關注薪資待遇的同學應該知道，機器學習相關的崗位工資普遍偏高啊。
同時隨著各種通用機器學習框架的出現，機器學習的門檻也在逐漸降低，訓練一個簡單的機器學習模型變得不那麼難。但是不得不承認對於一些數據相關的工作人員來說，依然存在著較大的門檻，對於他們來說 SQL 可能是他們的通用技能。
所以今天要推薦的工具就是：SQLFlow，一個可以通過 SQL 語法來訓練機器學習模型的引擎，它的目標是連接 SQL 引擎與 TensorFlow、XGBoost 等機器學習框架，作為你升職加薪的橋樑（這句是小編加的）。
SQLFlow 的開發動機比較單純，就是讓普遍被大家接受的 SQL 語法也能訓練機器學習應用。在現在的很多的公司，對於開發一個以機器學習為基礎的應用，整個團隊需要包括數據工程師、數據分析師、商業分析師等等，同時還需要懂高級編程語言，比如 Python、Julia、R 等。這些額外需要的工具和開發環境增加了機器學習模型訓練的難度。所以如果我們能夠使用大家廣為接受和使用的 SQL 來訓練機器學習系統，那麼可以想象，機器學習將會得到更為廣泛的普及。
目前在工業界已經有不少嘗試來降低降低機器學習的門檻，比如：
- 微軟的 SQL Server 可以通過 R 或 Python 作為擴展腳本來訓練機器學習應用
- Teradata SQL 機器學習系統，通過擴展 SQL SELECT 的語法來實現機器學習支持
- 谷歌 BigQuery 可以通過 CREATE MODEL SQL 命令來創建機器學習模型
但是整體來看還是不夠簡單通用。我們來看看通過 SQLFlow 如何訓練一個機器學習模型。
<code>sqlflow> SELECT *
FROM iris.train
TO TRAIN DNNClassifier
WITH model.n_classes = 3, model.hidden_units = [10, 20]
COLUMN sepal_length, sepal_width, petal_length, petal_width
LABEL class
INTO sqlflow_models.my_dnn_model;
...
Training set accuracy: 0.96721
Done training
sqlflow> SELECT *
FROM iris.test
TO PREDICT iris.predict.class
USING sqlflow_models.my_dnn_model;
...
Done predicting. Predict table : iris.predict/<code>
是不是很簡潔？更多使用方法查看如下項目地址。
項目地址：https://github.com/sql-machine-learning/sqlflow
今天的推薦不知道大家喜歡嗎？如果你喜歡，請在文章底部留言和點贊，以表示對我的支持，你們的留言、點贊和轉發關注是我持續更新的動力哦！
分享到:
閱讀更多 非著名程序員 的文章
