Top 20 API trong AI và Machine Learning bạn nên biết

Công Nghệ
Top 20 API trong AI và Machine Learning bạn nên biết
Application Programming Interface là một code được tạo sẵn để đơn giản hóa cuộc sống của một lập trình viên. Nó giúp số hóa các task đơn điệu và tự động hóa một số lượng lớn các function phức tạp, và kết quả là ta cắt giảm được chi phí sản xuất. Khi nói đến lập trình AI / ML, chúng ta thường thực hiện việc tích hợp API thương mại vào các platform hiện có. Nó cho phép tương tác với code snippet hiện tại, cho chúng tương tác với nhau và tất nhiên tương tác với user-base của bạn. Trong bài viết này, tôi sẽ liệt kê những API ưa thích mà tôi thấy phù hợp với lập trình AI và ML nhất. Một điều cần lưu ý là danh sách này chỉ dựa trên mức độ hiệu quả, dễ sử dụng và chức năng của platform chứ không phải độ phổ biến của nó. Tôi cũng không liệt kê những tên tuổi lớn như các platform Google, IBM hay Microsoft bởi vì ai cũng biết về chúng cả. Tìm việc làm Machine Learning lương cao 3000 USD 1. BigML Tài liệu: https://bigml.com/developers Công ty BigML đã mô tả sản phẩm Machine Learning của mình rất đơn giản và dành cho tất cả mọi người. Và nó đúng thực sự như vậy. Bạn có thể tìm thấy các feature như phát hiện bất thường (anomaly detection) hoặc SunBurst visualization cho các decision tree, và nhiều tính năng khác nữa. API này chính là một vũ khí hoàn hảo ngay cả khi bạn không hề có bất kỳ kinh nghiệm nào trước đó. Điều tôi thích nhất ở BigML là bạn có thể tìm thấy rất nhiều ví dụ về case cụ thể và hướng dẫn hoàn thành các...

Application Programming Interface là một code được tạo sẵn để đơn giản hóa cuộc sống của một lập trình viên. Nó giúp số hóa các task đơn điệu và tự động hóa một số lượng lớn các function phức tạp, và kết quả là ta cắt giảm được chi phí sản xuất. Khi nói đến lập trình AI / ML, chúng ta thường thực hiện việc tích hợp API thương mại vào các platform hiện có. Nó cho phép tương tác với code snippet hiện tại, cho chúng tương tác với nhau và tất nhiên tương tác với user-base của bạn.

Trong bài viết này, tôi sẽ liệt kê những API ưa thích mà tôi thấy phù hợp với lập trình AI và ML nhất. Một điều cần lưu ý là danh sách này chỉ dựa trên mức độ hiệu quả, dễ sử dụng và chức năng của platform chứ không phải độ phổ biến của nó. Tôi cũng không liệt kê những tên tuổi lớn như các platform Google, IBM hay Microsoft bởi vì ai cũng biết về chúng cả.

Tìm việc làm Machine Learning lương cao 3000 USD

1. BigML

Tài liệu: https://bigml.com/developers

Công ty BigML đã mô tả sản phẩm Machine Learning của mình rất đơn giản và dành cho tất cả mọi người. Và nó đúng thực sự như vậy. Bạn có thể tìm thấy các feature như phát hiện bất thường (anomaly detection) hoặc SunBurst visualization cho các decision tree, và nhiều tính năng khác nữa. API này chính là một vũ khí hoàn hảo ngay cả khi bạn không hề có bất kỳ kinh nghiệm nào trước đó. Điều tôi thích nhất ở BigML là bạn có thể tìm thấy rất nhiều ví dụ về case cụ thể và hướng dẫn hoàn thành các task một cách chính xác hơn. Do đó, bạn có thể hiểu mọi thứ từ đầu và sử dụng API này mà không cần tấm bằng tiến sĩ.

