用于机器学习的云计算平台

我有一小部分公司提供了在基于Amazon EC2的集群上运行R，python或octave脚本的平台。我还应该添加其他名称吗？

1. 云数
2. 奥帕尼
3. 数据

我没有使用过这些公司，但是这些只是其中的一些选择。但是，在EC2上进行设置非常简单。至少在您用足够的强度和足够的频率将其撞在墙上以麻木了头之后。它还会增加您的疼痛阈值。这些天，孩子们变得如此容易。当我刚开始的时候，我们正在进行雾计算：我们对所计算的不是最迷雾。

除了让人想起...有工具和资源可以绕过这些供应商并自行开始。 JD Long使用segue，使在EMR上开始使用R变得更容易。

关于Python，boto是一个套件，可让您在EC2上轻松安装和运行Python。如果您愿意考虑使用EC2替代方案，那么在Google的AppEngine上启动并运行Python也很容易。如果您了解Python，那么除非您不了解扩展，分片，负载平衡等方面的知识，否则实际上没有必要聘请公司为您进行提升。另一方面，如果您打算在此类服务上花很多钱，那么熟悉如何提高代码效率是一个好主意。

至于云上的Octave，除了这三家公司之外，我不知道还有什么。Monkey Analytics曾经提供过此功能，但似乎它们已经消失了。我建议避免使用Octave，而将重点放在Python或R上。

一种易于设置的资源是StarCluster。同样，他们没有经验，但这可能是一条有用的途径。

老实说，Ubuntu（或Windows）和EC2并不难学习。我不会真的推荐Windows for R，因为R开发人员和Windows之间并没有太多的热爱。（注意：据我所知，没有认真的Mac OS X云服务。）一旦有了远程桌面，就可以开展业务。学习如何扩展是下一步。

更新1：其他更通用的云管理服务包括RighstScale和Scalr。

更新2：我想强调一点，学会自己在云中设置实例和集群很重要。动手工作的好处包括：

• 了解如何管理混合资源（多个实例，多种实例类型，大量HD，不同的可用区域或区域，各种监视工具等等）
• 如果需要，可以使用GPU进行修补（签出gputools）
• 您可以更轻松地更新或回滚选择的软件包
• 通过使用竞价型实例或预留实例，您可能能够获得更低的成本。
• 您可以尝试不同的R GUI或IDE，这对于云供应商而言可能不是一个选择。

使用托管提供程序有很多好处，例如学习曲线更短，可能更好地支持在组之间共享资源以及一些不错的小玩意，但是当我在使用这些功能之前就开始使用EC2时，我无法说出好处。上市。

还有用于在EC2上并行运行Python代码的PiCloud。

从他们的产品页面：

PiCloud是集成到Python编程语言中的云计算平台。它使您可以利用Amazon Web Services的计算能力，而不必管理，维护或配置虚拟服务器。

PiCloud通过自定义Python库云无缝集成到您现有的代码库中。要将功能的执行工作转移到我们的服务器上，您要做的就是将所需的功能传递到云库中。PiCloud将在其高性能群集上运行该功能。当您运行更多功能时，我们的集群会自动扩展以满足您的计算需求。上云从未如此简单！

您之前尝试过CloudStat吗？与其他云不同，CloudStat仅适用于R语言用户。没有更多设置。您只需登录即可免费使用多达7.5 Gb的RAM。

但是，使用免费帐户，您的分析将被公众查看和使用。选项是每月支付5美元，以使您的分析私有。

我推荐的一个云计算平台是Backbone，它提供了一个安全的生产力增强型云计算平台。