• 30 de diciembre de 2013
• Vasilis Vryniotis
• . Sin comentarios

Desde la introducción del servicio Datumbox, varios ingenieros e investigadores de software utilizaron nuestra API para desarrollar nuevas aplicaciones innovadoras. En el pasado hemos presentado, muchos desarrolladores que optaron por abrir sus proyectos y contribuir con su código a la comunidad. En este artículo, me complace presentar los proyectos más nuevos e interesantes que se desarrollaron utilizando Datumbox API de aprendizaje automático.

Cliente API Datumbox escrito en Ruby

marlon silva carvalho, un ingeniero de software experimentado, publicado en Github Un cliente API para Datumbox escrito en Ruby. Su implementación de Ruby es limpia, fácil de usar y le permite acceder a todas las funcionalidades de nuestra plataforma mediante el uso de una sola clase.

El cliente Ruby API ya está disponible en nuestro Página API.

Cliente API Datumbox escrito en Node.js

Hamza Waqas, CTO en Instinktech Inc y Principle Software Architect en Kuew Inc, desarrolló un increíble cliente API para Node.js. Su implementación es totalmente configurable, muy bien documentada y completamente funcional, brindándole acceso a todos los servicios de nuestra API mediante el uso de un solo Objeto. Publicó el código en Github and on Npm.

El cliente API Node.js también está disponible en nuestro Página API.

Herramienta de evaluación de sentimientos escrita en Python

Victor Pekar, un investigador y desarrollador de NLP / Sentiment Analysis, lanzó un Herramienta de evaluación de sentimientos escrito en Python que tiene como objetivo comparar y evaluar la precisión de las API de análisis de opinión más conocidas mediante el uso de un conjunto de datos anotado manualmente. La herramienta es de código abierto y puede encontrar su código en Github.

Mejora de las recomendaciones de películas usando Twitter Sentiment

Jonás Myrlund, un ingeniero de software talentoso, exploró si los datos de Twitter se pueden usar para mejorar las recomendaciones de películas. Investigó la hipótesis de que el sentimiento general en Twitter varía con las calificaciones "reales" y, por lo tanto, puede ser una fuente de datos valiosa al predecir las calificaciones, especialmente para el contenido nuevo donde las técnicas de FQ funcionan mal. Su investigación completa y su implementación de Python están disponibles en Github.

Me gustaría agradecer a Marlon y Hamza por contribuir a los clientes API; Estoy seguro de que muchos desarrolladores los encontrarán muy útiles. También me gustaría agradecer Viktor y Jonas por usar la API de Datumbox en sus proyectos interesantes.

Si crea un cliente API de Datumbox que le gustaría compartir con la comunidad o una nueva aplicación interesante que utiliza nuestra API, envíenos un email or Tweet ¡y lo cubriremos en una próxima publicación de blog!

¿Te gustó el artículo? Tómese un minuto para compartirlo en Twitter. 🙂

Nuestra Empresa Vasilis Vryniotis

Mi nombre es Vasilis Vryniotis. Soy un científico de datos, un ingeniero de software, autor de Datumbox Machine Learning Framework y un orgulloso geek. Más información

Fuente: http://blog.datumbox.com/using-datumbox-api-with-ruby-node-js-and-other-featured-projects/