IBM Watson Studio

IBM的AutoAI 将智能自动化应用于构建预测机器学习模型的开发步骤。 这些步骤包括准备用于训练的数据集；识别给定数据的最佳模型类型，如分类或回归模型；以及测试各种超参选择最有助于模型解决问题的数据列（又称为特征选择）。 然后，自动化将数调优选项，以在其生成候选管道时获取最佳结果，然后根据准确性和精度等指标对模型候选管道进行排序。 性能表现最佳的管道可投入生产以处理新数据，并基于模型训练情况得出预测结果。

Google CloudAutoML

作为AutoML的提出和尝鲜者，Google Cloud AutoML是当前最早也是最成熟的AutoML系统，覆盖了图像分类，文本分类以及机器翻译三大领域，另外也上线了测试版的视频相关服务，支持迁移学习和模型结构搜索，超参数搜索。

YModel易明建模

YModel是一款专注于自动建模的软件，在自动建模领域表现非常不错。YModel的主要优势就是自动化能力强，可以实现一键式建模，对初级用户非常友好。

YModel基于Java和Python开发，支持Windows和Linux。YModel是一款轻巧便捷的工具，使用灵活，安装简单，可以独立安装，也可以嵌入到企业的自有系统。在算法上，YModel支持分类、回归和时间序列的常用算法。

Azure AutoML

Azure AutoML是微软在2018年发布的自动建模平台，支持模型结构搜索和超参数搜索。Azure Machine Learning支持众多深度学习框架，配合微软的众多开发工具，使用非常方便。

H2O.ai

H2O.ai是初创公司Oxdata于2014年推出的一个机器学习平台，它是一个开源的分布式内存机器学习平台，具有线性可扩展性。作为一种开源的数据挖掘软件，H2O可以被用来分析存储在云端架构里的数据。虽然是由R语言编写，但是该工具不但能与Python兼容，而且可以用于构建各种模型。此外，得益于Java的语言支持，H2O能够被快速、轻松地部署到生产环境中。Driverless是H2O的自动建模平台。

RapidMiner

RapidMiner的机器学习技术可以极大地减少开发预测模型所需的时间和工作量，这些模型可以用于任何不关心行业、资产或估计的机构。

汽车模型可以在大约五分钟内产生预测模型。它不需要任何特殊的专业知识。客户可以随时转移他们的数据并确定他们需要的结果。RapidMiner的自动建模可以将自动建模的流程转化为设计视图，即图形化的操作界面，然后用户可以在这个界面对建模流程进行修改和优化。

AutoWeka

这个数据挖掘程序被称为AutoWeka。它的基础是Weka机器学习软件。它是令人难以置信的用户友好和强大的功能，使它适合初学者和专业人士。通过使用两种机器学习方法，该程序促进了预测数据挖掘模型(即支持向量机和人工神经网络)的快速发展。

DataRobot

DataRobot是一家美国创业公司开发的自动化建模平台，它是一个端到端自动化机器学习平台。DataRobot通过减少成本、延迟和风险，同时增加预测分析来改善决策，从而使组织受益。这个ML平台适合那些需要自动化、确保和加速预测分析的人，帮助数据科学家和分析师在其他解决方案所需时间的一小部分内开发和部署正确的预测模型。它使他们能够访问一个不断扩展的最新算法库，用于数据准备和特征提取的预构建原型，以及自动组装，如果你是该领域的专家，需要高级功能。新数据科学家可以很容易地获得这些技术和参数值，因此没有必要进行试错猜测。

Amazon Lex

这使您能够创建使用语音或文本界面的应用程序，并使用支持亚马逊Alexa的类似技术来驱动。Amazon Lex是一个完全托管的人工智能(AI)服务，它使用高级自然语言模型来设计、构造、测试和部署应用程序中的会话接口。

BigML

BigML提供一个建立和共享数据集和模型的管理平台，简化了企业使用各种机器学习模型和平台的操作，将其操作提升到一个新的水平。这个自动化的机器学习软件提供了一个完整的平台、快速访问、可以理解和导出的模型、协作、自动化、灵活的部署和许多其他功能。

Akkio

任何人都可以使用Akkio，一个直观的视觉平台，来改善您的市场营销、销售和财务运营。人工智能模型可以在五分钟内训练并投入使用。不是一个顾问。没有软件需要设置。没有关于销售的讨论。对之前的人工智能经验没有要求。现在就开始学习人工智能如何帮助你建立公司。

Tazi.ai

Tazi.ai是知名的AutoML连续机器学习解决方案，可以被人理解和实时数据。允许业务领域专家应用机器学习来获得预测是有益的。AutoML程序使用监督、无监督和半监督机器学习模型。