企业完整上云普及率仅13%

SnapML是另一种绝佳的无代码机器学习工具，你可以训练或上传自己的自定义模型，还可以在Snap Lenses上使用。这无疑有助于独立开发人员和创造者展现他们的创造力。这些工具会让机器学习变得更加有趣。

无代码机器学习平台可以填补数据科学家和非机器学习从业者之间的鸿沟。尽管本文不能面面俱到，但你总可以从中选择一个平台来快速构建模型或生成数据集。
 

Teachable Machine

AutoML对开发人员没那么友好，而同属谷歌的Teachable Machines就不一样了。后者可让用户快速训练模型，从而直接从浏览器上识别图像、声音和姿态。

用户可以通过简单地拖拽文件或通过网络摄像头创建快速且杂乱的图像或声音数据集来训练模型。Teachable Machine使用浏览器中的Tensorflow.js库，并确保用户训练的数据保留在设备上。

在那些没有掌握任何代码知识却想使用机器学习功能的人看来，谷歌无疑迈出了一大步。最终的模型可以用Tensorflow.js或tflite格式导出，用户随后可以将其用于网站或应用程序;用户还可以通过Onyx将模型转换为不同的格式。下面是笔者在不到一分钟的时间内训练的简单图像分类模型：
 

Super Annotate

除了模型训练之外，数据处理也占用了开发机器学习项目的大量时间。清理和标记数据肯定会耗费大量时间，尤其是在处理成千上万张图片的时候。

SuperAnnotate是一个人工智能注释平台，它通过机器学习功能(尤其是迁移学习)来加快数据注释过程。通过使用其图像和视频注释工具，用户可以在内置预测模型的帮助下快速注释数据。这样一来，对象检测数据集的生成和图像分割都将变得更加简单快捷。SuperAnnotate还可以处理视频帧中常见的重复数据注释。
 

用剪贴板创建数据框

众所周知，Pandas可以使用SQLAlchemy从CSV、JSON甚至直接从数据库轻松读取数据，但你知道Pandas还可以从所用操作系统的剪贴板读取数据吗?假设有一个包含多个数据表的Excel文件。现在，需要在Python中处理其中一个表的部分数据。你通常会怎么做?

• 从数据表中复制需要在Python中处理的数据。
• 将其粘贴到另一个数据表中。
• 将当前工作表保存到CSV文件中。
• 获取新CSV文件的路径。
• 在Python中，使用pd.read_csv('path/to/csv/file')将文件读入一个Pandas数据框架。

当然，其实有种更简单的方法——pd.read_clipboard()。

• 复制所需数据区域
• 在Python中，使用pd.read_clipboard()

（编辑：鞍山站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!