Руководство для начинающих по машинному обучению и структуре Data Science

Руководство для начинающих по машинному обучению и структуре Data Science

Для всех, кому интересна тематика работы с данными, машинного обучения и искусственного интеллекта и для тех, кто только начинает свой путь в изучении — этот пост для вас. Все библиотеки ниже бесплатны, и большинство из них с открытым исходным кодом и выложены на GitHub. Используйте с любовью и делитесь с коллегами.

Machine Learning

Scikit-learn — машинное обучение на Python;

Shogun — инструментарий машинного обучения;

xLearn — высокопроизводительный, простой и масштабируемый пакет для машинного обучения;

Reproducible Experiment Platform (REP) — набор инструментов машинного обучения;

modAL — модульная структура обучения для Python3;

Sparkit-learn — PySpark + Scikit-learn = Sparkit-learn;

mlpack — масштабируемая библиотека машинного обучения C ++;

dlib — инструментарий для создания реальных приложений машинного обучения и анализа данных на C ++;

MLxtend — модули расширения и помощника для библиотек анализа данных и машинного обучения Python;

tick — модуль для статистического обучения;

sklearn-extensions — сводный пакет расширений для scikit-learn;

civisml-extensions — scikit-learn оценка от Civis Analytics;

Телеграм: t.me/ainewsline

Источник: habr.com

Комментарии: