Machine Learning - Implementazione

Per sviluppare applicazioni ML, dovrai decidere la piattaforma, l'IDE e il linguaggio per lo sviluppo. Sono disponibili diverse scelte. La maggior parte di questi soddisferà facilmente le tue esigenze poiché tutti forniscono l'implementazione degli algoritmi AI discussi finora.

Se stai sviluppando l'algoritmo ML da solo, i seguenti aspetti devono essere compresi attentamente:

La lingua che preferisci: essenzialmente questa è la tua competenza in una delle lingue supportate nello sviluppo ML.

L'IDE che usi: dipende dalla tua familiarità con gli IDE esistenti e dal tuo livello di comfort.

Development platform- Sono disponibili diverse piattaforme per lo sviluppo e la distribuzione. La maggior parte di questi sono gratuiti. In alcuni casi, potrebbe essere necessario sostenere una tariffa di licenza oltre un determinato importo di utilizzo. Ecco un breve elenco di scelta di lingue, IDE e piattaforme per il tuo pronto riferimento.

Scelta della lingua

Ecco un elenco di lingue che supportano lo sviluppo ML:

• Python
• R
• Matlab
• Octave
• Julia
• C++
• C

Questo elenco non è essenzialmente completo; tuttavia, copre molti linguaggi popolari utilizzati nello sviluppo dell'apprendimento automatico. A seconda del tuo livello di comfort, seleziona una lingua per lo sviluppo, sviluppa i tuoi modelli e prova.

IDE

Ecco un elenco di IDE che supportano lo sviluppo ML:

• R Studio
• Pycharm
• Notebook iPython / Jupyter
• Julia
• Spyder
• Anaconda
• Rodeo
• Google –Colab

L'elenco precedente non è essenzialmente completo. Ognuno ha i suoi meriti e demeriti. Il lettore è incoraggiato a provare questi diversi IDE prima di restringere il campo a uno solo.

Piattaforme

Di seguito è riportato un elenco di piattaforme su cui è possibile distribuire le applicazioni ML:

• IBM
• Microsoft Azure
• Google Cloud
• Amazon
• Mlflow

Ancora una volta questo elenco non è esaustivo. Il lettore è incoraggiato a registrarsi per i servizi di cui sopra e a provarli personalmente.