目前機(jī)器學(xué)習(xí)已經(jīng)成為大數(shù)據(jù)的典型使用案例，通過收購機(jī)器學(xué)習(xí)創(chuàng)業(yè)公司Myrrix，Cloudera又朝著其大數(shù)據(jù)一站式服務(wù)點(diǎn)的目標(biāo)邁進(jìn)了一步。Myrrix創(chuàng)始人Sean Owen， 7月16日上午在博客中正式宣布了這一收購，Sean Owen目前已擔(dān)任Cloudera位于倫敦的數(shù)據(jù)科學(xué)部總監(jiān)。

Cloudera在Hadoop生態(tài)系統(tǒng)中，算得上是規(guī)模最大、知名度最高的公司之一。Cloudera創(chuàng)建于2008年，致力于為數(shù)據(jù)驅(qū)動型企業(yè)提供基于Apache Hadoop的軟件、支持、服務(wù)和培訓(xùn)。紐約時報曾這樣報道Cloudera的成立：Cloudera的成立是一個典型的硅谷故事——來自Google(Christophe Bisciglia)、Facebook(Jeff Hammerbacher)和Yahoo!(Amr Awadallah)的頂級工程師聯(lián)合Oracle前高管(Mike Olson)共同解決快速分析大規(guī)模數(shù)據(jù)的相關(guān)問題。

2012年，Owen創(chuàng)辦了Myrrix，Myrrix是一個實(shí)時的、可擴(kuò)展的集群和推薦系統(tǒng)，從Apache Mahout項(xiàng)目演變而來。

應(yīng)客戶的需求，Cloudera需要在應(yīng)用層面取得更大發(fā)展，目前還很難判斷這項(xiàng)收購對Cloudera的意義。正如Owen在文章中提到的：

機(jī)器學(xué)習(xí)已經(jīng)是一個有幾十年歷史的領(lǐng)域了，為什么大家現(xiàn)在這么熱衷于這項(xiàng)技術(shù)?Hadoop和便宜的硬件使得大數(shù)據(jù)分析更加容易了。隨著硬盤和CPU越來越便宜，以及開源數(shù)據(jù)庫和計算框架的成熟，創(chuàng)業(yè)公司甚至個人都可以進(jìn)行TB級以上的復(fù)雜計算。對于機(jī)器學(xué)習(xí)來說這是千載難逢的好機(jī)會。因?yàn)楦嗟臄?shù)據(jù)可以使機(jī)器學(xué)習(xí)算法表現(xiàn)得更好。如果收集和分析數(shù)據(jù)的成本變低，而學(xué)習(xí)的價值提高的話，機(jī)器學(xué)習(xí)的應(yīng)用場景也會呈爆炸式的增長。

Cloudera的高管們多年來一直堅稱，該公司會一直提供平臺服務(wù)，不會進(jìn)入應(yīng)用領(lǐng)域。但是該公司最近的一些動作，比如Impala引擎和Cloudera搜索，表明他至少已經(jīng)意識到自己不應(yīng)該只做MapReduce作業(yè)的平臺。

Owen在忙于將Myrrix技術(shù)與Cloudera的CDH(Cloudera’s Distribution Including Apache Hadoop)做有效的結(jié)合，機(jī)器學(xué)習(xí)新技術(shù)還有多久才能落實(shí)到Cloudera的應(yīng)用層面還有待觀察。但是Owen相信與Cloudera的合作肯定能夠?qū)崿F(xiàn)其稱為“Big Learning”的目標(biāo)：

沒有可用的上層應(yīng)用程序，便宜的基礎(chǔ)設(shè)施也于事無補(bǔ)。而且，機(jī)器學(xué)習(xí)大多數(shù)研究假設(shè)所有數(shù)據(jù)都在一臺機(jī)器上進(jìn)行計算，所以機(jī)器學(xué)習(xí)算法運(yùn)用到數(shù)據(jù)并行計算的Hadoop中需要一些巧妙的改造。這在Mahout項(xiàng)目中體現(xiàn)得最為明顯，很多算法都在Hadoop中實(shí)現(xiàn)了并行化。

