人気の機械学習プログラミング言語、フレームワーク、ツール14選

[51CTO.com クイック翻訳] 増え続けるプログラミング言語ライブラリやツールの中から、機械学習モデルの実装に適したものを知りたい場合は、いつでもサポートを受けることができます。

O'Reilly の新しい調査では、主にテクノロジー、金融、ヘルスケア業界の 1,300 人以上が、各社で使用している機械学習テクノロジーを明らかにしました。

この記事では、データサイエンスの寵児である Python のソフトウェアフレームワークとライブラリ、ビッグデータプラットフォーム、機械学習パイプラインのあらゆる段階を処理するクラウドベースのサービスについて紹介します。

機械学習（レポートでは AI と呼んでいる）の使用に関しては、ほとんどの企業はまだ評価段階にあり、実装されている最も一般的なツールは「モデルの視覚化」と「自動モデル検索およびハイパーパラメータ調整」用のツールです。

当然のことながら、最も一般的なタイプの機械学習は教師あり学習であり、大量のラベル付きデータを使用して機械学習モデルをトレーニングします。たとえば、ビデオ内の人物を見つけるタスクを担うコンピュータービジョンモデルは、画像内に人物がいるかどうかを示す注釈が付けられた画像でトレーニングできます。

画像出典: O'Reilly

企業が機械学習に使用していると主張するライブラリ、フレームワーク、ビッグデータプラットフォーム、クラウドサービスを紹介します。

ソフトウェアライブラリとフレームワーク

1. テンソルフロー

Google の広く使用されている機械学習フレームワークは、機械学習モデルのトレーニングに必要な数値計算を処理するように設計されており、CPU、GPU、専用チップ (Google のテンソルプロセッシングユニット (TPU) など) 間でコンピューティングタスクを分割できます。

2. サイキットラーン

さまざまな機械学習アルゴリズムを使用したデータマイニングとデータ分析のための人気の Python ライブラリ。

3. ピトーチ

TensorFlow などの競合フレームワークよりも簡単に学習でき、機械学習パイプラインのあらゆる段階で使用できるように設計されたオープンソースのディープラーニングフレームワークです。

4. ケラス

ニューラルネットワーク (ディープラーニングの原動力となる脳にヒントを得た数学モデル) を操作するためのこのディープラーニングフレームワークは、競合するフレームワークよりも使いやすいように設計されています。

Keras は Python で記述されており、TensorFlow、Microsoft Cognitive Toolkit (CNTK)、Python ライブラリ Theano で実行できます。

クラウドスイート

5. マイクロソフト Azure ML スタジオ

この一連のサービスは、企業が Microsoft の Azure クラウド上やネットワークのエッジに近いコンピューティングデバイス上で機械学習モデルを構築、トレーニング、展開できるように設計されています。ツールは、適切な機械学習モデルを識別して調整するプロセスを自動化し、需要に合わせて基盤となるコンピューティングを拡張するのに役立ちます。

6. Google Cloud 機械学習エンジン

Azure ML Studio と同様に、Google Cloud Machine Learning Engine も機械学習モデルのトレーニング、評価、チューニング、デプロイのためのツールを提供します。

7. Amazon SageMaker

Amazon SageMaker は、機械学習モデルの構築、トレーニング、デプロイのサービスも提供しており、モデルをより迅速かつ低コストで本番環境にデプロイできます。