在过去一年里，对于机器学习应用程序来说，云已经变得更加友好。

在2015年初，Microsoft和Amazon Web Services (AWS)基于机器学习的平台都上线了，而且它们的名字非常相似——分别叫Azure Machine Learning和Amazon Machine Learning。在今年晚些时候，Databricks和IBM各自发布了一个Spark处理引擎的云版本，它包含了一个内置的机器学习库。

对于在实时数据集上测试机器学习算法，搭建云平台特别有用，因为用户就不必为测试运行对内部系统进行供应和配置。Joe Emison 是BuildFax 公司的创始人兼CTO，在允许的全国范围内收集数据并为购房者、保险公司、房产经纪人以及检查员提供分析服务，他说，“这是一种廉价的测试方式。”

Emison说开发机器学习应用程序需要大量的试验并会经历很多错误，这对于以一种廉价的方式来测试建模概念和设计非常有帮助。但是BuildFax在云上已经超越了这个阶段：在生产中它使用Amazon Machine Learning来预测对在AWS云中运行的MySQL数据库中存储数据的建模，而该云平台是Amazon Relational Database Service的一部分。该公司的模型是可以进行预测的，例如，某些区域屋顶的年代。Emison注意到，在对一套房子保险的时候，其屋顶的年代有时可以是一项反映房子整体风险的有效指标。

对于像BuildFax之类的中型企业，Emison认为选择开箱即用的云服务要优于自行构建本地机器学习系统。但是天下并没有免费的午餐，不管有没有云，分析团队仍需要学习如何让机器学习运转起来，包括对统计分析方法以及最佳算法的钻研。

在云中运行机器学习应用程序依然是一个内部对话的主题。Conor Jensen是Schaumburg, Ill.公司的分析项目主管，他说，“我们现在所做的一切都是在本地，但这还是一个正在讨论的话题。”