使用NestJS和Prisma構建REST API：身份驗證
官網：https://www.bitext.com/text-analysis-api-2/#How-accurate-is-the-analysis
提供市場上最準確的基于情感的多語言話題。目前，有四種語義服務可用：實體和概念提取、情感分析和文本分類。該 API 可支持 8 種語言。
官網：https://www.diffbot.com/dev/docs/analyze/
為開發人員提供能夠識別、分析和提取任何 Web 頁面的主要內容和部分內容的工具。
官網：https://market.mashape.com/loudelement/free-natural-language-processing-service
一項免費服務，包括情感分析、內容提取和語言檢測。這是大型云 API 市場 mashape.com 上流行的數據 API。
官網：https://cloud.google.com/natural-language/reference/rest/
分析文本的結構和含義，包括情感分析、實體識別和文本注釋。
官網：https://www.ibm.com/watson/services/natural-language-understanding/
分析文本從內容提取元數據，例如概念、實體、關鍵詞、類別、關系和語義角色等。
官網：https://www.meaningcloud.com/developer/text-classification
API 執行預分類任務，如：提取文本、標記化、停用詞刪除和同一詞類化（lemmatisation）。
官網：https://www.microsoft.com/cognitive-services/en-us/text-analytics-api
從文本中檢測情感、關鍵短語、主題和語言。與此 API 相同的其他 API（用于語言的認知服務）包括 Bing 拼寫檢查、語言理解、語言分析、網絡語言模型。
官網：http://nlptools.atrilla.net/web/api.php
一種簡單的 JSON，通過 HTTP RESTful Web 服務進行自然語言處理。它解碼了在線新聞媒體的情感分析和文本分類。
官網：https://api.geneea.com/
可以對提供的原始文本，從給定 URL 中提取的文本或直接提供的文檔執行 (自然語言處理)。
官網：http://www.opencalais.com/opencalais-api/
使用自然語言處理、機器學習和其他方法，Calais 將文檔與實體（人員、地點、組織等）進行分類和鏈接：事實（人員“x”為公司“y”工作）和事件（人員“z”于日期“x”被任命為公司“y”董事長）。
官網：http://yactraq.com/
一種云服務，它通過語音識別和自然語言處理將音頻視頻內容轉換成主題元數據。
官網：https://cloud.google.com/translate/docs/
可以動態翻譯數千種語言對的文本。該 API 允許網站和程序以編程方式與翻譯服務集成。
官網：https://cloud.google.com/speech-to-text/
允許開發人員在易于使用的 API 中應用強大的神經網絡模型將音頻轉換為文本。該 API 可識別 120 種語言和語言變體，以支持你的全球用戶基礎。
官網：http://www.ibm.com/watson/developercloud/language-translator.html
將文本從一種語言翻譯成另一種語言。該服務提供了多個領域特定的模型，你可以根據自己獨特的術語和語言進行自定義。例如，客戶可以用他們自己的語言進行交流。
官網：https://www.motaword.com/developer
一個快速的人工翻譯平臺。它提供了超過 70 種語言的翻譯。該 API 還可以讓開發人員為每個翻譯獲得報價，提交翻譯項目以及文檔和風格指南，跟蹤翻譯項目的進度并實時獲取活動源。
官網：https://www.writepath.co/en/developers
該 API 允許開發人員訪問并集成 WritePath 和其他應用程序的功能。可以使用此 API 進行操作：檢索單詞計數、發布翻譯文檔和檢索已翻譯的文檔和文本。
官網：https://www.houndify.com/
通過一個始終在學習的獨立平臺，將語音和會話智能集成到您的產品中。
官網：https://www.ibm.com/watson/developercloud/conversation.html
構建能夠理解自然語言的聊天機器人，并將它們部署在任何設備上的消息傳遞平臺和網站上。與該 API 相同的其他 API（語言的認知服務）包括對話框、自然語言分類器、個性觀點、文檔轉換和音調分析儀。
官網：https://www.ibm.com/watson/developercloud/speech-to-text.html
包括語音到文本和文本到語音（例如，在呼叫中心轉錄通話，或創建語音控制的應用程序）。
官網：https://aws.amazon.com/documentation/machine-learning/
在數據中查找模式。該 API 的示例用途是用于欺詐檢測、預測需求、目標營銷和點擊預測的應用程序。
官網：https://bigml.com/api/
為云托管的機器學習和數據分析提供服務。用戶可設置數據源并創建一個模型，通過標準 HTTP 使用基本的監督和無監督機器學習任務進行預測。
官網：https://cloud.google.com/prediction/docs/
提供一個 RESTful API 來構建機器學習模型。這些工具可以幫助分析你的數據，為你的應用程序添加各種功能，比如客戶情感分析、垃圾郵件檢測、推薦系統等等。
