來源：計算機世界
導語
在上一篇微信《不懂代碼也能實現機器學習？》中，講到低代碼和無代碼平臺可以使平民分析師更容易上手機器學習，使專業人士做得更好。今天我們來看看有哪些可推薦的低代碼和無代碼平臺。
面向軟件開發人員的低代碼功能
現在我們來看看那些為軟件開發人員提供機器學習功能的低代碼平臺。這些平臺根據它們的編程模型和它們公開的低代碼功能類型來選擇機器學習的算法。
-
Appian可以提供與多個google API的集成，包括 GCP Native Language、GCP Translation、GCP Vision 和 Azure Language Understanding (LUIS)。
-
Creatio是一個用于流程管理和客戶關系管理 (CRM) 的低代碼平臺，具有多種機器學習功能，包括電子郵件文本挖掘和為潛在客戶、機會和客戶建立的通用評分模型。
-
Google AppSheet 支持多種文本處理功能，包括智能搜索、內容分類和情感分析，同時還能提供趨勢預測。一旦你集成了數據源（例如 Google 表格）后，你就可以開始試驗不同的模型。
-
Mendix Marketplace具有連接Azure Face API和Amazon Rekognition的機器學習連接器。
-
Microsoft Power Automate AI Builder具有處理與非結構化數據相關的功能，例如讀取名片以及處理發票和收據。他們可以應用包括關鍵階段提取、類別分類和實體提取等多種算法。
-
OutSystems ML Builder在開發最終用戶應用程序，例如文本分類、屬性預測、異常檢測和圖像分類時可能會呈現出多種功能。
-
Thinkwise AutoML 專為分類和回歸機器學習問題而設計，可用于計劃流程。
-
Vantiq是一個低代碼、事件驅動的架構平臺，可以驅動實時機器學習應用程序，例如工廠工人的 AI 監控和人機界面的實時翻譯。
這份清單還不是很全面，還有 Create ML、MakeML、MonkeyLearn Studio、Obviously AI、Teachable machine 等其他的平臺。隨著更多的低代碼平臺開發或開發機器學習功能的合作，機器學習平臺的可能性會越來越多。
何時在低代碼平臺中使用機器學習功能
低代碼平臺將繼續區分其功能集，因此我預計更多平臺將添加它們啟用用戶體驗時所需的機器學習功能。這意味著需要處理更多的文本和圖像來支持工作流、投資組合管理平臺的趨勢分析以及 CRM 和營銷工作流的集群。
但是當涉及到大規模監督和無監督學習、深度學習和Modelops時，更有可能需要使用和集成專門的數據科學和模型操作平臺。更多低代碼技術供應商可能會合作支持集成或提供入口，以便在 AWS、Azure、GCP和其他公共云上啟用機器學習功能。
低代碼技術使開發人員更容易創建和支持應用程序、集成和可視化，這種重要性會一直持續。所以，現在開始提高標準，并期待更多智能自動化和機器學習能力吧，無論是投資低代碼平臺與自己的 AI 能力還是與第三方數據科學平臺集成起來。
本文來自【計算機世界】，僅代表作者觀點。全國黨媒信息公共平臺提供信息發布傳播服務。
ID：jrtt
