用于機器學習和預測的API
1. BigML
文檔: https://bigml.com/developers
BigML公司將這個機器學習API描述為“每個人用起來都笑開顏”的產品。它簡單易用，代碼優秀，可以實現諸如決策樹等的異常檢測或SunBurst可視化等功能。
這個API的確可以稱得上是你手中的完美武器，即使你可能從未有過相關經驗，使用BigML也能獲得很大的效率提升。
Oleksii說他最喜歡BigML的部分，是附帶教程。你完全可以期待一些關于如何更正確地完成某些任務的案例和用戶指南，因此，你可以從零開始理解所有內容，即使沒有博士學位。
2. PredictionIO
文檔: https://predictionio.apache.org/datacollection/eventapi/
Demo: https://predictionio.apache.org/demo/community/
PredictionIO最可貴的品質在于，它可以免費部署API。
它提供了各種幾乎完整的模板，可以根據用例進行定制；一旦作為Web服務部署，就能立即響應動態查詢；提供了組織良好且廣泛的文檔，包括開發人員指令，演示教程等；API會定期更新，不斷會有新的高級功能出現。
3. Anaconda
文檔: https://docs.anaconda.com/
作為一個由Python提供支持的安全且可擴展的企業級API，它提供700多個可以輕松安裝的軟件包的直接訪問。 您從此API獲得的是正確的控制數據科學assets。值得一提的是，它的主要特性之一是，是提供了充足的機會將項目部署到交互式數據應用程序、現場筆記本和ML模型中。
4. Blue Yonder Platform
文檔: https://github.com/blue-yonder
如果你想為零售行業找到優秀的API，那么Blue Yonder Platform將是較佳選擇。為什么這么說呢？
這個基于云的可擴展平臺使用人工智能、機器學習技術，主要用作預測應用，可快速響應市場動態變化。該公司聲稱Blue Yonder Platform可以將零售商缺貨率降低80％，并將其收入和利潤提高5％以上！天哪，更可怕的事，這好像是真的！
除了構建所需的應用程序外，還可以將其與ERP或HR等現有系統集成。
5. MLJAR
文檔: https://docs.mljar.com/
另一個給作者Oleksii留下深刻印象的API是MLJAR。它為原型設計、開發和部署所需的模式識別算法提供服務。用戶只需上傳數據，選擇所需的ML算法并使用較佳模型進行預測即可。
6. NuPIC
文檔: http://nupic.docs.numenta.org/
這個API是用Python和C++編寫的，它實現了Numenta’s Cortical Learning算法，并在NuPIC社區的幫助下進行維護。Oleksii覺得它最具吸引力的地方在于，它是一個功能強大的一體化工具，允許開發人員使用原始算法，將多個區域（例如層次結構）串聯起來，并利用其他平臺功能。
7. Recombee
文檔: https://docs.recombee.com/
Recombee是一個SAAS解決方案，它通過直觀的實時API提供建議。Recombee通過RESTful API利用記錄挖掘，問題語言和機器學習算法（例如，協同過濾和基于內容的建議）。最重要的是，API文檔編寫的非常用心，清晰明了，在工作中使用它非常方便。
8. indico
文檔: https://indico.io/docs/
indico是更受歡迎的預測分析軟件API之一，所以不可能忘記這個名字。這個API有兩個主要功能：文本評估（情感分析，參與，情感）和照片評估（面部情緒，面部定位）。它較大的優點是可以免費使用，不需要任何訓練數據，因此可以立即使用。
用于人臉檢測和人臉識別的API
9. Animetrics Face Recognition
文檔: http://api.animetrics.com/documentation
Demo: http://api.animetrics.com/demo
如果你只是想創建一個人臉識別軟件或只是進行圖像分析的話，Animetrics Face Recognition會是一個很好的接口。首先可以用它來檢測照片和圖片中的人臉，然后與一組已知的人臉進行匹配。 另一個優勢是關于面部特征的信息，或者地標作為圖像上的坐標返回。 此外，此API還可以從可搜索的圖庫上傳或撤銷一個主題，并從上傳或刪除面部。
10. Eyedea Recognition
文檔: http://face.eyedea.cz:8080/api/face/docs
Demo: http://cloud.eyedea.cz/api/face
Eyedea Recognition是物體檢測和物體識別領域的真正巨人。該API基于機器學習和人工智能的前沿研究成果，完美地處理了一系列根據客戶規范準備的軟件解決方案。這種靈活的識別服務提供眼睛、面部、汽車、版權甚至車牌檢測。API最重要的價值是可以獲得對象、客戶和行為的即時信息。
