作者 | Oleksii Kharkovyna
来源 | TowardsDataScience
编辑 | 代码医生团队
应用程序编程接口(API)是一个现成的代码，可以简化程序员的生活。它有助于数字化单调的任务并自动化一系列复杂功能，从而降低生产成本。在AI/ML编程方面，处理将商业API集成到现有平台中。它可以与当前的代码片段进行交互，当然还可以与用户群进行交互。
本文列出了20个适合AI和ML编程的API。选择是完全基于平台的效率，易用性和功能，而不是它的受欢迎程度。不包括像谷歌，IBM或微软平台等大玩家。
机器学习和预测API
1. BigML
BigML公司将其产品描述为机器学习，对于每个人来说都非常简单。通常可以找到诸如决策树等的异常检测或SunBurst可视化等功能。即使没有经验，也可以让这个API成为手中的完美武器。最喜欢BigML的是可以找到一些关于如何更正确地完成某些任务的案例和用户指南。因此可以从头开始理解所有内容，并使用没有博士学位的API，比如理论物理。
2. PredictionIO
https://predictionio.apache.org/datacollection/eventapi/
https://predictionio.apache.org/demo/community/
它可以免费部署API，它提供了各种几乎完整的模板，可以根据用例进行定制。此外一旦作为Web服务部署，立即响应动态查询。它提供组织良好且广泛的文档，包括开发人员指令，演示教程等。API会定期更新，了解更多高级功能。
3. Anaconda
作为一个由Python提供支持的企业级，安全且可扩展的API，它可以直接访问700多个可以轻松安装的软件包。从此API获得的是正确控制数据科学资产。但是这里的主要功能之一是将项目部署到交互式数据应用程序、live notebooks和ML模型中。
4. Blue Yonder平台
https://github.com/blue-yonder
这是为零售行业找到优秀API的最佳选择。利用市场领先的AI / ML方法，这种基于云的可扩展平台可用于预测应用，可快速响应市场动态变化。用该公司的话说，零售商可以将其缺货率降低80％，并将其收入和利润提高5％以上。除了构建所需的应用程序外，还可以将其与ERP或HR等现有系统集成。
5. MLJAR
这是一个让人留下深刻印象和关注的API。它为原型设计，开发和部署所需的模式识别算法提供服务。只需上传数据，选择所需的ML算法并使用最佳模型进行预测。
6. NuPIC
http://nupic.docs.numenta.org/
这个API实现了Numenta的皮质学习算法，并在NuPIC社区的帮助下进行维护。它是一个功能强大的一体化工具，允许开发人员使用原始算法，将多个区域（例如层次结构）串联起来，并利用其他平台功能。
7. Recombee
Recombee是一个SAAS解决方案，它通过直观的实时API提供建议。API文档编写是友好的，在工作中使用它非常方便。
8. indico
indico是最受欢迎的预测分析软件API之一。它有两个主要选项：文本评估（情感分析，约会，情感）和照片评估（面部情绪，面部本地化）。最大的优点是该API可以免费使用，不需要任何训练数据，可以立即尝试。
用于人脸检测和人脸识别的API
9. Animetrics人脸识别
http://api.animetrics.com/documentation
http://api.animetrics.com/demo
如果想创建一个人脸识别软件或只是进行图像分析，Animetrics Face Recognition会在这个问题上提供很多支持。首先可以使用它来检测照片和图片中的面部，并将它们与一组已知面部进行匹配。另一个优点是关于面部特征的信息，或者地标作为图像上的坐标返回。此外还可以从可搜索的图库上传主题，并从主题上传或删除面部。
10. Eyedea识别
http://face.eyedea.cz ：8080 / api / faces / docs
http://cloud.eyedea.cz/api/face
Eyedea Recognition是物体检测和物体识别领域的真正巨人。该API完美地处理了一系列根据客户规范准备的软件解决方案，并基于机器学习和人工智能的前沿研究成果。这种灵活的识别服务提供眼睛，面部，汽车，版权检测。API最重要的价值是有机会获得对象，客户和行为的即时信息。
