By 尤利娅·加夫里洛娃, 人工智能和技术伦理在 serokell.io.

您之前可能听说过“低代码”和“无代码”这两个术语。

低码 仅代表减少的编码量。 许多元素可以简单地从库中拖放。 但是，也可以通过编写自己的代码来自定义它们，从而提高灵活性。

无码 平台根本不需要编程知识。 它们可供不同的人使用，例如艺术家、教师、高层管理人员。 他们在工作中需要人工智能，但不想深入研究编程和计算机科学。 无代码解决方案在功能上非常有限，但允许您快速构建一些简单的东西。

在实践中，无代码平台和低代码平台之间的界限很窄。 宣传自己为“无代码”的平台通常仍然留有一些定制空间。

适合初学者的低代码平台

即使编码经验很少，也可以使用低代码库。

皮卡雷特

这是一个 开源机器学习库 在 Python 中，允许您以最少的编码创建和部署机器学习模型。

基本上，PyCaret 是一种低代码替代方案，只需几个字就可以替换数百行代码。 它大大提高了软件开发的速度，并使初学者更容易上手。 PyCaret 是对多个机器学习库（如 scikit-learn、XGBoost、Microsoft LightGBM、spaCy 等）的 Python 包装器。

自动 ViML

自动ViML 是一种工具，可以让任何人快速构建机器学习模型。 它通过不同的机器学习模型自动呈现您的数据，以便发现在每种特定情况下哪个模型能提供最佳结果。 另一个好处是您不必预处理数据，因为 AutoViML 会自动清理、转换和规范化数据。 该程序处理不同类型的变量，包括文本、数字和视觉数据。

H2O 自动机器学习

H2O 是一个开源机器学习平台。 它具有部署最广泛使用的机器学习算法的工具，例如梯度下降、线性回归、深度人工神经网络等。 该平台以其尖端的 AutoML 而闻名。 此功能可实现一次构建多个模型的过程的自动化，因此即使没有经验，您也可以创建和测试功能性 ML 模型。

您应该在 2021 年使用的无代码机器学习平台

如果您想快速部署机器学习元素并将其与现有软件集成，您可以探索各种无代码平台。

谷歌云自动机器学习

本篇 无代码工具 使任何人都可以在没有任何机器学习专业知识的情况下训练和部署自定义机器学习模型。 该平台处理不同类型的数据，涵盖广泛的用例，从计算机视觉和视频智能到自然语言处理和翻译。 您将能够准备和存储您的数据集，并使用自动工具进行便利的标记。 如果您需要更强大的功能和更灵活的工具，您可以升级以使用 Google Cloud。

谷歌机器学习套件

本篇 工具箱 专为希望让他们的应用程序更具吸引力的 Android 和 iOS 开发人员而设计。 它的 API 可用于实现条形扫描、人脸检测、图像标记功能等，而无需从头开始创建 ML 模型。 所有必要的处理都在用户的移动设备上实时进行，因此您无需担心设置和托管昂贵的服务器。

教学机

教学机 是谷歌的另一个项目，它促进了机器学习在应用程序和网站中的使用。 由于其用户友好的界面，该平台即使对于不精通技术的人也易于使用。 该程序可处理图像，并允许您训练机器识别和分类照片。 它还处理声音。 如果您是新手，该平台很有趣，而且它也是免费的。 但是由您来收集和准备用于训练模型的数据。

跑道人工智能

跑道人工智能 专为在视频和照片编辑领域没有编程经验的创作者而打造，具有绿屏选项、过滤和其他有趣的功能。 该工具包可以帮助您通过简单的点击几下技术工具来扩展您的创造力，将您的视频变成一流的电影艺术。

叶

本篇 机器学习平台 具有易于使用的项目模板，即使是您的第一个 ML 项目。 该项目相对较新，因此目前仅提供图像分类。 未来，其创建者还希望推出对象检测和数据分类模板。 然而，图像分类器是零售商、广告商和商业专业人士最有用的工具之一，所以一定要检查一下。

