20个非常有价值的人工智能和机器学习领域的API

API是一个现成的代码，可以简化程序员的生活。它有助于降低生产成本。本文选择的API完全基于平台效率、易用性和功能性作为衡量标准，而非受欢迎程度。

本着高效率，易用性和功能性的原则，数据科学家Oleksii Kharkovyna列举了20个非常有价值的人工智能和机器学习领域的API。这些API因为并非出自大厂，没什么营销推广，因而知名度比较小，使用人群也较少。作者把这些API介绍给大家，希望能够对大家的开发能够有所帮助。

用于机器学习和预测的API

1. BigML

文档: https://bigml.com/developers

BigML公司将这个机器学习API描述为“每个人用起来都笑开颜”的产品。它简单易用，代码优秀，可以实现诸如决策树等的异常检测或SunBurst可视化等功能。

这个API的确可以称得上是你手中的完美武器，即使你可能从未有过相关经验，使用BigML也能获得很大的效率提升。

Oleksii说他最喜欢BigML的部分，是附带教程。你完全可以期待一些关于如何更正确地完成某些任务的案例和用户指南，因此，你可以从零开始理解所有内容，即使没有博士学位。

2. PredictionIO

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

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

PredictionIO最可贵的品质在于，它可以免费部署API。

它提供了各种几乎完整的模板，可以根据用例进行定制；一旦作为Web服务部署，就能立即响应动态查询；提供了组织良好且广泛的文档，包括开发人员指令，演示教程等；API会定期更新，不断会有新的高级功能出现。

3. Anaconda

文档: https://docs.anaconda.com/

作为一个由Python提供支持的安全且可扩展的企业级API，它提供700多个可以轻松安装的软件包的直接访问。 您从此API获得的是正确的控制数据科学assets。值得一提的是，它的主要特性之一是，是提供了充足的机会将项目部署到交互式数据应用程序、现场笔记本和ML模型中。

4. Blue Yonder Platform

文档: https://github.com/blue-yonder

如果你想为零售行业找到优秀的API，那么Blue Yonder Platform将是最佳选择。为什么这么说呢？

这个基于云的可扩展平台使用人工智能、机器学习技术，主要用作预测应用，可快速响应市场动态变化。该公司声称Blue Yonder Platform可以将零售商缺货率降低80％，并将其收入和利润提高5％以上！天哪，更可怕的事，这好像是真的！

除了构建所需的应用程序外，还可以将其与ERP或HR等现有系统集成。

5. MLJAR

文档: https://docs.mljar.com/

另一个给作者Oleksii留下深刻印象的API是MLJAR。它为原型设计、开发和部署所需的模式识别算法提供服务。用户只需上传数据，选择所需的ML算法并使用最佳模型进行预测即可。

6. NuPIC

文档: http://nupic.docs.numenta.org/

这个API是用Python和C++编写的，它实现了Numenta’s Cortical Learning算法，并在NuPIC社区的帮助下进行维护。Oleksii觉得它最具吸引力的地方在于，它是一个功能强大的一体化工具，允许开发人员使用原始算法，将多个区域（例如层次结构）串联起来，并利用其他平台功能。

7. Recombee

文档: https://docs.recombee.com/

Recombee是一个SAAS解决方案，它通过直观的实时API提供建议。Recombee通过RESTful API利用记录挖掘，问题语言和机器学习算法（例如，协同过滤和基于内容的建议）。最重要的是，API文档编写的非常用心，清晰明了，在工作中使用它非常方便。

8. indico

文档: https://indico.io/docs/

indico是最受欢迎的预测分析软件API之一，所以不可能忘记这个名字。这个API有两个主要功能：文本评估（情感分析，参与，情感）和照片评估（面部情绪，面部定位）。它最大的优点是可以免费使用，不需要任何训练数据，因此可以立即使用。

用于人脸检测和人脸识别的API

9. Animetrics Face Recognition

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

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

如果你只是想创建一个人脸识别软件或只是进行图像分析的话，Animetrics Face Recognition会是一个很好的接口。首先可以用它来检测照片和图片中的人脸，然后与一组已知的人脸进行匹配。 另一个优势是关于面部特征的信息，或者地标作为图像上的坐标返回。 此外，此API还可以从可搜索的图库上传或撤销一个主题，并从上传或删除面部。

