API是一個現(xiàn)成的代碼，可以簡化程序員的生活。它有助于降低生產(chǎn)成本。本文選擇的API完全基于平臺效率、易用性和功能性作為衡量標準，而非受歡迎程度。

本著高效率，易用性和功能性的原則，數(shù)據(jù)科學家Oleksii Kharkovyna列舉了20個非常有價值的人工智能和機器學習領(lǐng)域的API。這些API因為并非出自大廠，沒什么營銷推廣，因而知名度比較小，使用人群也較少。作者把這些API介紹給大家，希望能夠?qū)Υ蠹业拈_發(fā)能夠有所幫助。

用于機器學習和預測的API

1. BigML

文檔: https://bigml.com/developers

BigML公司將這個機器學習API描述為“每個人用起來都笑開顏”的產(chǎn)品。它簡單易用，代碼優(yōu)秀，可以實現(xiàn)諸如決策樹等的異常檢測或SunBurst可視化等功能。

這個API的確可以稱得上是你手中的完美武器，即使你可能從未有過相關(guān)經(jīng)驗，使用BigML也能獲得很大的效率提升。

Oleksii說他最喜歡BigML的部分，是附帶教程。你完全可以期待一些關(guān)于如何更正確地完成某些任務的案例和用戶指南，因此，你可以從零開始理解所有內(nèi)容，即使沒有博士學位。

2. PredictionIO

文檔: https://predictionio.apache.org/datacollection/eventapi/

Demo: https://predictionio.apache.org/demo/community/

PredictionIO最可貴的品質(zhì)在于，它可以免費部署API。

它提供了各種幾乎完整的模板，可以根據(jù)用例進行定制；一旦作為Web服務部署，就能立即響應動態(tài)查詢；提供了組織良好且廣泛的文檔，包括開發(fā)人員指令，演示教程等；API會定期更新，不斷會有新的高級功能出現(xiàn)。

3. Anaconda

文檔: https://docs.anaconda.com/

作為一個由Python提供支持的安全且可擴展的企業(yè)級API，它提供700多個可以輕松安裝的軟件包的直接訪問。 您從此API獲得的是正確的控制數(shù)據(jù)科學assets。值得一提的是，它的主要特性之一是，是提供了充足的機會將項目部署到交互式數(shù)據(jù)應用程序、現(xiàn)場筆記本和ML模型中。

4. Blue Yonder Platform

文檔: https://github.com/blue-yonder

如果你想為零售行業(yè)找到優(yōu)秀的API，那么Blue Yonder Platform將是最佳選擇。為什么這么說呢？

這個基于云的可擴展平臺使用人工智能、機器學習技術(shù)，主要用作預測應用，可快速響應市場動態(tài)變化。該公司聲稱Blue Yonder Platform可以將零售商缺貨率降低80％，并將其收入和利潤提高5％以上！天哪，更可怕的事，這好像是真的！

除了構(gòu)建所需的應用程序外，還可以將其與ERP或HR等現(xiàn)有系統(tǒng)集成。

5. MLJAR

文檔: https://docs.mljar.com/

另一個給作者Oleksii留下深刻印象的API是MLJAR。它為原型設計、開發(fā)和部署所需的模式識別算法提供服務。用戶只需上傳數(shù)據(jù)，選擇所需的ML算法并使用最佳模型進行預測即可。

6. NuPIC

文檔: http://nupic.docs.numenta.org/

這個API是用Python和C++編寫的，它實現(xiàn)了Numenta’s Cortical Learning算法，并在NuPIC社區(qū)的幫助下進行維護。Oleksii覺得它最具吸引力的地方在于，它是一個功能強大的一體化工具，允許開發(fā)人員使用原始算法，將多個區(qū)域（例如層次結(jié)構(gòu)）串聯(lián)起來，并利用其他平臺功能。

7. Recombee

文檔: https://docs.recombee.com/

Recombee是一個SAAS解決方案，它通過直觀的實時API提供建議。Recombee通過RESTful API利用記錄挖掘，問題語言和機器學習算法（例如，協(xié)同過濾和基于內(nèi)容的建議）。最重要的是，API文檔編寫的非常用心，清晰明了，在工作中使用它非常方便。

8. indico

文檔: https://indico.io/docs/

indico是最受歡迎的預測分析軟件API之一，所以不可能忘記這個名字。這個API有兩個主要功能：文本評估（情感分析，參與，情感）和照片評估（面部情緒，面部定位）。它最大的優(yōu)點是可以免費使用，不需要任何訓練數(shù)據(jù)，因此可以立即使用。

用于人臉檢測和人臉識別的API

9. Animetrics Face Recognition

文檔: http://api.animetrics.com/documentation

Demo: http://api.animetrics.com/demo

如果你只是想創(chuàng)建一個人臉識別軟件或只是進行圖像分析的話，Animetrics Face Recognition會是一個很好的接口。首先可以用它來檢測照片和圖片中的人臉，然后與一組已知的人臉進行匹配。 另一個優(yōu)勢是關(guān)于面部特征的信息，或者地標作為圖像上的坐標返回。 此外，此API還可以從可搜索的圖庫上傳或撤銷一個主題，并從上傳或刪除面部。

10. Eyedea Recognition

文檔: http://face.eyedea.cz:8080/api/face/docs

Demo: http://cloud.eyedea.cz/api/face

Eyedea Recognition是物體檢測和物體識別領(lǐng)域的真正巨人。該API基于機器學習和人工智能的前沿研究成果，完美地處理了一系列根據(jù)客戶規(guī)范準備的軟件解決方案。這種靈活的識別服務提供眼睛、面部、汽車、版權(quán)甚至車牌檢測。API最重要的價值是可以獲得對象、客戶和行為的即時信息。

11. Betaface

文檔: https://www.betafaceapi.com/wpa/index.php/documentation

Demo: https://www.betafaceapi.com/demo.html

強烈建議了解有關(guān)此API的所有信息！它是一個強大且可擴展的平臺，用于掃描上傳的文件或照片網(wǎng)址，檢測面孔并進行檢查。這個API具備以下能力：多個面部檢測、面部裁剪、123個面部點檢測（22個基本點，101個高級點）、面部驗證，以及非常龐大的數(shù)據(jù)庫中的相似性搜索。

12. Imagga

文檔: https://docs.imagga.com/

Demo: https://imagga.com/auto-tagging-demo

一個更強大的API，用于圖像分析、即時圖像分類、顏色提取和內(nèi)容感知裁剪。Imagga提供的API可以自動為鏡頭分配標簽，使得圖片可以被輕松的找到，它基于圖像識別Platform-as-a-Service。

用于文本分析和自然語言處理API

13. Wit.ai

文檔: https://wit.ai/docs

Demo: https://labs.wit.ai/demo/index.html

這是一個可擴展的NLP平臺。如果需要為開發(fā)人員提供與語音自動化相關(guān)的日常工作，那么它將是最佳選擇。Oleksii表示自己是這個API的忠實粉絲。如此熱愛這個API的原因，是他們專注于從每次互動中理解人類語言并貢獻于社區(qū)，這意味著所學到的一切都將在開發(fā)人員之間共享。Wit為家庭自動化、聯(lián)網(wǎng)汽車、機器人、智能手機、可穿戴設備等創(chuàng)建智能語音界面。而且還免費。

14. Bitext

文檔: https://docs.api.bitext.com/

Demo: http://parser.bitext.com/

Bitext API是另一個深度語言分析工具，提供易于導出到各種數(shù)據(jù)管理工具的數(shù)據(jù)。該平臺產(chǎn)品可用于聊天機器人和智能助手、CS和Sentiment，以及一些其他核心NLP任務。這個API的重點是語義、語法、詞典和語料庫，可用于80多種語言。此外，該API是客戶反饋分析自動化方面的最佳API之一。該公司聲稱可以將洞察的準確度做到90%。

15. Geneea

文檔: https://api.geneea.com/

Demo: https://demo.geneea.com/

Geneea對提供的原始文本，從給定URL提取的文本或直接從提供的文檔執(zhí)行分析（自然語言處理）。這里的巨大優(yōu)勢是相當多的可用語言（超過30種）。Geneea對語言、主題識別、情感檢測、實體提取、自動標記等主題進行分析，并對捷克文本的變音符號進行各種校正。

16. Diffbot Analyze

文檔: https://www.diffbot.com/dev/docs/

Demo: https://www.diffbot.com/

該API執(zhí)行自動識別、分析和提取，可以輕松地從任何URL傳送每個數(shù)據(jù)（文本，照片，視頻）。它將人工智能、機器學習、計算機視覺和NLP相結(jié)合。此外，可以將其與自定義API同時使用，以便使用手動規(guī)則來獲取數(shù)據(jù)。

17. Yactraq Speech2Topics

Demo: https://yactraq.com/contact-trial/

這是一個很棒的語音分析API，旨在釋放聲音數(shù)據(jù)的價值。該API通過語音識別和NLP將視聽內(nèi)容材料轉(zhuǎn)換為主題元數(shù)據(jù)。它提供了一組呼叫操作解決方案，可提供不錯的投資回報率、大規(guī)模的統(tǒng)計應用程序、并可全面了解寶貴的數(shù)據(jù)。

18. MonkeyLearn

文檔: https://monkeylearn.com/api/v3/

Demo: https://monkeylearn.com/contact/

MonkeyLearn是一個人工智能平臺，允許用戶從原始文本中分類和提取可操作的數(shù)據(jù)，如電子郵件、聊天信息、網(wǎng)頁、文檔、推特等。它最大限度地減少了上述任務所需的時間。

19. Hu:toma

文檔: https://help.hutoma.ai/article/ym34wr87lx-hutoma-chat-api

這是一個開源的會話式AI驅(qū)動平臺，有助于通過自然語言界面和AI助手簡化對可操作數(shù)據(jù)的訪問。如果想在自己的應用程序或網(wǎng)站中實現(xiàn)自然語言界面，這個API可以說是首選了。

20. nlpTools

文檔: http://php-nlp-tools.com/documentation/

nlpTools是一個開源的簡單文本處理框架（一個用PHP編寫的NLP庫），用來分析自然語言。它可以解碼在線新聞媒體，用于情感分析和文本分類。

結(jié)語

當然，作為開發(fā)者應該具備這樣的覺悟：任何API都不能不經(jīng)過調(diào)研就直接拿來用與生產(chǎn)。希望大家能夠從這20個API里，找到適合自己業(yè)務的選項。