2. PredictionIO

Documentation: https://predictionio.apache.org/datacollection/eventapi/

Demo: https://predictionio.apache.org/demo/community/

API này cho phép triển khai miễn phí, và cung cấp vô số template gần-như-hoàn-chỉnh để tiện cho việc tùy chỉnh theo các case sử dụng khác nhau. Bên cạnh đó, nó đáp lại các dynamic queries ngay lập tức khi được triển khai như là một web service. Nó cung cấp documentation được tổ chức tốt và rộng, bao gồm các chỉ dẫn dành cho developer, các bản hướng dẫn demo,… API luôn được cập nhập thường xuyên nên bạn có thể tìm thấy nhiều feature nâng cao hơn tại đây.

3. Anaconda

Documentation: https://docs.anaconda.com/

Là một API được cung cấp bởi Python, thích hợp cho các doanh nghiệp, an toàn và có thể điều chỉnh để đáp ứng nhu cầu lớn hơn trong tương lai, nó cung cấp quyền truy cập trực tiếp vào hơn 700 package dễ cài đặt. Điều bạn nhận được từ API này là khả năng kiểm soát đúng data science asset. Tuy nhiên, một trong những feature vượt trội của nó là triển khai các project vào các ứng dụng data tương tác, sổ ghi chép trực tiếp và ML-model

4. Blue Yonder Platform

Documentation: https://github.com/blue-yonder

Nếu task của bạn là tìm một API tuyệt vời cho ngành bán lẻ thì đây là lựa chọn tốt nhất cho bạn. Tại vì sao? Tại vì platform cho các ứng dụng dự đoán dựa trên cloud này sử dụng các phương pháp tiếp cận AI / ML dẫn đầu trên thị trường, cho phép phản hồi nhanh chóng để thay đổi động lực thị trường. Công ty cho biết các nhà bán lẻ có thể giảm tới 80% tỷ lệ xuất kho và khiến doanh thu và lợi nhuận của họ cải thiện hơn 5%. Ngoài ra, ngoại trừ việc xây dựng ứng dụng cần thiết, bạn cũng có thể tích hợp nó với hệ thống hiện có như ERP hoặc HR.

5. MLJAR

Documentation: https://docs.mljar.com/

Một API khác sẽ khiến bạn ấn tượng là MLJAR. Nó cung cấp một dịch vụ để tạo mẫu, phát triển và triển khai các thuật toán nhận dạng mẫu cần thiết. Tất cả những gì bạn cần làm chỉ là tải data lên, chọn các thuật toán ML cần thiết và sử dụng các module tốt nhất để dự đoán.

6. NuPIC

Documentation: http://nupic.docs.numenta.org/

API này là một nguồn cung cấp mở được viết bằng Python và C ++, thực hiện Thuật toán Numenta’s Cortical Learning và được duy trì bởi sự trợ giúp của Cộng đồng NuPIC. Lý do nó hấp dẫn tôi là vì nó là một công cụ đa năng mạnh mẽ cho phép các developer làm việc với các thuật toán raw, tập hợp nhiều lĩnh vực (như hierarchies) và tận dụng khả năng của các platform khác.

7. Recombee

Documentation: https://docs.recombee.com/

Recombee là một giải pháp SAAS và nó cung cấp các đề xuất thông qua API real-time trực quan. Recombee sử dụng khai thác records mining, ngôn ngữ câu hỏi và các thuật toán machine learning (ví dụ như tư vấn dựa trên nội dung) thông qua API RESTful. Quan trọng nhất là API Documentation rất thân thiện và sử dụng nó trong công việc rất thoải mái.

8. indico

Documentation: https://indico.io/docs/

Bạn không thể không biết indico vì nó là thuộc top những API phần mềm phân tích dự đoán phổ biến nhất. Bạn nhận được gì khi sử dụng nó? Nó có hai option chính: đánh giá văn bản (phân tích tâm lý đối tượng, sự tương tác, cảm xúc) và đánh giá ảnh (cảm xúc khuôn mặt, định vị khuôn mặt). Ưu điểm của API này là nó miễn phí và không yêu cầu training data, thế nên bạn có thể dùng thử ngay bây giờ.

