開發機器學習解決方案提升現有的預測算法并不是一件容易的事情。這需要大量的工作來保證其正確性，包括清除數據、建立基礎結構、測試和再測試模型以及最終部署算法。

　　這里有六種機器學習服務，它們可以幫助你減少部署機器學習解決方案的痛苦。

1. 微軟Azure機器學習

　　基于微軟Azure云平臺的Azure機器學習（Azure Machine Learning）為所有的數據科學家提供了一個流線型的體驗：從只用一個網頁瀏覽器設置，到使用拖放手勢和簡單的數據流圖來設置實驗。Machine Learning Studio提供了一個庫，其中包括省時省力的樣本實驗，R和Python包以及像Xbox和Bing等微軟業務中的一流算法。Azure的機器學習還支持R和Python的自定義代碼，它可以直接放到您的工作空間。經驗很容易共享，所以其他人可以輕易撿起你所留下的。

2. Google Prediction API

　　Google Prediction API提供模式匹配和機器學習功能。給定一個數據集樣本來訓練，你就可以創建一個應用程序，能夠執行下列任務：

（1）給定用戶以前的瀏覽習慣，預測用戶可能會喜歡的其他電影或產品。

（2）把電子郵件歸類為垃圾郵件和非垃圾郵件。

（3）針對用戶的產品評論進行分析，確定他們是否有積極或消極的基調。

（4）根據用戶的消費歷史猜測用戶在特定的某一天可能會花多少錢。

3. Algorithms.io

　　Algorithms.io云平臺可以很容易地使用機器學習算法從連接的設備分流數據。Algorithms.io的機器學習算法目錄以高達99%的準確度實時地將數據流分離成獨立的部分。他們提供必要的基礎架構用來收集、存儲和分類流數據，這一切都是“即服務”的形式。

4. BigML

　　BigML通過降低復雜性來創造一個高可用性、低延遲的機器學習系統并且它專門為你的數據而構建。你不僅能夠從你的數據中獲得寶貴的見解，而且你很可能會喜歡上它。你可以上傳你的數據或通過API連接到云數據（例如Google Drive或Google Cloud），然后從這些來源中創造結構化數據，建立模型，最后做出預測。

5. Ersatz Labs

　　Ersatz是一個基于網絡的通用機器學習平臺，支持基于GPU的深度學習。它面向有抱負的、實干的數據科學家。Ersatz有很多組件設計用于使現代機器學習的工作流程更高效。首先，這其中就包括了數據備份、模型訓練和機器學習基礎設施。

6. Nutonian / Eureqa

　　Nutonian的數據科學即服務（Data Science as a Service）產品Eureqa使得行業龍頭企業能夠解決他們最具挑戰性的業務問題。憑借著全球范圍內數目超過80000的設備，機器人數據科學家（Robotic Data Scientist）提供垂直應用模塊，每時每刻都在幫助金融服務、生命科學、零售、電信以及公共事業等領域運算數以百萬計的潛在解決方案。