Übersicht verfügbarer MLaaS Plattformen

Integrierte, sprachenunabhängige Plattformen für Cognitive Services, Data Science und Machine-Learning stehen sowohl als on-premises Anwendungen (wie RapidMiner) als auch – und das überwiegend – als cloudbasierte Lösungen zur Verfügung.

Letztere werden als MLaaS-Plattformen (Machine Learning as a Service) oder auch ML-Plattformen bezeichnet. Sie werden insbesondere von den großen Cloud-Service-Providern angeboten.

• Amazon Machine Learning services (Amazon MLaaS)
• Google Cloud AI (Google Cloud Machine Learning Engine – CMLE)
• Azure Machine Learning (Microsoft Corporation): Azure KI bietet Dienste im Bereich Bildanalyse (Objekterkennung), Spracheingabe (Spracherkennung) und Sprache (Maschinelle Übersetzung).
• IBM Watson (IBM Corporation, Watson Machine Learning)

Weitere Anbieter: SAS Institute, Fair Isaac Corporation (FICO), Hewlett Packard, Yottamine Analytics, BigML, Iflowsoft Solutions, PurePredictive, Sift Science, H2O.ai

MLaaS umfasst typischerweise Daten Pre-Processing, Model Training und Evaluation (Klassifikation, Regression, Clustering) sowie die Prognoseerstellung. Die intelligenten Plattformen umfassen u.a. auch Funktionen zur Spracherkennung, Bilderkennung und Verarbeitung natürlicher Sprache (NLP).

Den Anwendern ermöglichen sie, Modelle zu erstellen und zu trainieren, ohne hierfür eigene Anwendungen entwickeln resp. betreiben zu müssen – die Rechenzentren des Anbieters übernehmen die eigentliche Berechnung. MLaaS Plattformen bieten somit eine vergleichsweise einfache Möglichkeit, mit dem maschinellem Lernen zu beginnen. Für den schnellen Einstieg werden die Plattformen häufig auch auf einer beschränkten Testbasis angeboten.

Von den MLaaS Plattformen zu unterscheiden sind Plattformen, die aus dem traditionellen Data Warehouse Bereich (Relational DBMS) stammen und schwerpunktmäßig die Sammlung, Aufbereitung und Visualisierung von Daten abdecken – aber zwischenzeitlich als „Modern Data Warehouse“ (MDWH) auch auf Data Science Use Cases ausgerichtet wurden:

• Amazon Redshift
• Google BigQuery
• Azure Synapse Analytics (Microsoft Corporation, vormals: Azure SQL Data Warehouse)

Data Warehouse Planformen und MLaaS Plattformen lassen sich kombinieren, wenn z.B. die Trainings- und Testdaten für das zu erstellende ML-Modell im Data Warehouse (des gleichen Herstellers) verwaltet werden.