TOP API dùng để nhận diện khuôn mặt và nhận dạng khuôn mặt

9. Animetrics Face Recognition

Documentation: http://api.animetrics.com/documentation

Demo: http://api.animetrics.com/demo

Nếu bạn muốn tạo một phần mềm nhận dạng khuôn mặt hoặc đơn giản chỉ là tiến hành phân tích hình ảnh, thì Animetrics Face Recognition sẽ hỗ trợ bạn rất nhiều. Bạn có thể sử dụng nó để phát hiện khuôn mặt trong tấm hình hoặc hình ảnh nào đó và ghép chúng với một set khuôn mặt đã biết. Một lợi thế khác của nó là thông tin về các đặc điểm trên khuôn mặt hoặc các landmark được trả về dưới dạng tọa độ trên ảnh. Hơn thế nữa, API này cũng có thể tải lên hoặc hoãn một subject từ thư viện, và tải lên hoặc loại bỏ khuôn mặt khỏi một topic.

10. Eyedea Recognition

Documentation: http://face.eyedea.cz:8080/api/face/docs

Demo: http://cloud.eyedea.cz/api/face

Eyedea Recognition là tên khổng lồ trong lĩnh vực phát hiện đối tượng và nhận dạng đối tượng. API này xử lý một cách hoàn hảo các giải pháp phần mềm được chuẩn bị theo đặc điểm kỹ thuật của khách hàng và dựa trên kết quả nghiên cứu về Machine Learning và AI. Dịch vụ nhận dạng này rất linh hoạt, nó cung cấp phát hiện mắt, mặt, automobile, copyright và bảng biển. Giá trị tuyệt vời nhất của API là quyền truy cập thông tin tức thời của các object, khách hàng và hành vi.

11. Betaface

Documentation: https://www.betafaceapi.com/wpa/index.php/documentation

Demo: https://www.betafaceapi.com/demo.html

Tất cả những gì bạn cần biết về API này là nó là một platform mạnh mẽ và có thể mở rộng để quét các file đã được tải lên hoặc URL ảnh, phát hiện khuôn mặt và kiểm tra chúng. API này bao gồm các khả năng như phát hiện khuôn mặt, cắt xén khuôn mặt, phát hiện 123 điểm khuôn mặt (22 điểm cơ bản, một trăm lẻ một điểm nâng cao), xác minh khuôn mặt, cũng như tìm kiếm sự tương đồng trong các database rất lớn.

12. Imagga

Documentation: https://docs.imagga.com/

Demo: https://imagga.com/auto-tagging-demo

Đây là một API mạnh mẽ khác để phân tích hình ảnh, phân loại hình ảnh tức thì, khai thác màu sắc và cắt xén nội dung. Imagga cung cấp các API tự động gán thẻ cho ảnh của bạn và giúp hình ảnh của bạn dễ tìm thấy. Nó dựa trên một platform nhận dạng hình ảnh như một dịch vụ.

Video: IoT and AI Thinking Linking Things Age of VUI

API Phân tích văn bản và Natural Language Processing

13. Wit.ai

Documentation: https://wit.ai/docs

Demo: https://labs.wit.ai/demo/index.html

Đây là một platform NLP mở rộng. Nếu bạn muốn trao quyền cho các developer liên quan đến tự động hóa giọng nói, thì đây sẽ là lựa chọn tốt nhất. Cá nhân tôi là một fan lớn của API này. Lý do nó hấp dẫn tôi là sự tập trung của nó vào việc hiểu ngôn ngữ của con người từ mọi tương tác và thúc đẩy cộng đồng, điều đó có nghĩa là mọi thứ học được sẽ được chia sẻ giữa các developer. Wit tạo ra một giao diện giọng nói thông minh dùng cho các mục đích như tự động hóa gia đình, ô tô kết nối, robot, smartphone, thiết bị đeo,… Ngoài ra, nó miễn phí.

