机器学习是一个研究领域，它使机器无需直接编程即可学习。随着许多学生，教师，开发人员和数据科学家使用机器学习来开发各种项目和产品，机器学习的发展正处于趋势中。但是，开发机器学习模型需要很高的系统要求规格，因为有时模型训练过程可能需要2个小时到2天甚至更长的时间。因此，低端系统无法处理好的机器学习模型的训练，或者即使它们以某种方式训练模型，也可能会发生关键的系统问题。  

排名前5位的开源在线机器学习环境

但是，有许多可用的开源机器学习环境，它们不需要任何系统要求规范，而是使用云基础结构在尽可能最佳的时间内训练模型。以下是最有效，最常用的在线机器学习环境：

1. Google合作实验室

这是一种云服务，可以轻松访问以开发由Google提供的产品和项目。它支持免费的GPU，并且基于 Jupyter  Notebooks设置。它提供给大家构建机器学习和使用广泛使用的库，例如深学习应用论坛 PyTorch，TensorFlow和 Keras。它为您的系统提供了一种方法，使其不承担您的ML活动的全部工作量。它是同类中最成功的平台之一。

RAM – 12 GB至26.75 GB

磁盘空间– 25 GB

CPU核心– 2

支持的语言– Python

2. IBM Watson 

IBM推出了Watson数据平台和数据科学经验（DSX），以支持开源解决方案。最终，它为数据科学工作启动了多云选择自由平台。这是通过Kubernetes对库存进行集装箱化来 实现的。结果，它可以分布在  存储数据的Docker 或 CloudFoundry容器中。 

内存– 16 GB

磁盘空间– 90 GB

CPU核心– 4

支持的语言– Apache Spark，Python，R，Scala

3. Kaggle内核

它是云中深度学习和机器学习应用程序的绝佳平台。Kaggle和Colab有很多相似之处，都是Google产品。它 在浏览器中支持 Jupyter Notebooks。Jupyter  Notebook的许多 键盘快捷键与Kaggle几乎相同。Kaggle拥有大量的数据集，并且拥有广泛的社区，致力于促进，学习和验证数据科学技能。GPU和TPU的使用在Kaggle内核中有一些使用限制。 

内存– 25 GB

磁盘空间– 155 GB

CPU核心– 1

支持的语言– Python，R

4. Coclac

它是用于计算，研究，协作和编写文档的虚拟在线工作区。这包括使用各种科学语言，在LaTeX，R / knitr 或Markdown中提供作者文本功能 ，基于Web的 Linux 控制台， 时间旅行 功能以及诸如聊天室，课程管理等网络资源。但是，其大多数功能都属于付费计划。

内存– 16 GB

磁盘空间– 20 GB

CPU核心– 3

支持的语言– Julia，Octave，Python，SageMath，R Statistics等。

5. Microsoft Azure

微软的Azure笔记本在功能上与Colab相似，但是在速度方面胜出，并且在这方面要比Colab好得多。Azure笔记本是一系列链接的笔记本，称为库。这些库的每个数据文件的大小都小于100兆字节。Azure笔记本更适合基本应用程序。Azure仅提供12个月的免费服务。

RAM –可变

磁盘空间–可变

CPU核心–可变

支持的语言– Python，R，F＃