11. Betaface
文檔: https://www.betafaceapi.com/wpa/index.php/documentation
Demo: https://www.betafaceapi.com/demo.html
強烈建議了解有關此API的所有信息！它是一個強大且可擴展的平臺，用于掃描上傳的文件或照片網址，檢測面孔并進行檢查。這個API具備以下能力：多個面部檢測、面部裁剪、123個面部點檢測（22個基本點，101個高級點）、面部驗證，以及非常龐大的數據庫中的相似性搜索。
12. Imagga
文檔: https://docs.imagga.com/
Demo: https://imagga.com/auto-tagging-demo
一個更強大的API，用于圖像分析、即時圖像分類、顏色提取和內容感知裁剪。Imagga提供的API可以自動為鏡頭分配標簽，使得圖片可以被輕松的找到，它基于圖像識別Platform-as-a-Service。
用于文本分析和自然語言處理API
13. Wit.ai
文檔: https://wit.ai/docs
Demo: https://labs.wit.ai/demo/index.html
這是一個可擴展的NLP平臺。如果需要為開發人員提供與語音自動化相關的日常工作，那么它將是較佳選擇。Oleksii表示自己是這個API的忠實粉絲。如此熱愛這個API的原因，是他們專注于從每次互動中理解人類語言并貢獻于社區，這意味著所學到的一切都將在開發人員之間共享。Wit為家庭自動化、聯網汽車、機器人、智能手機、可穿戴設備等創建智能語音界面。而且還免費。
14. Bitext
文檔: https://docs.api.bitext.com/
Demo: http://parser.bitext.com/
Bitext API是另一個深度語言分析工具，提供易于導出到各種數據管理工具的數據。該平臺產品可用于聊天機器人和智能助手、CS和Sentiment，以及一些其他核心NLP任務。這個API的重點是語義、語法、詞典和語料庫，可用于80多種語言。此外，該API是客戶反饋分析自動化方面的較佳API之一。該公司聲稱可以將洞察的準確度做到90%。
15. Geneea
文檔: https://api.geneea.com/
Demo: https://demo.geneea.com/
Geneea對提供的原始文本，從給定URL提取的文本或直接從提供的文檔執行分析（自然語言處理）。這里的巨大優勢是相當多的可用語言（超過30種）。Geneea對語言、主題識別、情感檢測、實體提取、自動標記等主題進行分析，并對捷克文本的變音符號進行各種校正。
16. Diffbot Analyze
文檔: https://www.diffbot.com/dev/docs/
Demo: https://www.diffbot.com/
該API執行自動識別、分析和提取，可以輕松地從任何URL傳送每個數據（文本，照片，視頻）。它將人工智能、機器學習、計算機視覺和NLP相結合。此外，可以將其與自定義API同時使用，以便使用手動規則來獲取數據。
17. Yactraq Speech2Topics
Demo: https://yactraq.com/contact-trial/
這是一個很棒的語音分析API，旨在釋放聲音數據的價值。該API通過語音識別和NLP將視聽內容材料轉換為主題元數據。它提供了一組呼叫操作解決方案，可提供不錯的投資回報率、大規模的統計應用程序、并可全面了解寶貴的數據。
18. MonkeyLearn
文檔: https://monkeylearn.com/api/v3/
Demo: https://monkeylearn.com/contact/
MonkeyLearn是一個人工智能平臺，允許用戶從原始文本中分類和提取可操作的數據，如電子郵件、聊天信息、網頁、文檔、推特等。它較大限度地減少了上述任務所需的時間。
19. Hu:toma
文檔: https://help.hutoma.ai/article/ym34wr87lx-hutoma-chat-api
這是一個開源的會話式AI驅動平臺，有助于通過自然語言界面和AI助手簡化對可操作數據的訪問。如果想在自己的應用程序或網站中實現自然語言界面，這個API可以說是推薦了。
20. nlpTools
文檔: http://php-nlp-tools.com/documentation/
nlpTools是一個開源的簡單文本處理框架（一個用PHP編寫的NLP庫），用來分析自然語言。它可以解碼在線新聞媒體，用于情感分析和文本分類。
結語
當然，作為開發者應該具備這樣的覺悟：任何API都不能不經過調研就直接拿來用與生產。希望大家能夠從這20個API里，找到適合自己業務的選項。
參考鏈接：
https://towardsdatascience.com/top-20-apis-you-should-know-in-ai-and-machine-learning-8e08515198b3