我们所说的机器学习可以有很多种形式。最纯粹的形式为分析人员提供了一组数据探索工具、ML模型的选择、健壮的解决方案算法和使用解决方案进行预测的方法。的亚马逊,微软,Databricks、谷歌和IBM云都提供了预测api，为分析师提供了各种控制。HPE还调控为二进制分类问题提供了一个有限的预测API。
然而，并不是所有的机器学习问题都必须从头开始解决。有些问题可以在足够大的样本上进行训练，从而得到更广泛的应用。例如，语音到文本、文本到语音、文本分析和人脸识别都是“固定的”解决方案通常能够解决的问题。毫不奇怪，许多机器学习云提供商通过API提供这些功能，允许开发人员将它们合并到他们的应用程序中。
这些服务将识别美国英语口语(和其他一些语言)并将其转录。但是，给定的服务如何为给定的讲话者工作将取决于讲话者的方言和口音，以及解决方案在类似的方言和口音上训练的程度。微软Azure、IBM、谷歌和Haven OnDemand都有可用的语音到文本服务。
有许多种机器学习问题。例如，回归问题尝试从其他观察预测一个连续变量（如销售），以及分类问题试图预测类成一组给定的观测将下降（比如，垃圾邮件）。亚马逊，微软，Databricks，谷歌，HPE和IBM提供的工具来解决一系列的机器学习问题，虽然一些工具包是比别人更加完整。
在本文中，我将简要地讨论这6个商业机器学习解决方案，以及我已经发表的5个完整的实践评论的链接。不幸的是，谷歌在3月份发布的基于云的机器学习工具和应用远远超前于谷歌云机器学习的公开发布。