人工智能能够彻底改变从自动驾驶汽车到机器人外科医生的一切事物，处于技术创新的前沿。 两个最广泛认可的人工智能服务是微软的 Azure 机器学习和 IBM 的 Watson。 两者都拥有令人印象深刻的功能，但您应该为您的企业选择哪一款呢？
什么是 Azure 机器学习？
Azure 机器学习是一项基于云的服务，允许数据科学家或开发人员训练、构建和部署 ML 模型。 它拥有丰富的工具集，可以轻松创建预测分析解决方案。 该服务可用于使用各种机器学习算法（包括回归、分类和聚类）构建预测模型。
什么是 IBM 沃森？
IBM Watson Studio 是一个为软件开发人员和数据科学家创建的平台，用于创建、运行、管理和扩展可嵌入到应用程序中的机器学习功能。 它提供了通过机器学习模型的开发、部署、管理和扩展从商业想法和假设开发认知服务所需的资源。
头对头比较：Azure 机器学习与 IBM Watson
模型训练与开发
与 Watson 相比，Azure ML 提供了更多用于数据准备、转换、规范化和模型训练的功能。 它还配备了许多内置算法，例如人工神经网络、决策树算法和朴素贝叶斯，可用于在比 IBM Watson 更短的时间内训练出更好的模型。 在平台功能和性能方面，由于其内置算法，与 IBM Watson 平台相比，在 Azure ML 平台上创建高性能模型要容易得多。
尽管这两种产品都提供了相似的工具集，但 Azure ML 仍然适合希望使用 Python 和 Jupyter Notebook 等复杂工具集创建复杂预测模型的开发人员，即使他们没有昂贵的开发环境，也可以在线协作 。 另一方面，IBM Watson 提供的解决方案可以帮助技能较少的开发人员使用自然语言处理等认知服务。
拖放设计器
如果你想进入机器学习领域而无需经历编程的痛苦，Azure 的拖放界面可以让这一切变得简单。 如果您需要生成一些高级模型（例如，结合使用神经网络和强化学习的模型），IBM 可能更合适，因为它在模型参数方面提供了更大的灵活性。
也就是说，如果您已经熟悉使用 Python 或 R 进行编码（或愿意学习），那么这两个平台在实现经过训练的模型时都提供基本相同的功能。 他们之间的主要区别在于他们如何进行不同类型的培训； 因为 Azure 专注于使用拖放工具而不是自定义脚本来构建易于训练的模型。
相比之下，IBM 专为希望使用 TensorFlow 和 PyTorch 等深度学习框架训练定制算法的组织而设计。 因此，如果您更喜欢拖拽框而不是编写代码，那么 Azure 可能是您易用性的最佳选择。
自然语言处理
认知服务提供了广泛的 API 套件，这些 API 充分利用了自然语言处理技术和应用程序。 他们利用机器学习模型来理解文本、语音、图像和视频等内容。
IBM Watson Studio 拥有更好的自然语言处理工具，使业务用户能够更轻松地从数据中获取价值。 它还具有更好的数据分析工具，有助于处理大型数据集并发现数据中的见解。 用于视觉识别的 IBM Watson 工具也非常棒：这些工具允许您对视觉资产运行图像识别分析。
Azure确实有一些优秀的认知服务可供开发人员使用。 例如，他们的计算机视觉 API 可用于对图像或视频流中的对象进行分类 – 如果您尝试构建一个应用程序来检测照片或视频源中发生的情况，则非常有用。 但是，如果您的员工不是数据科学家并且需要与先进的 NLP 技术进行交互，那么 IBM Watson 是最佳选择。
在 Azure ML 与 IBM Watson 之间进行选择
这两款产品都是基于云的解决方案，可为任何希望利用数据获得可行见解的企业提供强大的功能。
如果你是一位熟悉 Python 的数据科学家，Azure ML Studio 可能是你的最佳选择。 其易用性以及快速启动和运行模型的能力使其成为数据科学家的理想选择。 如果您在深度学习、内存分析或近实时数据分析方面需要更大的灵活性，请查看 IBM Watson Studio。
