Daftar Library Machine Learning – Urusan machine learning saat ini terasa lebih mudah dibandingkan 1o tahun yang lalu karena perkembangan teknologi open source sehingga banyak developer yang membuat tools/library yang bisa diakses oleh para komunitas. Library machine learning saat ini ada banyak sekali tapi yang lagi ngetrend yaitu menggunakan bahasa R dan Python. Namun kalian tidak udah berkecil hati bagi para developer Java. Walaupun java adalah bahasa yang banyak penggunanya dikalangan open source terutama jika kalian ingin mengembangkan aplikasi enterprises serta cross platform dengan GUI yang bagus, maka java adalah solusi yang tepat. Berikut saya rangkum daftar library machine learning untuk bahasa java
WEKA
Yup WEKA urutan pertama yang layak kalian coba jika membuat machine learning by code alias bisa digunakan dalam menulis kode di java. Bahkan saya pernah membahas tersendiri disini, Weka open-source bisa dibilang library machine learning paling terkenal dan populer untuk Java. Library ini akan menampilkan antarmuka pengguna grafis yang kaya, antarmuka baris perintah, dan Java API. Gratis, portabel, dan mudah digunakan.
Algoritma Machine learning Weka untuk telah dilengkapi pre proses seperti filtering bahkan mining data sehingga kita bisa melihat visualisasi data dalam bentuk plot. Kegunaan utama Weka adalah analisis data, dan pemodelan prediktif. Aplikasi yang memerlukan klasifikasi data.
Dengan kelengkapan tools diatas, namun WEKA tidak cocok untuk mengolah data yang sangat-sangat besar, kalian bisa menggunakan Mahout ataupun SparkLib
RapidMiner
Dibangun atas dasar permintaan atas kebutuhan industri bagi tim yang mengelola data secara analitik, saat ini rapid miner banyak digunakan oleh Cisco, GE, Hitachi, SalesForce, Samsung, Siemens, dan raksasa lainnya. Muncul dengan serangkaian fitur dan alat untuk menyederhanakan tugas yang dilakukan oleh data science, untuk membangun proses penambangan data baru, untuk menyiapkan analisis prediktif, dan banyak lagi. Membuat alur kerja machine learning yang mudah dipahami dan langsung menjadi mudah. ML otomatis mempercepat dan menyederhanakan proyek berbasis pendekatan data science.
Mahout
Apache Mahout adalah kerangka kerja aljabar linier terdistribusi dan Scala DSL yang ekspresif secara matematis. Perangkat lunak ini ditulis dalam Java dan Scala dan cocok untuk matematikawan, ahli statistik, ilmuwan data, dan profesional analitik. Algoritme pembelajaran mesin bawaan memfasilitasi implementasi yang baru dengan lebih mudah dan lebih cepat.
Mahout dibangun di atas arsitektur terdistribusi yang skalabel. Ini menggunakan pendekatan MapReduce untuk memproses dan menghasilkan kumpulan data dengan algoritma terdistribusi paralel yang memanfaatkan sekelompok server. Mahout menampilkan antarmuka konsol dan Java API untuk algoritme yang dapat diskalakan untuk pengelompokan, klasifikasi, dan pemfilteran kolaboratif. Apache Spark adalah back-end terdistribusi out-of-the-box yang direkomendasikan, tetapi Mahout mendukung beberapa backend terdistribusi. Mahout siap untuk bisnis dan berguna untuk memecahkan tiga jenis masalah:
1. item rekomendasi, misalnya dalam sistem rekomendasi;
2. pengelompokan, misalnya, untuk membuat kelompok dokumen terkait topikal;
3. klasifikasi, misalnya, mempelajari topik mana yang akan ditetapkan ke dokumen yang tidak berlabel.
Mahout cocok sekali untuk mengolah data yang sangat-sangat besar seperti data dari tokopedia, bukalapak, kalian bisa pelajari disini https://livebook.manning.com/book/mahout-in-action/table-of-contents/26 https://subscription.packtpub.com/book/big-data-/9781783555215/3
deeplearning4j
Deeplearning4j, atau DL4J adalah perpustakaan pembelajaran mendalam terdistribusi open-source kelas komersial pertama yang ditulis dalam Java. DL4J kompatibel dengan bahasa JVM lainnya, misalnya Scala, Clojure, atau Kotlin. Terintegrasi dengan Hadoop dan Spark, ini dimaksudkan untuk menjadi alat DIY (do it your self) untuk para programmer. Pernah kami bahasa juga disini.
Library yang lainnya
Bisa kalian lihat pada tabel berikut dengan banyak bahasa pemrograman
https://blog.trifork.com/2014/02/04/an-introduction-to-mahouts-logistic-regression-sgd-classifier/
https://www.opensourceforu.com/2018/06/deeplearning4j-and-pytorch-two-powerful-deep-learning-tools/