显然是人工智能

如果您正在寻找一种方便的工具，无需编写代码即可根据数据进行预测， 显然是人工智能 是给你的。 希望预测收入流、优化业务流程、建立更有效的供应链以及开展个性化自动化营销活动的营销人员和企业主可以使用它。 您所需要做的就是提供数据，选择一个列来创建您的自定义 ML 算法，然后获取您的报告。

创建ML

创建ML 是 Apple 提供的一个用户友好的拖放平台，可让您在 Mac 设备上训练模型。 它可以帮助您构建分类器和推荐系统。 该工具可以处理图像、视频、照片、表格数据和文本。 您获得的模型可以在 IOS 应用程序中进行测试和部署。 您可以随时预览模型的性能并暂停、保存、恢复和扩展您的训练过程。 CreateML 允许您为单个项目同时在不同数据集上训练多个模型。 它具有标准的 Apple SDK 和文档，其中包括代码示例和解释性文章。

机器学习

机器学习 使 iOS 开发人员能够实施对象分割和对象检测解决方案。 使用此工具，您不仅可以勾勒和编辑照片中的元素，还可以编辑视频中的元素。 创建您自己的数据集，单击几下即可构建自定义 ML 模型，并将您的模型集成到您的应用程序中。 该平台还允许您使用 AR。

弗里茨·艾里

如果您正在为 iOS 和 Android 应用程序寻找更令人兴奋的解决方案，您还可以查看 弗里茨·艾里. 它让您可以灵活地决定要在 ML 模型开发中投入多少——您可以在 Studio 中训练自定义模型或使用预先训练的模型。 在程序中，您可以创建或导入自己的数据集，监控模型的性能，并重新训练它。 如果您进行 Snapchat 镜头开发，此工具将帮助您将无代码机器学习添加到您的增强现实滤镜中。

超级注释

对视频和文本进行注释是一项繁琐的工作，但可以通过以下方式实现自动化 超级注释. 该解决方案涵盖了不同行业的大量案例，例如航拍、自动驾驶、机器人和医学。 如果您需要快速处理图像并且不想雇用整个数据科学家团队，我们建议您查看一下。

快速矿工

RapidMiner 是为数据挖掘而创建的工具。 它基于这样一种想法，即业务分析师或数据分析不一定要通过编程来完成他们的工作。 同时，挖掘需要数据，因此该工具配备了一组很好的操作符，可以解决从各种来源（数据库、文件）获取和处理信息的广泛任务。 总的来说，这个工具使数据分析变得足够简单，任何人都可以使用它。

假设工具

这是一个非常有用的工具，无需编码即可评估模型的性能。 WIT 直观地显示模型行为如何随时间和不同数据子集的变化。 您还可以比较两种模型的性能，看看哪一种效果最好。

DataRobot

DataRobot 是一个平台，使业务分析师无需机器学习或编程知识即可构建预测分析。 该平台使用自动机器学习 (AutoML) 在短时间内生成准确的预测模型。 DataRobot 为创建机器学习模型提供了一个用户友好的用户界面。 只需几步，公司就可以部署实时预测分析服务。

纳米人工智能

智能文档处理是可能的 纳米网. 它会自动从文档中捕获数据，从而使您免于进行数小时的手动文档管理。 Nanonets AI 处理看不见的半结构化文档，即使它们不遵循标准模板，自动验证数据，并通过多次使用随着时间的推移不断改进。

猴子学习工作室

猴子学习工作室 提供处理文本数据的工具，旨在供公司使用。 该平台可以自动标记业务数据，例如支持票或电子邮件。 它还有助于数据的可视化。 MonkeyLearn 使机器学习的工作变得容易，因为它具有现成的机器学习模型，可以在无代码的情况下进行训练和构建。

最后的话

这些工具本身就很酷：无代码平台，可让非技术专家或机器学习新手快速部署简单的项目。 他们绝不可以用自定义 ML 模型开发来替代高负载、数据密集型项目。 因此，如果您有一个独特的想法，涉及大数据的处理、密集型工业流程的自动化或敏感的预测模型， 立即联系我们. 我们可以一起想出适合您特定需求的解决方案。

原版。 经许可重新发布。

相关新闻：

• 将无代码机器学习推向边缘
• 下一代 AutoML 框架
• 用Python轻松实现AutoML