官網：http://www.guesswork.co/
為電子商務網站提供產品推薦引擎。Guesswork 網站使用在 Google Prediction API 上的語義規則引擎準確預測客戶的意圖。
官網：https://www.hutoma.ai/
通過提供免費訪問轉悠平臺，幫助世界各地的開發人員構建并實現深度學習的聊天機器人，從而提供創建和分享對話式人工智能的工具和渠道。
官網：http://www.ibm.com/watson/developercloud/retrieve-rank.html
開發人員可以將他們的數據加載到服務中，使用已知的相關結果來訓練機器學習模型（Rank）。服務輸出包括相關文檔和元數據的列表。例如，呼叫中心座席也可以快速找到答案來改善平均呼叫處理時間。
官網：https://indico.io/docs
提供文本分析 (如情感分析、Twitter 接洽、情感) 和圖像分析 (如面部表情、面部定位)。該 indico API 是免費使用的，不需要訓練數據。
官網：https://azure.microsoft.com/en-au/services/cognitive-services/
正在取代提供基于預測分析的解決方案的 Azure （azure 文本轉語音）機器學習建議服務。它為客戶提供個性化的產品推薦并提高銷售。新版本具有新的功能，如批處理支持、更好的 API Explorer、更干凈的 API 外觀、更一致的注冊 / 賬單體驗等等。
azure 文本轉語音是怎么實現的？Azure 文本轉語音（Text-to-Speech, TTS）功能的實現主要依賴于 Azure 語音服務，該服務提供了一系列的API和SDK，使得開發者可以輕松地將文本轉換為自然聽起來的語音
官網：https://gallery.cortanaintelligence.com/MachineLearningAPI/Anomaly-Detection-2
在時間序列數據中以一致的時間間隔來檢測異常。例如，在計算上升趨勢的內存使用時，可能會引起注意，因為它可能表明內存泄漏。
關于azure 文本轉語音詳情可登錄文本轉語音服務API接口介紹及對接-Azure AI -超全API平臺-冪簡集成了解azure 文本轉語音的服務場景以及使用文檔
官網：https://www.microsoft.com/cognitive-services/en-us/qnamaker
將信息提煉為對話式，易于瀏覽的答案。與此 API 在同一組（知識認知服務）中的其他 API 包括學術知識、實體鏈接、知識探索和建議。
官網：https://www.microsoft.com/cognitive-services/en-us/speaker-recognition-api
讓你的應用能夠知道誰在說話。與此 API 相同的組（語音識別服務）中的其他 API 包括 Bing Speech（將語音轉換為文本并理解其意圖）和 Custom Recognition。
官網：https://mljar.com/
為原型設計、開發和部署模式識別算法提供服務。
官網：https://github.com/numenta/nupic/wiki/NuPIC-API—A-bird’s-eye-view
什么是無監督分類 github？
無監督分類 github（Unsupervised Classification）在GitHub上指的是一類機器學習項目，它們專注于在沒有任何標簽或注釋的情況下對數據進行分類或聚類。這些項目通常涉及算法，能夠識別數據中的模式和結構，并將其分為不同的組或類別。以下是一些與無監督分類 github和資源：
這些項目和資源展示了無監督分類 github在不同領域的應用，包括圖像處理、文本分析等，并且提供了實際的代碼實現和教程，使得研究人員和開發者能夠更容易地理解和應用無監督分類 github技術。在GitHub上，無監督分類 github項目為機器學習社區提供了寶貴的資源，促進了無監督學習技術的發展和應用。
一個用 Python/c++ 編寫的開源項目，它實現了 Numenta 的皮層學習算法（Cortical Learning Algorithm），并由 NuPIC 社區維護。該 API 允許開發人員使用原始算法，將多個區域 (包括層次結構) 串聯起來，并利用其他平臺功能。
官網：https://predicsis.ai/
為大數據提供強大的洞察力，并通過預測分析提高營銷業績。
官網：http://predictionio.incubator.apache.org/index.html
基于 Apache 2.0 許可的 Apache Spark、HBase 和 Spray 構建的開源機器學習服務器。示例 API 方法包括創建和管理用戶和用戶記錄、檢索項目和內容以及基于用戶創建和管理建議。
官網：http://www.rxnlp.com/api-reference/cluster-sentences-api-reference/
文本挖掘和自然語言處理服務。他們的 API 之一，Cluster Sentences API，可以將句子（例如來自多篇新聞文章的句子）或短文本（比如 Twitter 或 Facebook 狀態更新的文章）組合成邏輯組。
官網：https://www.recombee.com/
提供一種通過 RESTful API 使用數據挖掘、查詢語言和機器學習算法（例如，協同過濾和基于內容的推薦）的服務。
閱讀原文：
https://www.kdnuggets.com/2018/05/50-useful-machine-learning-prediction-apis-2018-edition.html
文章轉自微信公眾號@AI前線