10. Eyedea Recognition

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

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

Eyedea Recognition是物体检测和物体识别领域的真正巨人。该API基于机器学习和人工智能的前沿研究成果，完美地处理了一系列根据客户规范准备的软件解决方案。这种灵活的识别服务提供眼睛、面部、汽车、版权甚至车牌检测。API最重要的价值是可以获得对象、客户和行为的即时信息。

11. Betaface

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

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

强烈建议了解有关此API的所有信息！它是一个强大且可扩展的平台，用于扫描上传的文件或照片网址，检测面孔并进行检查。这个API具备以下能力：多个面部检测、面部裁剪、123个面部点检测（22个基本点，101个高级点）、面部验证，以及非常庞大的数据库中的相似性搜索。

12. Imagga

文档: https://docs.imagga.com/

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

一个更强大的API，用于图像分析、即时图像分类、颜色提取和内容感知裁剪。Imagga提供的API可以自动为镜头分配标签，使得图片可以被轻松的找到，它基于图像识别Platform-as-a-Service。

用于文本分析和自然语言处理API

13. Wit.ai

文档: https://wit.ai/docs

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

这是一个可扩展的NLP平台。如果需要为开发人员提供与语音自动化相关的日常工作，那么它将是最佳选择。Oleksii表示自己是这个API的忠实粉丝。如此热爱这个API的原因，是他们专注于从每次互动中理解人类语言并贡献于社区，这意味着所学到的一切都将在开发人员之间共享。Wit为家庭自动化、联网汽车、机器人、智能手机、可穿戴设备等创建智能语音界面。而且还免费。

14. Bitext

文档: https://docs.api.bitext.com/

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

Bitext API是另一个深度语言分析工具，提供易于导出到各种数据管理工具的数据。该平台产品可用于聊天机器人和智能助手、CS和Sentiment，以及一些其他核心NLP任务。这个API的重点是语义、语法、词典和语料库，可用于80多种语言。此外，该API是客户反馈分析自动化方面的最佳API之一。该公司声称可以将洞察的准确度做到90%。

15. Geneea

文档: https://api.geneea.com/

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

Geneea对提供的原始文本，从给定URL提取的文本或直接从提供的文档执行分析（自然语言处理）。这里的巨大优势是相当多的可用语言（超过30种）。Geneea对语言、主题识别、情感检测、实体提取、自动标记等主题进行分析，并对捷克文本的变音符号进行各种校正。

16. Diffbot Analyze

文档: https://www.diffbot.com/dev/docs/

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

该API执行自动识别、分析和提取，可以轻松地从任何URL传送每个数据（文本，照片，视频）。它将人工智能、机器学习、计算机视觉和NLP相结合。此外，可以将其与自定义API同时使用，以便使用手动规则来获取数据。

17. Yactraq Speech2Topics

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

这是一个很棒的语音分析API，旨在释放声音数据的价值。该API通过语音识别和NLP将视听内容材料转换为主题元数据。它提供了一组呼叫操作解决方案，可提供不错的投资回报率、大规模的统计应用程序、并可全面了解宝贵的数据。

18. MonkeyLearn

文档: https://monkeylearn.com/api/v3/

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

MonkeyLearn是一个人工智能平台，允许用户从原始文本中分类和提取可操作的数据，如电子邮件、聊天信息、网页、文档、推特等。它最大限度地减少了上述任务所需的时间。

19. Hu:toma

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

这是一个开源的会话式AI驱动平台，有助于通过自然语言界面和AI助手简化对可操作数据的访问。如果想在自己的应用程序或网站中实现自然语言界面，这个API可以说是首选了。

20. nlpTools

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

nlpTools是一个开源的简单文本处理框架（一个用PHP编写的NLP库），用来分析自然语言。它可以解码在线新闻媒体，用于情感分析和文本分类。

结语

当然，作为开发者应该具备这样的觉悟：任何API都不能不经过调研就直接拿来用与生产。希望大家能够从这20个API里，找到适合自己业务的选项。