甘南州城乡建设局网站,wordpress uc用户中心,网页设计教程视频教程,网站设计)全世界只有3.14 % 的人关注了数据与算法之美前段时间#xff0c;数据科学网站 KDnuggets 评选出了顶级 Python 库 Top15#xff0c;领域横跨数据科学、数据可视化、深度学习和机器学习。推荐阅读《Python3.0科学计算指南》上图#xff1a;根据 GitHub star 和贡献评选出的 2… 全世界只有3.14 % 的人关注了数据与算法之美前段时间数据科学网站 KDnuggets 评选出了顶级 Python 库 Top15领域横跨数据科学、数据可视化、深度学习和机器学习。推荐阅读《Python3.0科学计算指南》上图根据 GitHub star 和贡献评选出的 2018 顶级 Python 库。形状大小与贡献者数量成正比。以下为 2018 年排名前 15 的 Python 库(数据截止 2018 年 12 月 16 日)1、TensorFlow(贡献者1757贡献25756Stars116765)“TensorFlow 是一个使用数据流图进行数值计算的开源软件库。图形节点表示数学运算而图形边缘表示在它们之间流动的多维数据阵列(张量)。这种灵活的体系结构使用户可以将计算部署到桌面、服务器或移动设备中的一个或多个 CPU/GPU而无需重写代码。 ”GitHub 地址https://github.com/tensorflow/tensorflow2、pandas(贡献者1360贡献18441Stars 17388)“pandas 是一个 Python 包、供快速灵活和富有表现力的数据结构旨在让”关系“或”标记“数据使用既简单又直观。它的目标是成为用 Python 进行实际真实数据分析的基础高级构建块。”GitHub 地址https://github.com/pandas-dev/pandas3、scikit-learn(贡献者1218贡献者23509Stars 32326)“scikit-learn 是一个基于 NumPySciPy 和 matplotlib 的机器学习 Python 模块。它为数据挖掘和数据分析提供了简单而有效的工具。SKLearn 所有人都可用并可在各种环境中重复使用。GitHub 地址https://github.com/scikit-learn/scikit-learn4、PyTorch(贡献者861贡献15362Stars22763)“PyTorch 是一个 Python 包提供两个高级功能具有强大的 GPU 加速度的张量计算(如 NumPy)基于磁带的自动编程系统构建的深度神经网络你可以重复使用自己喜欢的 Python 软件包如 NumPySciPy 和 Cython以便在需要时扩展 PyTorch。”GitHub 地址https://github.com/pytorch/pytorch5、Matplotlib(贡献者778贡献28094Stars 8362)“Matplotlib 是一个 Python 2D 绘图库可以生成各种可用于出版品质的硬拷贝格式和跨平台交互式环境数据。Matplotlib 可用于 Python 脚本Python 和 IPython shell(例如 MATLAB 或 Mathematica)Web 应用程序服务器和各种图形用户界面工具包。”GitHub 地址https://github.com/matplotlib/matplotlib6、Keras(贡献者856贡者4936Stars 36450)“Keras 是一个高级神经网络 API用 Python 编写能够在 TensorFlowCNTK 或 Theano 之上运行。它旨在实现快速实验能够以最小的延迟把想法变成结果这是进行研究的关键。”GitHub 地址https://github.com/keras-team/keras7、NumPy(贡献者714贡献19399Stars9010)“NumPy 是使用 Python 进行科学计算所需的基础包。它提供了强大的 N 维数组对象复杂的(广播)功能集成 C / C 和 Fortran 代码的工具以及有用的线性代数傅里叶变换和随机数功能。GitHub 地址https://github.com/numpy/numpy8、SciPy(贡献者676贡献20180Stars5188)“SciPy(发音为”Sigh Pie“)是数学、科学和工程方向的开源软件包含统计、优化、集成、线性代数、傅立叶变换、信号和图像处理、ODE 求解器等模块。”GitHub 地址https://github.com/scipy/scipy9、Apache MXNet(贡献者653贡献9060Stars15812)“Apache MXNet(孵化)是一个深度学习框架旨在提高效率和灵活性让你可以混合符号和命令式编程以最大限度地提高效率和生产力。 MXNet 的核心是一个动态依赖调度程序可以动态地自动并行化符号和命令操作。”GitHub 地址https://github.com/apache/incubator-mxnet10、Theano(贡献者333贡献28060Stars 8614)“Theano 是一个 Python 库让你可以有效地定义、优化和评估涉及多维数组的数学表达式。它可以使用 GPU 并实现有效的符号区分。”GitHub 地址https://github.com/Theano/Theano11、Bokeh(贡献者334贡献17395Stars 8649)“Bokeh 是一个用于 Python 的交互式可视化库可以在现代 Web 浏览器中实现美观且有意义的数据视觉呈现。使用 Bokeh你可以快速轻松地创建交互式图表、仪表板和数据应用程序。”GitHub 地址https://github.com/bokeh/bokeh12、XGBoost(贡献者335贡献3557Stars14389)“XGBoost 是一个优化的分布式梯度增强库旨在变得高效、强大、灵活和便携。它在 Gradient Boosting 框架下实现机器学习算法。XGBoost 提供了梯度提升决策树(也称为 GBDTGBM)可以快速准确地解决许多数据科学问题可以在主要的分布式环境(HadoopSGEMPI)上运行相同的代码并可以解决数十亿个示例之外的问题。”GitHub 地址https://github.com/dmlc/xgboost13、Gensim(贡献者301贡献3687Stars 8295)“Gensim 是一个用于主题建模、文档索引和大型语料库相似性检索的 Python 库目标受众是自然语言处理(NLP)和信息检索(IR)社区。”GitHub 地址https://github.com/RaRe-Technologies/gensim14、Scrapy(贡献者297贡献6808Stars 30507)“Scrapy 是一种快速的高级 Web 爬行和 Web 抓取框架用于抓取网站并从其页面中提取结构化数据。它可用于从数据挖掘到监控和自动化测试的各种用途。”GitHub 地址https://github.com/scrapy/scrapy15、Caffe(贡献者270贡献4152Stars 26531)“Caffe 是一个以表达、速度和模块化为基础的深度学习框架由伯克利人工智能研究(BAIR)/ 伯克利视觉与学习中心(BVLC)和社区贡献者开发。”GitHub 地址https://github.com/BVLC/caffe来源人工智能精选版权归原作者所有转载仅供学习使用不用于任何商业用途如有侵权请留言联系删除感谢合作。精品课程推荐选购数学科普正版读物严选“数学思维好物”送给孩子的益智礼物 | 办公室神器算法工程师成长阅读 | 居家高科技理工科男女实用型礼物精选 超模君准备了几份 数学思维好物《超模定制笔记本》《数学原来会说谎》《数学的故事》《简单微积分》......免费 送给大家参与就有机会获得活动时间1月22号 至 1月31号----点击头像关注----超级数学建模数据与算法之美少年数学家数锐学堂惊喜酱个人号玩酷屋COOL
