Python es uno de los lenguajes de programación más populares. La razón es su versatilidad, porque es una herramienta múltiple con la posibilidad de "afilar" para una variedad de necesidades. Hoy publicamos una selección que describe 10 herramientas útiles para un científico de datos y un especialista en inteligencia artificial.
El aprendizaje automático, las redes neuronales, el Big-data son una tendencia cada vez mayor, lo que significa que se necesitan más y más especialistas. La sintaxis de Python es matemáticamente precisa, por lo que es entendida no solo por los programadores, sino también por todos los involucrados en las ciencias técnicas, por lo que se crean tantas herramientas nuevas en este lenguaje.
Skillbox recomienda: El programa práctico Python Developer desde cero .
Le recordamos: para todos los lectores de "Habr": un descuento de 10.000 rublos al registrarse en cualquier curso de Skillbox con el código de promoción "Habr".
Pero lo suficiente como para describir las virtudes de Python, finalmente vamos a nuestra selección.
Herramientas de aprendizaje automático
Shogun es una solución de aprendizaje automático centrada en Support Vector Machines (SVM). Está escrito en C ++. Shogun ofrece una amplia gama de métodos de aprendizaje automático unificados, que se basan en algoritmos confiables y comprensibles.
Shogun está bien documentado. Entre las deficiencias se puede llamar la complejidad relativa de trabajar con la API. Distribuido de forma gratuita.
Keras es una API de red neuronal de alto nivel que proporciona una biblioteca de aprendizaje profundo para Python. Esta es una de las mejores herramientas para aquellos que comienzan su carrera como especialistas en aprendizaje automático. En comparación con otras bibliotecas, Keras es mucho más comprensible. Los marcos de Python populares como TensorFlow, CNTK o Theano pueden funcionar con él.
Los 4 principios clave que subyacen a la filosofía de Keras son la facilidad de uso, la modularidad, la extensibilidad y la compatibilidad con Python. Entre las deficiencias se puede llamar una velocidad relativamente lenta en comparación con otras bibliotecas.
Scikit-Learn es una herramienta de código abierto para minería y análisis de datos. También se puede usar en ciencia de datos. La herramienta API es conveniente y práctica; se puede usar para crear una gran cantidad de servicios. Una de las principales ventajas es la velocidad del trabajo: Scikit-Learn simplemente rompe récords. Las características principales de la herramienta son regresión, agrupamiento, selección de modelos, preprocesamiento, clasificación.
Pattern es un módulo de minería web que brinda oportunidades para la recopilación de datos, el procesamiento del lenguaje, el aprendizaje automático, el análisis de redes y diversas visualizaciones. Está bien documentado y viene con 50 casos, así como 350 pruebas unitarias. ¡Y él es libre!
Theano lleva el nombre del antiguo filósofo y matemático griego, que le dio al mundo muchas cosas útiles. Las funciones principales de Theano son la integración con NumPy, el uso transparente de los recursos de la GPU, la velocidad y la estabilidad, la autoverificación y la generación dinámica de código C. Entre las deficiencias, se puede mencionar la API relativamente compleja y la velocidad más lenta en comparación con otras bibliotecas.
Herramientas de ciencia de datos
SciPy es un ecosistema de software de código abierto basado en Python para matemáticos, profesionales de TI e ingenieros. SciPy usa varios paquetes como NumPy, IPython, Pandas, que le permite usar bibliotecas populares para resolver problemas matemáticos y científicos. Esta herramienta es una gran característica si necesita mostrar datos informáticos serios. Y él es libre.
Dask es una solución que permite el paralelismo de datos en análisis mediante la integración con paquetes como NumPy, Pandas y Scikit-Learn. Con Dask, puede paralelizar rápidamente el código existente cambiando solo unas pocas líneas. El hecho es que su DataFrame es el mismo que en la biblioteca Pandas, y NumPy trabajando con él tiene la capacidad de paralelizar tareas escritas en Python puro.
Numba es un compilador de código abierto que utiliza el marco del compilador LLVM para compilar la sintaxis de Python en el código de la máquina. La principal ventaja de trabajar con Numba en aplicaciones para investigación científica puede llamarse su velocidad cuando se usa código con matrices NumPy. Al igual que Scikit-Learn, Numba es adecuado para crear aplicaciones de aprendizaje automático. Vale la pena señalar que las soluciones basadas en Numba funcionarán especialmente rápido en equipos diseñados para aplicaciones de investigación o aprendizaje automático.
High-Performance Analytics Toolkit (
HPAT ) es un marco basado en compilador para big data. Escala automáticamente los programas analíticos, así como los programas de aprendizaje automático, al nivel de rendimiento de los servicios en la nube y puede optimizar ciertas funciones utilizando el decorador
jit .
Cython es la mejor opción para trabajar con código matemático. Cython es un traductor de código fuente basado en Pyrex que le permite escribir fácilmente extensiones C para Python. Además, con la incorporación del soporte de integración IPython / Jupyter, el código escrito usando Cython se puede usar en Jupyter con anotaciones incorporadas, como cualquier otro código de Python.
Las herramientas anteriores son casi perfectas para científicos, programadores y cualquier persona relacionada con el aprendizaje automático y los grandes datos. Y, por supuesto, vale la pena recordar que estas herramientas se agudizan en Python.
Skillbox recomienda: