api-reference/

地址:https://www.recombee.com/

希望各位都能抓住這個時代最好的部分,擯棄壞的部分,達成心中所願。

名師出高徒。想和領域大牛一起學人工智慧?Google X 創始人,Google Brain 科學家帶你深入《機器學習工程師》納米學位。預測房價、狗狗識別、訓練機器人走迷宮,矽谷超棒的實戰項目等你挑戰。【閱讀原文】,了解更多詳情,席位有限,搶先預訂!

相關焦點

  • 從人臉識別到機器翻譯:58個超有用的機器學習和預測API
    其實我們不用重複發明輪子,KDnuggets 已經為我們整理了 50 多個有用的機器學習和預測的 API,有了這些 API 的加持,就如虎添翼!是不是迫不及待了?走,讓我們來看看。更多乾貨內容請關注微信公眾號「AI 前線」,(ID:ai-front) 本文精選了包括人臉和圖像識別、文本分析、自然語言處理、文本情感分析、語言翻譯、機器學習和預測等多個領域共 58 個實用 API。
  • 從人臉識別到文本分析,50+超實用的 API 推薦清單
    所列清單主要涉及四個領域:人臉和圖像識別文本分析、NLP、情感分析語言翻譯機器學習和預測在每組應用中,列表中的元素按字母順序排列,相關 API 的簡述則是基於各自網站信息完成的。1.FaceMarkhttp://apicloud.me/apis/facemark/docs/該 API 能夠檢測到人臉正面照片上的 68 個特徵點,以及側臉照片上的 35 個特徵點。6.
  • 資源 從人臉識別到機器翻譯:52個有用的機器學習和預測API
    機器之心在 2015 年底就曾經編譯過一篇介紹當前優質人工智慧和機器學習 API 的文章《技術 | 50 個常用的人工智慧和機器學習 API》,列舉了 50 個較為常用的涉及到機器學習、推理預測、文本分析及歸類、人臉識別、語言翻譯等多個方面的 API。一年多過去了,好用的 API 也出現了一些新舊更迭,現在是時候對這篇文章進行更新了。
  • 52個有用的機器學習和預測API(各個方向資源)
    連結:http://api.animetrics.com2.Betaface:一個面部識別和檢測的網頁服務。提供了包括多面部識別、面部遮蔽、123 個面部點(22 個基本,101 個高級)檢測、面部驗證、鑑定、大數據集中相似度搜索等功能。
  • 超實用的iPhone工具,大家都需要!
    對於眾多的iPhone用戶來說,可能會到網上搜索各種各樣的實用工具,比如之前介紹給大家的,可以智能互譯全球幾十種語言超強外語翻譯工具就非常實用。
  • 浦發這60元請拿好不謝,抖音送錢,不要客氣!
    關注我,一個能幫你賺錢的公眾號,永遠相信美好的事情即將發生浦發這60元請拿好不謝浦發邀請2人就行,也就是需要兩個沒註冊過浦大喜奔APP的手機號,通過你的邀請註冊登陸APP就行,被邀請的號碼只需要登陸一下APP,只需要登陸一下APP,只需要登陸一下APP,不用實名認證,不用綁卡,上期玩過當時是不限制設備,新的一期,玩過的還可以玩!
  • 機器學習API Top 10:AT&T Speech、IBM Watson和Google Prediction
    許多機器學習API雖然很流行,但沒有很好的指標,進不到10大機器學習API列表中。只有少數的API值得一提,它們分別是:api.ai、Cogito、DataSift、iSpeech、Microsoft Project Oxford、Mozscape以及OpenCalais。
  • 【翻譯】Sklearn 與 TensorFlow 機器學習實用指南 —— 第5章( 中)支持向量機
    /github.com/apachecn/hands_on_Ml_with_Sklearn_and_TF前文傳送門:【翻譯】Sklearn 與 TensorFlow 機器學習實用指南 —— Chapter 0.前言【翻譯】Sklearn 與 TensorFlow 機器學習實用指南 —— 第1章 機器學習概覽(上)【翻譯】Sklearn 與 TensorFlow
  • 自動化機器學習入門指南,來了
    第二個就是自動化模型選擇,也叫Automated Model Selection,簡稱AMS,就是根據實際的數據來選擇合適的算法。基於進化算法的超參數優化 Evolutionary Algorithms基於本地搜索的超參數優化 Local Search基於隨機搜索的超參數優化 Random Search基於粒子群優化算法的超參數優化 Particle Swarm Optimization基於元學習的超參數優化 Meta Learning基於遷移學習的超參數優化 Transfer Learning
  • 【翻譯】Sklearn 與 TensorFlow 機器學習實用指南 —— 第2章 一個完整的機器學習項目(下)
    】Sklearn 與 TensorFlow 機器學習實用指南 —— 第1章 機器學習概覽(上)【翻譯】Sklearn 與 TensorFlow 機器學習實用指南 —— 第1章 機器學習概覽(下)【翻譯】Sklearn 與 TensorFlow 機器學習實用指南 —— 第2章  一個完整的機器學習項目(上)【翻譯】Sklearn 與 TensorFlow 機器學習實用指南
  • 【翻譯】Sklearn與TensorFlow機器學習實用指南 —— 第15章 自編碼器(下)
    機器學習實用指南 —— 第1章 機器學習概覽(下)【翻譯】Sklearn 與 TensorFlow 機器學習實用指南 —— 第2章  一個完整的機器學習項目(上)【翻譯】Sklearn 與 TensorFlow 機器學習實用指南 —— 第2章 一個完整的機器學習項目(中)【翻譯】Sklearn 與 TensorFlow 機器學習實用指南 —— 第2章 一個完整的機器學習項目
  • 【翻譯】Sklearn 與 TensorFlow 機器學習實用指南 —— 第4章( 下) 訓練模型
    /github.com/apachecn/hands_on_Ml_with_Sklearn_and_TF前文傳送門:【翻譯】Sklearn 與 TensorFlow 機器學習實用指南 —— Chapter 0.前言【翻譯】Sklearn 與 TensorFlow 機器學習實用指南 —— 第1章 機器學習概覽(上)【翻譯】Sklearn 與 TensorFlow
  • 盤點50款最實用的開源移動工具
    支持的作業系統:安卓相關連結:http://api.viglink.com/api/click?支持的作業系統:安卓相關連結:http://api.viglink.com/api/click?支持的作業系統:安卓相關連結:http://api.viglink.com/api/click?
  • 50多種適合機器學習和預測應用的API,你的選擇是?(2018年版本)
    本文總結對於機器學習行業者有用的50多個API,主要涉及的領域如下:1.Animetrics Face Recognition:該API可用於檢測圖像中的人臉,並將其與已知的人臉數據集相匹配。此外,還可以從可搜索圖庫中添加或移除某個分類,或者是從某個分類中添加或刪除某張面部圖像。2.Betaface:該API提供人臉識別與WEB服務檢測。
  • 【翻譯】Sklearn與TensorFlow機器學習實用指南 —— 第15章 自編碼器(上)
    機器學習實用指南 —— 第1章 機器學習概覽(下)【翻譯】Sklearn 與 TensorFlow 機器學習實用指南 —— 第2章  一個完整的機器學習項目(上)【翻譯】Sklearn 與 TensorFlow 機器學習實用指南 —— 第2章 一個完整的機器學習項目(中)【翻譯】Sklearn 與 TensorFlow 機器學習實用指南 —— 第2章 一個完整的機器學習項目
  • 【翻譯】Sklearn 與 TensorFlow 機器學習實用指南 —— 第11章 訓練深層神經網絡(上)
    機器學習實用指南 —— 第1章 機器學習概覽(下)【翻譯】Sklearn 與 TensorFlow 機器學習實用指南 —— 第2章  一個完整的機器學習項目(上)【翻譯】Sklearn 與 TensorFlow 機器學習實用指南 —— 第2章 一個完整的機器學習項目(中)【翻譯】Sklearn 與 TensorFlow 機器學習實用指南 —— 第2章 一個完整的機器學習項目
  • 2018年最實用機器學習項目Top 6(附開源連結)
    來源:medium 作者:George Seif編輯:木青【新智元導讀】在過去機器學習蓬勃發展的一年中
  • Newtonsoft 六個超簡單又實用的特性,值得一試 【下篇】
    一:講故事上一篇Newtonsoft六個超簡單又實用的特性
  • 這是一份超全機器學習&深度學習資源清單(105個AI站點),請收藏!
    Machine Learning Mastery (https://machinelearningmastery.com/blog): 幫助開發人員使用機器學習的知識解決複雜的問題Stats and Bots - Medium (https://blog.statsbot.co): 機器學習應用程式和代碼的實用指南
  • 好傢夥,整理了 820 個機器學習Python庫,星標超 260 萬!
    今天要介紹的這個 GitHub 項目提供了大量機器學習 Python 庫,覆蓋機器學習框架、數據可視化、強化學習等多個領域,而且項目作者還對每個類別中的項目做了排名,每周進行更新。項目地址:https://github.com/ml-tooling/best-of-ml-python該列表目前包含 820 個開源項目,覆蓋 32 個類別,所有項目的 star 量共計 260 萬。