將機(jī)器學(xué)習(xí)與Hadoop相結(jié)合還有很多工作要做，早期Hadooop也只是一個愛冒險的專家才會積極嘗試的源代碼包。但是，Cloudera通過擴(kuò)展、打包和提供支持，將Hadoop推向了一個更大的平臺。同樣的事情也會發(fā)生在Myrrix這種“Big Learning”的應(yīng)用程序上，這一直也都是Myrrix的愿景，現(xiàn)在我們在與Cloudera合作朝著這個愿景努力。

無獨(dú)有偶，另一家機(jī)器學(xué)習(xí)的創(chuàng)業(yè)公司Ayasdi，也在7月16日宣布獲得了3060萬美元的B輪融資。Gunnar Carlsson和Gurjeet Singh共同創(chuàng)立了Ayasdi公司，該公司使用一項(xiàng)稱為拓?fù)鋽?shù)據(jù)分析的技術(shù)，創(chuàng)建有視覺震撼力的視圖，幫助客戶為產(chǎn)品進(jìn)行分類。

許多人對機(jī)器學(xué)習(xí)的印象可能都是實(shí)驗(yàn)室中大量晦澀難懂的理論和數(shù)據(jù)分析，然而已經(jīng)有很多創(chuàng)業(yè)公司將其商業(yè)化，以下是五家試圖將機(jī)器學(xué)習(xí)簡單化的創(chuàng)業(yè)公司：

Alpine data Labs：Greenplum的子公司(EMC是其投資者之一)，主要研究方向是預(yù)測分析，其軟件可以嵌入到公司內(nèi)部的數(shù)據(jù)存儲中(無論是Hadoop還是其它任意流行的數(shù)據(jù)庫)。通過繪制流程圖，用戶可以對數(shù)據(jù)進(jìn)行分析。

圖：Alpine Data的用戶界面

Context Relevant：Context Relevant通過一個預(yù)先包裝好的算法庫，可以在數(shù)秒內(nèi)為用戶數(shù)據(jù)建立預(yù)測模型，主要用于欺詐檢測、客戶流失以及其它的經(jīng)典預(yù)測分析用例。其創(chuàng)始人兼CEO Stephen Purpura說：“只要會用Excel，就能很好的使用我們的產(chǎn)品”。

Datameer：幾年前，Datameer為Hadoop分析開發(fā)了一個電子表格界面，目前，這個電子表格中已添加了數(shù)百個功能。在3.0版本中，通過預(yù)置的機(jī)器學(xué)習(xí)算法，用戶只需點(diǎn)擊幾次鼠標(biāo)就可以建立集群和列依賴。

圖：Datameer生產(chǎn)的列依賴圖表

Skytree：Skytree的主要產(chǎn)品是一些大型的企業(yè)級機(jī)器學(xué)習(xí)軟件，但是它們也推出了一個針對小型用戶的產(chǎn)品Adviser，目前還是測試版。它是一個桌面應(yīng)用程序，可以方便地連接到網(wǎng)絡(luò)、本地或數(shù)據(jù)源，用戶可以選擇算法庫以及輸出樣式。界面的設(shè)計還不太完善，但是你可以免費(fèi)的在客戶端分析10萬行的數(shù)據(jù)，并得到交互式的報告結(jié)果還有什么可抱怨的!

圖：關(guān)于UFO目擊者的Skytree Adviser生成報告

Wise.io：Wise.io的計劃是將其創(chuàng)始人作為天文學(xué)研究人員的經(jīng)驗(yàn)應(yīng)用到商業(yè)領(lǐng)域。Wise.io的產(chǎn)品是一個直觀、易于使用的機(jī)器學(xué)習(xí)平臺，幾個簡單的點(diǎn)擊就可以建立和部署模型，而且很快。聯(lián)合創(chuàng)始人Joshua Bloom曾說某客戶在使用其產(chǎn)品后，分析TB級大小的傳感數(shù)據(jù)所用時間從300個小時減少到了20分鐘。