機械学習ツール早見表

概要

　本稿では、昨今の機械学習ツールを分類する。
　誤って分類しているものがあれば、ツッコんでいただけると幸いである。

機械学習ツール

分類方法

　本稿では、ここの分類方法を基準としてツールの分類を行う。
　（先方に迷惑とならないよう、本稿内での明記は避ける）

• ライブラリ型
  • プログラムに組み込む
    • 自由度が高い
    • 利用にあたっては専門知識が必要
• プラットフォーム型
  • クラウド上でモデルを構築する
• パッケージ型
  • よく利用するアルゴリズムをサーバ等にまとめ、APIで機能を利用
    • レコメンドや異常検知、文書分類など代表的な活用方法に使用されるモデルが予め構築されており、利用しやすい
    • パッケージが提供するAPI・機能の範囲でのみカスタマイズが可能
• サービス型
  • クラウド上のカタログ化された機能をAPIで利用
    • クラウド上でサービスが提供されており、導入の敷居が低い
    • 手軽に導入できる分、機能・データ量等に制限がある場合がある。料金体系に注意が必要。

分類表

ライブラリ型

名称	開発元	対応言語	ライセンス[25]	GPU対応	備考
Keras[1]	Francois Chollet Google	Python	MIT	〇	ラッパーフレームワーク TensorFlow, CNTK, Theanoに対応 TPU対応
Gluon[2-4]	AWS, Microsoft	-	Apache 2.0	-	ラッパーフレームワーク
TensorFlow[5]	Google	Python Go Java C/C++	Apache 2.0	〇	TPU対応 商用サポートなし
Chainer[19]	Preferred Networks	Python	MIT	〇	-
scikit-learn[6]	David Cournapeau	Python Cython C C++	BSD	×	-
MLlib	Apache Software Foundation カリフォルニア大学バークレー校	Scala Java Python R言語	Apache 2.0	？	Apache Spark上で動作
mahout	Apache Software Foundation	Java	Apache 2.0	-	Apache Hadoop上で動作
Caffe[7]	Yangqing Jia, UC Barkeley	C++ Python MATLAB	BSD	〇	-
Caffe2[8]	Yangqing Jia Facebook	C++ Python MATLAB	Apache 2.0	〇	-
dmlc MXnet[9,10]	ワシントン大学 CMU AWS	Python R Scala Julia C++	Apache 2.0	〇	-
PyTorch[11]	Adam Paszkeら NYU Facebook	Python C++	-	-	-
The Microsoft Cognitive Toolkit (CNTK)[12,13]	Microsoft	Python BrainScript C# C++ Java	独自ライセンス	-	-
Theano[14]	Yoshua Bengio モントリオール大学	Python	-	〇	-
neon[15,16]	Intel Nervana	-	-	-	-
NNabla (Neural Network Library)[17,18]	Sony	-	-	-	-

プラットフォーム型

名称	開発元	学習方法	URL
Google Cloud Platform[20]	Google	Cloud Machine Learning Engine
Azure Machine Learning[21]	Microsoft	Azure ML
Amazon Machine Learning[22]	AWS	Amazon Machine Learning
Bluemix IBM Watson[23]	IBM	非公開
Neural Network Console[24]	SONY	-

パッケージ型

名称
Jubatus
Prediction I/O
ReNom[26]

サービス型

名称	開発元	備考
IBM Watson	-	-
Cloud Machine Learning	-	-
Cognitive Service	Microsoft	Microsoft Azure上で使用可能
SCORER	株式会社フューチャースタンダード	映像解析プラットフォーム

参考文献

[1] Home - Keras Documentation（2019年8月18日アクセス）
[2] GitHub - gluon-api/gluon-api: A clear, concise, simple yet powerful and efficient API for deep learning.（2019年8月18日アクセス）
[3] Deep Learning - The Straight Dope — The Straight Dope 0.1 documentation（2019年8月18日アクセス）
[4] An Introduction to MXNet/Gluon | Towards Next Generation Deep Learning Framework（2019年8月18日アクセス）
[5] TensorFlow（2019年8月18日アクセス）
[6] scikit-learn: machine learning in Python — scikit-learn 0.21.3 documentation（2019年8月18日アクセス）
[7] Caffe | Deep Learning Framework（2019年8月18日アクセス）
[8] GitHub - facebookarchive/caffe2: Caffe2 is a lightweight, modular, and scalable deep learning framework.（2019年8月18日アクセス）
[9] MXNet: A Scalable Deep Learning Framework（2019年8月18日アクセス）
[10] MXNet とは | AWS（2019年8月18日アクセス）
[11] PyTorch（2019年8月18日アクセス）
[12] The Microsoft Cognitive Toolkit - Cognitive Toolkit - CNTK | Microsoft Docs（2019年8月18日アクセス）
[13] GitHub - microsoft/CNTK: Microsoft Cognitive Toolkit (CNTK), an open source deep-learning toolkit（2019年8月18日アクセス）
[14] Welcome — Theano 1.0.0 documentation（2019年8月18日アクセス）
[15] neon™ 2.0: Optimized for Intel® Architectures - Intel AI（2019年8月18日アクセス）
[16] GitHub - NervanaSystems/neon: Intel® Nervana™ reference deep learning framework committed to best performance on all hardware（2019年8月18日アクセス）
[17] Neural Network Libraries（2019年8月18日アクセス）
[18] GitHub - sony/nnabla: Neural Network Libraries（2019年8月18日アクセス）
[19] Chainer: A flexible framework for neural networks（2019年8月18日アクセス）
[20] クラウド コンピューティング サービス  |  Google Cloud（2019年8月18日アクセス）
[21] Machine Learning Studio | Microsoft Azure（2019年8月18日アクセス）
[22] AWS での機械学習（Machine Learning - ML）| AWS（2019年8月18日アクセス）
[23] IBM Watson | IBM（2019年8月18日アクセス）
[24] Neural Network Console（2019年8月18日アクセス）
[25] 主要なライセンスの簡易まとめ - Qiita（2019年8月18日アクセス）
[26] http://www.renom.jp（2019年9月8日アクセス）