近幾年，機器學習迎來了前所未有的大爆發，幾乎隨處可見。今天就來介紹一下如何在線構建共享機器學習模型。

Jupyternotebooks是用來建立機器學習模型最常見的環境之一，它是本地開發機器學習的好工具，但也有缺點，它很難在生成代碼上共享與協作。

你不得不進行一系列合理設置，非python用戶尤甚，包括需要設置python環境，安裝Jupyter及其依賴項以及可能需要的其他python軟件包。

有點麻煩？有的工具可以直接在瀏覽器中運行開發notebooks中的python代碼。本文就將介紹兩個這樣的工具。

GoogleColaboratory

Google Colaboratory，通常被稱為colab，由谷歌開發，允許所有人在瀏覽器中創建并運行python代碼。其內置許多標準機器學習和數據科學庫，包括pandas和scikit-learn，還可以安裝幾乎其他所有python庫，以便在每個notebook中使用。

若想訪問colab需注冊谷歌賬戶，可免費訪問notebook環境和計算資源，包括GPU。

來快速演示一遍：

登錄谷歌帳戶后，進入谷歌云盤（Google drive）并選擇新的Google Colaboratory。

這樣就新建了一個空白notebook。

可以通過運行pip freeze 來查看預安裝軟件包。

如果需要安裝尚無法獲取的軟件包，可以通過運行 pip install package來完成。

導入數據有許多種方法，包括直接從谷歌云盤中加載文件。

那么怎樣從本地CSV文件導入數據呢？

首先運行此代碼。

from google.colab importfilesuploaded = files.upload（）

然后就能看到一個按鈕，可以從本地系統任意位置選擇文件。

現在就可以自由編寫代碼來創建機器學習模型。

Googlecolab notebooks可以通過鏈接共享，類似于谷歌文檔共享，鏈接接收者可以運行并編輯代碼。

Kaggle kernels

Kagglekernels需要注冊賬戶，但也是完全免費使用。與Googlecolab notebooks非常相似，不過其特有優點是可以進行版本控制。

一旦創建好帳戶，就可以導航到網站的kernels區域，然后選擇新的Notebook。

與colab類似，Kaggle kernels提供了許多python常用標準庫，可以通過使用pip freeze查看。在導入其他庫方面也采用了與colab完全相同的方法，安裝軟件包也如此。

加載數據非常簡單。首先，選擇文件（File），然后選擇添加或上傳數據（Add orupload data）。

現在會看到一些選項，可以使用Kaggle數據集（Datasets）、kernel輸出文件（Kernel Output Files）或上傳到本地CSV文件。

前面說到Kaggle有內置版本控制，也就是說可以向自己的kernel或其他人的kernel提交更改，并在需要時追蹤并恢復到以前的版本，這樣有利于協同合作。

筆者經常使用瀏覽器中的notebooks來展示工作，特別是那些不會使用Jupyter Notebooks或Python的非數據科學家。這兩種工具也是了解機器學習和數據科學的好方法，而且不需要大費周折在本地設置python和notebook環境。