11. Betaface
https://www.betafaceapi.com/wpa/index.php/documentation
https://www.betafaceapi.com/demo.html
需要了解的有关此API的所有信息，它是一个强大且可扩展的平台，用于扫描上传的文件或照片网址，检测面部并检查它们。API功能包括：几个面部检测，面部裁剪，123个面部点检测（22个基本，一百个和一个高级），面部验证，以及非常庞大的数据库中的相似性搜索。
12. Imagga
https://docs.imagga.com/
https://imagga.com/auto-tagging-demo
一个更强大的API，用于图像分析，即时图像分类，颜色提取和内容感知裁剪。Imagga提供的API可以自动为镜头分配标签，并使图片可以找到。它基于图像识别平台即服务。
文本分析和自然语言处理API
13. Wit.ai
https://wit.ai/docs
https://labs.wit.ai/demo/index.html
它是一个可扩展的NLP平台。如果想为开发人员提供与语音自动化相关的日常工作，那么它将是最佳选择。专注于从每次互动中理解人类语言并利用社区，这意味着所学到的一切都将在开发人员之间共享。Wit为家庭自动化，联网汽车，机器人，智能手机，可穿戴设备等创建智能语音界面。可以免费使用。
14. Bitext
https://docs.api.bitext.com/
http://parser.bitext.com/
Bitext API是另一种深度语言分析工具，可提供易于导出到各种数据管理工具的数据。该平台产品可用于聊天机器人和助手，CS和Sentiment，以及一些其他核心NLP任务。这里的重点是语义，语法，词典和语料库，可用于80多种语言。此外该API是客户反馈分析自动化方面的最佳API之一。
15. Geneea
https://api.geneea.com/
https://demo.geneea.com/
Geneea对提供的原始文本，从给定URL提取的文本或直接从提供的文档执行分析（自然语言处理）。优势是相当多的可用语言（超过30种）。Geneea对语言，主题识别，情感检测，实体提取，自动标记等主题进行分析，并对捷克文本的变音符号进行各种校正。
16. Diffbot分析
https://www.diffbot.com/dev/docs/
https://www.diffbot.com/
该API执行自动识别，分析和提取，通常可以轻松地从任何URL传送每个数据（文本，照片，视频）。它恰当地采用了AI，ML，计算机视觉和NLP的理想混合。此外可以将其与自定义API同时使用，以便使用手动规则来获取数据。
17. Yactraq Speech2Topics
https://yactraq.com/contact-trial/
这是一个很棒的语音分析，旨在释放可听数据的能力。该API通过语音识别和NLP将视听内容材料转换为主题元数据。它提供了一组呼叫操作解决方案，可提供过多的投资回报率，大规模的统计应用程序，并可全面了解令人惊讶的宝贵数据。
18. MonkeyLearn
https://monkeylearn.com/api/v3/
https://monkeylearn.com/contact/
MonkeyLearn是一个人工智能平台，允许从原始文本中分类和提取可操作的数据，如电子邮件，聊天，网页，文档，推文等。特别注重最大限度地减少所有这些任务所需的时间。
19. Hu:toma
https://help.hutoma.ai/article/ym34wr87lx-hutoma-chat-api
它是一个开源的会话式AI驱动平台，有助于通过自然语言界面和AI助手简化对可操作数据的访问。如果在自己的应用程序或网站中实现自然语言界面，这将是您的首要任务。这样做的原因是可以通过提供对话的例子（电影脚本，支持日志等）来教导和训练它。
20. nlpTools
http://php-nlp-tools.com/documentation/
nlpTools是一个开源的简单文本处理框架来分析自然语言。它解码在线新闻媒体，用于情感分析和文本分类。
作者 | Oleksii Kharkovyna
来源 | TowardsDataScience
编辑 | 代码医生团队
本文转自：相约机器人，转载此文目的在于传递更多信息，版权归原作者所有。
