共计 1216 个字符，预计需要花费 4 分钟才能阅读完成。
面向软件开发人员的低代码性能
当初咱们来看看那些为软件开发人员提供机器学习性能的低代码平台。这些平台依据它们的编程模型和它们公开的低代码性能类型来抉择机器学习的算法。
- Appian 能够提供与多个 Google API 的集成，包含 GCP Native Language、GCP Translation、GCP Vision 和 Azure Language Understanding (LUIS)。
- Creatio 是一个用于流程治理和客户关系治理 (CRM) 的低代码平台，具备多种机器学习性能，包含电子邮件文本开掘和为潜在客户、机会和客户建设的通用评分模型。
- Google AppSheet 反对多种文本处理性能，包含智能搜寻、内容分类和情感剖析，同时还能提供趋势预测。一旦你集成了数据源 (例如 Google 表格) 后，你就能够开始试验不同的模型。
- Mendix Marketplace 具备连贯 Azure Face API 和 Amazon Rekognition 的机器学习连接器。
- Microsoft Power Automate AI Builder 具备解决与非结构化数据相干的性能，例如读取名片以及解决发票和收据。他们能够利用包含要害阶段提取、类别分类和实体提取等多种算法。
- OutSystems ML Builder 在开发最终用户应用程序，例如文本分类、属性预测、异样检测和图像分类时可能会呈现出多种性能。
- Thinkwise AutoML 专为分类和回归机器学习问题而设计，可用于打算流程。
- Vantiq 是一个低代码、事件驱动的架构平台，能够驱动实时机器学习应用程序，例如工厂工人的 AI 监控和人机界面的实时翻译。
这份清单还不是很全面，还有 Create ML、MakeML、MonkeyLearn Studio、Obviously AI、Teachable Machine 等其余的平台。随着更多的低代码平台开发或开发机器学习性能的单干，机器学习平台的可能性会越来越多。
何时在低代码平台中应用机器学习性能
低代码平台将持续辨别其功能集，因而我预计更多平台将增加它们启用用户体验时所需的机器学习性能。这意味着须要解决更多的文本和图像来反对工作流、投资组合治理平台的趋势剖析以及 CRM 和营销工作流的集群。
然而当波及到大规模监督和无监督学习、深度学习和 Modelops 时，更有可能须要应用和集成专门的数据迷信和模型操作平台。更多低代码技术供应商可能会单干反对集成或提供入口，以便在 AWS、Azure、GCP 和其余公共云上启用机器学习性能。
低代码技术使开发人员更容易创立和反对应用程序、集成和可视化，这种重要性会始终继续。所以，当初开始进步规范，并期待更多智能自动化和机器学习能力吧，无论是投资低代码平台于本人的 AI 能力还是与第三方数据迷信平台集成起来。
作者：Isaac Sacolick 是 StarCIO 的总裁，也是亚马逊畅销书《推动数字化：通过技术实现业务转型的领导者指南》的作者，公认的顶级社交 CIO 和数字化转型影响者。
正文完