التنفيذ تعلم الألة Machine Learning Implementing

التنفيذ تعلم الألة 

Machine Learning  Implementing

التنفيذ تعلم الألة Machine Learning  Implementing

لتطوير تطبيقات ML ، سيتعين عليك تحديد النظام الأساسي و IDE واللغة الخاصة بالتطوير.  هناك العديد من الخيارات المتاحة.  ستلبي معظم هذه المتطلبات الخاصة بك بسهولة حيث توفر جميعها تنفيذ خوارزميات الذكاء الاصطناعي التي تمت مناقشتها حتى الآن.

 إذا كنت تقوم بتطوير خوارزمية ML لوحدك ، فيجب فهم الجوانب التالية بعناية -

 اللغة التي تختارها - وهذا في الأساس هو إجادتك لإحدى اللغات المدعومة في تطوير ML.

 IDE الذي تستخدمه - هذا سيعتمد على مدى معرفتك بأدوات IDE الموجودة ومستوى راحتك.

Development platform − منصة التطوير 

هناك العديد من المنصات المتاحة لتطوير ونشر.  معظم هذه هي للاستخدام المجاني.  في بعض الحالات ، قد تضطر إلى تحمل رسوم ترخيص تتجاوز مقدار معين من الاستخدام.  فيما يلي قائمة مختصرة باختيار اللغات ، IDEs والمنصات للرجوع إليها جاهزة.

Language Choice خيارات اللغة 

فيما يلي قائمة باللغات التي تدعم تطوير ML -

• Python بايثون بيثون 
• R
• Matlab  مات لاب
• Octave
• Julia
• C++
• C

هذه القائمة ليست شاملة في الأساس ؛  ومع ذلك ، فإنه يغطي العديد من اللغات الشائعة المستخدمة في تطوير التعلم الآلي.  بناءً على مستوى راحتك ، حدد لغة للتطوير وتطوير النماذج والاختبار.

IDEs بيئة التطوير المتكاملة 

هنا قائمة من IDEs التي تدعم تطوير ML تعلم الألة  -

• R Studio
• Pycharm
• iPython/Jupyter Notebook
• Julia
• Spyder
• Anaconda
• Rodeo
• Google –Colab
• القائمة أعلاه ليست شاملة في الأساس.  كل واحد له مزاياه وعيوبه.  يتم تشجيع القارئ على تجربة هذه IDEs مختلفة قبل تضييق نطاق واحد.

Platforms المنصات 

فيما يلي قائمة بالمنصات التي يمكن نشر تطبيقات ML عليها -

• IBM
• Microsoft Azure
• Google Cloud
• Amazon
• Mlflow

مرة أخرى هذه القائمة ليست شاملة.  يتم تشجيع القارئ على الاشتراك في الخدمات المذكورة أعلاه وتجربتها بنفسها.