Maschinelles Lernen als Service

Transparenz

Was ist maschinelles Lernen als Service?

Maschinelles Lernen als Service (MLaaS) ist eine Reihe von Tools für maschinelles Lernen (ML), die von Cloud-Service-Anbietern angeboten werden. Zu den beliebtesten MLaaS-Angeboten gehören Amazon SageMaker, Microsoft Azure ML, IBM Watson Machine Learning und Google Cloud ML.

MLaaS-Anbieter bieten in der Regel Tools an, die Aufgaben der künstlichen Intelligenz (KI) unterstützen, darunter Training und Abstimmung von ML-Lernalgorithmen, Datenvorverarbeitung, Datenvisualisierung, Gesichtserkennung, Verarbeitung natürlicher Sprache, prädiktive Analyse, präventive Analyse und Deep Learning. Die Rechenzentren des Anbieters führen die eigentlichen Berechnungen durch.

Techopedia erklärt maschinelles Lernen als Dienstleistung

Maschinelles Lernen als Service bezieht sich auf eine Reihe von Diensten, die Cloud-Anbieter anbieten. Der Hauptvorteil dieser Dienste besteht darin, dass die Kunden schnell mit dem maschinellen Lernen beginnen können, ohne Software installieren oder eigene Server bereitstellen zu müssen, wie bei jedem anderen Cloud-Dienst.

MLaaS bietet Entwicklern einen einfachen Zugang zu Datenmodellierungs-APIs, Algorithmen für maschinelles Lernen, Datentransformationen und prädiktiven Analysetools. MLaaS wird häufig auf einer begrenzten Testbasis angeboten, damit Entwickler die Plattform erst einmal testen können, bevor sie sich festlegen.

Verwandte Begriffe

Margaret Rouse
Redaktion
Margaret Rouse
Redaktion

Margaret Rouse ist eine preisgekrönte technische Autorin und Dozentin. Sie ist für ihre Fähigkeit bekannt, komplexe technische Themen simpel und nachvollziehbar zu erklären. In den letzten zwanzig Jahren sind ihre Erklärungen auf TechTarget-Websites erschienen und sie wurde in Artikeln der New York Times, des Time Magazine, USA Today, ZDNet, PC Magazine und Discovery Magazine als Quelle und Expertin zitiert. Wenn Sie einen Vorschlag für eine neue Definition haben oder eine technische Erklärung verbessern möchten, schicken Sie einfach Margaret eine E-Mail oder kontaktieren Sie sie auf LinkedIn oder Twitter.