Trois meilleures bibliothèques d'apprentissage automatique pour Python

Il s’avère que nous n’avons pas besoin de maîtriser une science des données difficile pour nous promener dans le monde de l’apprentissage automatique. Bien entendu, ce voyage nécessite inévitablement l’aide de divers outils de big data, d’intelligence artificielle, d’apprentissage profond et d’outils statistiques et analytiques à grande échelle.

Dans l'article d'aujourd'hui, nous examinerons les trois bibliothèques d'apprentissage automatique Python les plus populaires, qui, selon nous, aideront tout le monde à offrir une expérience d'exploration de la science des données plus fluide.

1. Theano

   
   

Theano, une solution de machine learning née il y a une dizaine d'années , est actuellement l'un des compilateurs mathématiques CPU et GPU les plus utilisés dans le domaine de l'apprentissage automatique.

Dans l'article « Theano : A Python Framework for Rapid Implementation of Mathematical Expression Calculations », l'auteur donne un aperçu complet de cette bibliothèque. « Theano contient une variété de progiciels pour améliorer ses fonctionnalités. Il peut fournir une interface utilisateur de haut niveau suffisante pour gérer une variété d'objectifs spécifiques », explique le document : « Parmi eux, Lasagne et Keras peuvent simplifier efficacement les modèles d'apprentissage en profondeur. et servir d'expressions mathématiques. Expression architecturale de l'algorithme de formation. En fait, le cadre de programmation probabiliste PyMC3 utilise Theano pour générer automatiquement des expressions et exécuter rapidement le code C généré (Keras et Lasagne s'exécutent sur TensorFLow et Theano.) »

Theano compte actuellement plus de 25 000 soumissions et près de 300 contributeurs sur GitHub, et le nombre de forks avoisinera les 2 000.

2.TensorFlow

TensorFlow est un ensemble de bibliothèques open source qui utilisent des graphiques de flux de données pour les calculs numériques. Bien qu'il ne s'agisse que d'un nouveau venu dans le domaine de l'open source, ce projet mené par Google compte déjà près de 15 000 soumissions et plus de 600 contributeurs GitHub, et la bibliothèque de modèles compte près de 12 000 avis étoiles.

Dans le premier "Open Source Yearbook", TensorFlow a été sélectionné comme le projet fork le plus méritant en 2016. Dans le dernier "Open Source Yearbook", TensorFlow est également apparu à plusieurs reprises. Le projet Magenta basé sur TensorFlow tente même de connecter l'intelligence artificielle au domaine de l'art, en explorant comment l'utiliser pour réaliser de la musique et de la création artistique, et ainsi établir une communauté mixte d'artistes, de programmeurs et de chercheurs en apprentissage automatique. De plus, Tensorflow prend en charge une variété de langages frontaux, mais sa prise en charge de Python est la meilleure. Python a également été inclus dans le classement des tendances de programmation populaires en 2017.

TensorFlow 1.0 a été lancé à la mi-février de cette année. Google a écrit sur son blog de développeur : « Bien qu'il soit né depuis seulement un an, TensorFlow a aidé efficacement les chercheurs, ingénieurs, artistes, étudiants et autres utilisateurs à accomplir diverses tâches, allant de la traduction linguistique au diagnostic précoce du cancer de la peau. des domaines tels que la prévention de la cécité concomitante chez les patients diabétiques.

3.scikit-learn

Cette solution est basée sur NumPy, SciPy et Matplotlib, et est utilisée par les ingénieurs Spotfiy pour la recommandation musicale. Chez OkCupid, nous sommes responsables de l’évaluation et de l’amélioration du système de mise en relation. Chez Birchbox, le personnel étudie comment utiliser scikit-learn pour soutenir le développement de nouveaux produits.