Desenvolupadors mirant per avaluar els mètodes d'aprenentatge màquina trobar una creixent varietat de plataformes de maquinari i desenvolupament especialitzats que sovint estan atents a les classes específiques d'arquitectura de la màquina d'aprenentatge i aplicació. Encara que aquestes plataformes especialitzats són essencials per a aplicacions d'aprenentatge automàtic i molts, pocs desenvolupadors new a l'aprenentatge de la màquina estan disposats a prendre decisions informades sobre la selecció d'una plataforma ideal.
Desenvolupadors necessitarem una plataforma més accessible per adquirir experiència en el desenvolupament d'aplicacions d'aprenentatge automàtic i una comprensió més profunda de les necessitats de recursos i capacitats resultants.
Com es descriu en l'article Digi-Key "Aconseguir començar amb màquina d'aprenentatge utilitzant fàcilment maquinari i programari disponible", desenvolupament de qualsevol model d'aprenentatge automàtic supervisat consta de tres passos claus:
Preparació de dades per a un model de formació
Implementació del model
Model de formació
Preparació de dades combina mètodes d'adquisició de dades familiar amb un pas addicional necessari etiquetar casos concrets de dades per al seu ús en el procés de formació. Per dos passos finals, màquina aprenentatge especialistes model, fins fa poc, necessària per utilitzar les biblioteques matemàtiques relativament baix nivell d'aplicar els càlculs detallats en algoritmes de model. La disponibilitat dels marcs d'aprenentatge màquina dramàticament ha facilitat la complexitat del model implantació i formació.
Avui, els desenvolupadors familiaritzat amb Python o altres idiomes poden utilitzar aquests marcs ràpidament desenvolupar models d'aprenentatge de màquina capaços de córrer en una àmplia gamma de plataformes. Aquest article es descriu la màquina de pila i procés de formació d'aprenentatge abans de com desenvolupar una màquina d'aprenentatge en un Gerd Pi 3.Per Stephen Evanczuk