14. Bitext

Documentation: https://docs.api.bitext.com/

Demo: http://parser.bitext.com/

API Bitext là một tool phân tích ngôn ngữ sâu khác, cung cấp data mà dễ dàng export cho toàn bộ các tool quản lý dữ liệu. Sản phẩm của platform này có thể được sử dụng cho chatbot và assistant, CS và Sentiment, cũng như một số task NLP cốt lõi khác. Trọng tâm chính của nó là ngữ nghĩa, ngữ pháp, từ vựng và văn nói hay văn viết có sẵn cho hơn 80 ngôn ngữ. Thêm vào đó, khi nói đến việc tự động hóa phân tích feedback của khách hàng thì API này là tốt nhất. Công ty tuyên bố rằng nó cung cấp insight khách hàng với độ chính xác là 90%.

15. Geneea

Documentation: https://api.geneea.com/

Demo: https://demo.geneea.com/

Geneea thực hiện phân tích (Natural Language Processing) trên raw text được cung cấp, trên văn bản được trích ra từ URL đã cho hoặc trực tiếp từ tài liệu được cung cấp. Lợi thế nổi trội của nó là số lượng lớn các ngôn ngữ có sẵn (hơn 30). Geneea thực hiện các phân tích về các topic như ngôn ngữ, nhận dạng topic, phân tích tâm lý khách hàng, trích xuất thực thể, gắn thẻ tự động, cũng như thực hiện các điều chỉnh khác nhau.

16. Diffbot Analyze

Documentation: https://www.diffbot.com/dev/docs/

Demo: https://www.diffbot.com/

API này thực hiện nhận dạng, phân tích và trích xuất tự động mọi phần của data (văn bản, ảnh, video) từ bất kỳ URL nào một cách dễ dàng. Nó sử dụng một tập hợp lý tưởng của AI, ML, computer vision và NLP. Ngoài ra, bạn cũng có thể sử dụng nó với các API tùy chỉnh cho phép lấy data bằng các quy định thủ công.

17. Yactraq Speech2Topics

Demo: https://yactraq.com/contact-trial/

Đây là một platform phân tích giọng nói tuyệt vời với mục đích là giải phóng khả năng của dữ liệu âm thanh của bạn. API này chuyển đổi tài liệu nội dung nghe nhìn thành siêu dữ liệu subject thông qua nhận dạng giọng nói & NLP. Nó cung cấp một tập hợp các call operations solution cung cấp ROI quá mức, các ứng dụng thống kê lớn.

18. MonkeyLearn

Documentation: https://monkeylearn.com/api/v3/

Demo: https://monkeylearn.com/contact/

MonkeyLearn là một platform AI cho phép bạn phân loại và xuất data hành động từ các raw text như email, chat, webpage, document, tweet,… Nó đặc biệt tập trung vào việc giảm thiểu thời gian cần thiết cho tất cả các task này và vì vậy đây là một lựa chọn tốt dành cho bạn.

19. Hu:toma

Documentation: https://help.hutoma.ai/article/ym34wr87lx-hutoma-chat-api

Đây là một platform giúp đơn giản hóa việc truy cập data hành động thông qua các giao diện ngôn ngữ tự nhiên và trợ lý AI. Nếu bạn đang triển khai Natural Language Interface vào ứng dụng hoặc website của mình thì đây sẽ là ưu tiên số 1 của bạn. Lý do là bạn có thể dạy và đào tạo nó bằng cách cung cấp các ví dụ về các cuộc hội thoại (kịch bản phim,…).

20. nlpTools

Documentation: http://php-nlp-tools.com/documentation/

nlpTools là một open source framework xử lý văn bản đơn giản (một thư viện cho NLP được viết bằng php) để phân tích Ngôn ngữ tự nhiên. Nó decode online news media (mục đích chung, nhiều topic) để phân tích tâm lý đối tượng và phân loại văn bản.

Kết luận

Trong quá trình đọc, có lẽ bạn sẽ chọn được một vài cái để áp dụng. Nhưng trước khi kết thúc, tôi muốn nhắc tới một điều quan trọng. Các lập trình viên, đặc biệt là người mới bắt đầu không nên chỉ sử dụng một kế hoạch như vậy cho các giải pháp được đưa ra sẵn. Tại vì nếu bây giờ bạn không giải quyết các quy trình phức tạp hơn, bạn có thể không đối phó được với các task thực sự trong tương lai. Do đó, bạn cần giữ cân bằng giữa việc áp dụng những thứ này với việc thực hiện các công việc thực sự. 

