Aprendizaje automático: implementación
Para desarrollar aplicaciones de aprendizaje automático, deberá decidir la plataforma, el IDE y el lenguaje de desarrollo. Hay varias opciones disponibles. La mayoría de ellos cumplirían con sus requisitos fácilmente, ya que todos proporcionan la implementación de los algoritmos de IA discutidos hasta ahora.
Si está desarrollando el algoritmo ML por su cuenta, los siguientes aspectos deben entenderse con cuidado:
El idioma de su elección: este es esencialmente su competencia en uno de los idiomas admitidos en el desarrollo de ML.
El IDE que utiliza: esto dependerá de su familiaridad con los IDE existentes y su nivel de comodidad.
Development platform- Hay varias plataformas disponibles para desarrollo e implementación. La mayoría de estos son de uso gratuito. En algunos casos, es posible que deba incurrir en una tarifa de licencia más allá de una cierta cantidad de uso. Aquí hay una breve lista de opciones de idiomas, IDE y plataformas para su referencia inmediata.
Elección de idioma
Aquí hay una lista de idiomas que admiten el desarrollo de AA:
- Python
- R
- Matlab
- Octave
- Julia
- C++
- C
Esta lista no es esencialmente completa; sin embargo, cubre muchos lenguajes populares utilizados en el desarrollo del aprendizaje automático. Dependiendo de su nivel de comodidad, seleccione un idioma para el desarrollo, desarrolle sus modelos y pruebe.
IDE
Aquí hay una lista de IDE que admiten el desarrollo de ML:
- Estudio R
- Pycharm
- iPython / Jupyter Notebook
- Julia
- Spyder
- Anaconda
- Rodeo
- Google –Colab
La lista anterior no es esencialmente completa. Cada uno tiene sus propios méritos y deméritos. Se anima al lector a probar estos diferentes IDE antes de limitarse a uno solo.
Plataformas
Aquí hay una lista de plataformas en las que se pueden implementar aplicaciones de AA:
- IBM
- Microsoft Azure
- Google Cloud
- Amazon
- Mlflow
Una vez más, esta lista no es exhaustiva. Se anima al lector a que se registre en los servicios antes mencionados y los pruebe ellos mismos.