Опенсорс для машинного обучения: фреймворки и среды

• Основы машинного обучения★ 197 тыс

  TensorFlow

  tensorflow/tensorflow

  Фреймворк машинного обучения от Google с упором на развёртывание. Чем ценно: сильная сторона — вывод модели в продакшн, в том числе на мобильные и в браузер.

  Открыть на GitHub
• Основы машинного обучения★ 164 тыс

  Hugging Face Transformers

  huggingface/transformers

  Библиотека и хаб готовых моделей для текста, картинок и звука. Чем ценно: берёте обученную модель вместо того, чтобы обучать свою — экономия месяцев и вычислений.

  Открыть на GitHub
• Основы машинного обучения★ 102 тыс

  PyTorch

  pytorch/pytorch

  Фреймворк глубокого обучения, на котором сегодня пишут исследования и продакшн. Чем ценно: стандарт индустрии — под него больше всего примеров, курсов и готового кода.

  Открыть на GitHub
• Основы машинного обучения★ 67 тыс

  scikit-learn

  scikit-learn/scikit-learn

  Классическое машинное обучение без нейросетей: регрессии, деревья, кластеризация. Чем ценно: на табличных данных обгоняет нейросети и обучается за секунды.

  Открыть на GitHub
• Основы машинного обучения★ 64 тыс

  Keras

  keras-team/keras

  Высокоуровневая надстройка над фреймворками: модель описывается несколькими строками. Чем ценно: самый короткий путь от идеи к работающему прототипу.

  Открыть на GitHub
• Основы машинного обучения★ 13 тыс

  Jupyter Notebook

  jupyter/notebook

  Среда, где код, графики и пояснения живут в одном документе. Чем ценно: считаете и сразу видите результат — так разбирают данные и показывают выводы другим.

  Открыть на GitHub

Подборка отражает находки на момент обновления страницы. Опенсорс-проекты быстро развиваются и иногда переезжают — если ссылка изменилась, найдите репозиторий по названию на GitHub. Проверяйте лицензию и актуальность перед использованием в продакшене.