Station D via Medium

Bài viết liên quan

Bộ cài đặt Laravel Installer đã hỗ trợ tích hợp Jetstream

Bộ cài đặt Laravel Installer đã hỗ trợ tích hợp Jetstream

Bài viết được sự cho phép của tác giả Chung Nguyễn Hôm nay, nhóm Laravel đã phát hành một phiên bản chính mới của “ laravel/installer ” bao gồm hỗ trợ khởi động nhanh các dự án Jetstream. Với phiên bản mới này khi bạn chạy laravel new project-name , bạn sẽ nhận được các tùy chọn Jetstream. Ví dụ: API Authentication trong Laravel-Vue SPA sử dụng Jwt-auth Cách sử dụng Laravel với Socket.IO laravel new foo --jet --dev Sau đó, nó sẽ hỏi bạn thích stack Jetstream nào hơn: Which Jetstream stack do you prefer? [0] Livewire [1] inertia > livewire Will your application use teams? (yes/no) [no]: ... Nếu bạn đã cài bộ Laravel Installer, để nâng cấp lên phiên bản mới bạn chạy lệnh: composer global update Một số trường hợp cập nhật bị thất bại, bạn hãy thử, gỡ đi và cài đặt lại nha composer global remove laravel/installer composer global require laravel/installer Bài viết gốc được đăng tải tại chungnguyen.xyz Có thể bạn quan tâm: Cài đặt Laravel Làm thế nào để chạy Sql Server Installation Center sau khi đã cài đặt xong Sql Server? Quản lý các Laravel route gọn hơn và dễ dàng hơn Xem thêm Tuyển dụng lập trình Laravel hấp dẫn trên Station D

By stationd
Principle thiết kế của các sản phẩm nổi tiếng

Principle thiết kế của các sản phẩm nổi tiếng

Tác giả: Lưu Bình An Phù hợp cho các bạn thiết kế nào ko muốn làm code dạo, design dạo nữa, bạn muốn cái gì đó cao hơn ở tầng khái niệm Nếu lập trình chúng ta có các nguyên tắc chung khi viết code như KISS , DRY , thì trong thiết kế cũng có những nguyên tắc chính khi làm việc. Những nguyên tắc này sẽ là kim chỉ nam, nếu có tranh cãi giữa các member trong team, thì cứ đè nguyên tắc này ra mà giải quyết (nghe hơi có mùi cứng nhắc, mình thì thích tùy cơ ứng biến hơn) Tìm các vị trí tuyển dụng designer lương cao cho bạn Nguyên tắc thiết kế của GOV.UK Đây là danh sách của trang GOV.UK Bắt đầu với thứ user cần Làm ít hơn Thiết kế với dữ liệu Làm mọi thứ thật dễ dàng Lặp. Rồi lặp lại lần nữa Dành cho tất cả mọi người Hiểu ngữ cảnh hiện tại Làm dịch vụ digital, không phải làm website Nhất quán, nhưng không hòa tan (phải có chất riêng với thằng khác) Cởi mở, mọi thứ tốt hơn Bao trừu tượng luôn các bạn, trang Gov.uk này cũng có câu tổng quát rất hay Thiết kế tốt là thiết kế có thể sử dụng. Phục vụ cho nhiều đối tượng sử dụng, dễ đọc nhất nhất có thể. Nếu phải từ bỏ đẹp tinh tế – thì cứ bỏ luôn . Chúng ta tạo sản phẩm cho nhu cầu sử dụng, không phải cho người hâm mộ . Chúng ta thiết kế để cả nước sử dụng, không phải những người đã từng sử dụng web. Những người cần dịch vụ của chúng ta nhất là những người đang cảm thấy khó sử dụng dịch...

By stationd
Hiểu về trình duyệt – How browsers work

Hiểu về trình duyệt – How browsers work

Bài viết được sự cho phép của vntesters.com Khi nhìn từ bên ngoài, trình duyệt web giống như một ứng dụng hiển thị những thông tin và tài nguyên từ server lên màn hình người sử dụng, nhưng để làm được công việc hiển thị đó đòi hỏi trình duyệt phải xử lý rất nhiều thông tin và nhiều tầng phía bên dưới. Việc chúng ta (Developers, Testers) tìm hiểu càng sâu tầng bên dưới để nắm được nguyên tắc hoạt động và xử lý của trình duyệt sẽ rất hữu ích trong công việc viết code, sử dụng các tài nguyên cũng như kiểm thử ứng dụng của mình. Cách để npm packages chạy trong browser Câu hỏi phỏng vấn mẹo về React: Component hay element được render trong browser? Khi hiểu được cách thức hoạt động của trình duyệt chúng ta có thể trả lời được rất nhiều câu hỏi như: Tại sao cùng một trang web lại hiển thị khác nhau trên hai trình duyệt? Tại sao chức năng này đang chạy tốt trên trình duyệt Firefox nhưng qua trình duyệt khác lại bị lỗi? Làm sao để trang web hiển thị nội dung nhanh và tối ưu hơn một chút?… Hy vọng sau bài này sẽ giúp các bạn có một cái nhìn rõ hơn cũng như giúp ích được trong công việc hiện tại. 1. Cấu trúc của một trình duyệt Trước tiên chúng ta đi qua cấu trúc, thành phần chung và cơ bản nhất của một trình duyệt web hiện đại, nó sẽ gồm các thành phần (tầng) như sau: Thành phần nằm phía trên là những thành phần gần với tương tác của người dùng, càng phía dưới thì càng sâu và nặng về xử lý dữ liệu hơn tương tác. Nhiệm...

By stationd
Thị trường EdTech Vietnam- Nhiều tiềm năng nhưng còn bị bỏ ngỏ tại Việt Nam

Thị trường EdTech Vietnam- Nhiều tiềm năng nhưng còn bị bỏ ngỏ tại Việt Nam

Lĩnh vực EdTech (ứng dụng công nghệ vào các sản phẩm giáo dục) trên toàn cầu hiện nay đã tương đối phong phú với nhiều tên tuổi lớn phân phối đều trên các hạng mục như Broad Online Learning Platforms (nền tảng cung cấp khóa học online đại chúng – tiêu biểu như Coursera, Udemy, KhanAcademy,…) Learning Management Systems (hệ thống quản lý lớp học – tiêu biểu như Schoology, Edmodo, ClassDojo,…) Next-Gen Study Tools (công cụ hỗ trợ học tập – tiểu biểu như Kahoot!, Lumosity, Curriculet,…) Tech Learning (đào tạo công nghệ – tiêu biểu như Udacity, Codecademy, PluralSight,…), Enterprise Learning (đào tạo trong doanh nghiệp – tiêu biểu như Edcast, ExecOnline, Grovo,..),… Hiện nay thị trường EdTech tại Việt Nam đã đón nhận khoảng đầu tư khoảng 55 triệu đô cho lĩnh vực này nhiều đơn vị nước ngoài đang quan tâm mạnh đến thị trường này ngày càng nhiều hơn. Là một trong những xu hướng phát triển tốt, và có doanh nghiệp đã hoạt động khá lâu trong ngành nêu tại infographic như Topica, nhưng EdTech vẫn chỉ đang trong giai đoạn sơ khai tại Việt Nam. Tại Việt Nam, hệ sinh thái EdTech trong nước vẫn còn rất non trẻ và thiếu vắng nhiều tên tuổi trong các hạng mục như Enterprise Learning (mới chỉ có MANA), School Administration (hệ thống quản lý trường học) hay Search (tìm kiếm, so sánh trường và khóa học),… Với chỉ dưới 5% số dân công sở có sử dụng một trong các dịch vụ giáo dục online, EdTech cho thấy vẫn còn một thị trường rộng lớn đang chờ được khai phá. *** Vừa qua Station D đã công bố Báo cáo Vietnam IT Landscape 2019 đem đến cái nhìn toàn cảnh về các ứng dụng công...

By stationd