開源正在成為共享和改進(jìn)技術(shù)的標(biāo)準(zhǔn)。世界上一些最大的組織，如谷歌、Facebook和Uber，正在向公眾開放他們自己的技術(shù)，并將其用于他們的工作流程。

Facebook的開源項(xiàng)目

 

 

PyTorch

https://opensource.facebook.com/

 

 

PyTorch基本上是數(shù)據(jù)科學(xué)社區(qū)中最著名的深度學(xué)習(xí)庫(kù)。它擁有一個(gè)豐富的生態(tài)系統(tǒng)，數(shù)據(jù)科學(xué)家可以用來(lái)執(zhí)行各種任務(wù)。一些可用的工具BoTorch貝葉斯優(yōu)化，AllenNLP設(shè)計(jì)和使用深度學(xué)習(xí)模型，自然語(yǔ)言處理，fastai輕松地構(gòu)建和評(píng)估神經(jīng)網(wǎng)絡(luò)和skorch一個(gè)高層次的接口，提供全scikit學(xué)習(xí)的兼容性。

Prophet

https://facebook.github.io/prophet/

 

 

Prophet是一個(gè)開放源代碼的時(shí)間序列預(yù)測(cè)庫(kù)，它具有適用于Python和R 的API 。它被設(shè)計(jì)為在具有高季節(jié)性的時(shí)間序列上表現(xiàn)良好，并且能夠考慮假日影響。它可以處理丟失的數(shù)據(jù)和數(shù)據(jù)中的異常值。時(shí)間序列中的一個(gè)大問(wèn)題是缺少數(shù)據(jù)，因?yàn)樵摂?shù)據(jù)被認(rèn)為是順序數(shù)據(jù)，一種常見的做法是用均值或中位數(shù)(大部分時(shí)間不是時(shí)間序列中的下注選項(xiàng))來(lái)估算缺失值。

Uber的開源項(xiàng)目

 

 

CausalML

https://github.com/uber/causalml

 

 

CausalML是uber的開源答案，用于使用機(jī)器學(xué)習(xí)方法進(jìn)行提升建模和因果推理方法。它允許用戶從實(shí)驗(yàn)或觀察數(shù)據(jù)估計(jì)條件平均治療效果(CATE)或個(gè)體治療效果(ITE)。

Ludwig

https://uber.github.io/ludwig/

 

 

路德維�？赡苁荱ber最著名的開源項(xiàng)目。Ludwig允許用戶訓(xùn)練和測(cè)試深度學(xué)習(xí)模型，而無(wú)需指定YAML來(lái)編寫代碼 。它建立在Tensorflow之上。有偏好的用戶可以使用Python API。

Pyro

https://github.com/pyro-ppl/pyro

 

 

Pyro由Uber AI Labs維護(hù)，并基于PyTorch進(jìn)行深度概率編程。它基于通用，可擴(kuò)展，最小和靈活的原則構(gòu)建。NumPyro的beta版(帶有NumPy后端的Pyro概率編程庫(kù))正在構(gòu)建中，以加快處理速度。

kepler.gl

https://kepler.gl/

 

 

Kepler.gl是Uber的開源地理空間分析工具箱，用于按比例縮放大型數(shù)據(jù)集。它旨在幫助數(shù)據(jù)科學(xué)家使用交互式和數(shù)據(jù)驅(qū)動(dòng)的方法對(duì)位置數(shù)據(jù)產(chǎn)生影響。它基于Mapbox GL和Deck.gl構(gòu)建

Google的開源項(xiàng)目

 

 

Google Cloud Data Lab

https://opensource.google/projects/datalab

 

 

Google Datalab是一個(gè)具有IPython后端的交互式視覺(jué)探索工具，這意味著它具有熟悉的Jupyter環(huán)境，因此定期使用Jupyter的用戶應(yīng)該有賓至如歸的感覺(jué)。Cloud Datalab可以使用Python，SQL和JavaScript(用于BigQuery用戶定義的函數(shù))對(duì)BigQuery，Cloud Machine Learning Engine，Compute Engine和Cloud Storage上的數(shù)據(jù)進(jìn)行分析，然而如果決定使用VM和云存儲(chǔ)等云資源，則需要付出一定的代價(jià)。

Tensorflow

https://opensource.google/projects/tensorflow

 

 

無(wú)需介紹。Tensorflow與PyTorch捆綁在一起，成為數(shù)據(jù)科學(xué)社區(qū)中事實(shí)上的深度學(xué)習(xí)框架。Tensorflow引發(fā)了許多擴(kuò)展，以便更好地利用其庫(kù)從可視化到直接從其命令庫(kù)生成的生產(chǎn)API。

CausalImpact

https://opensource.google/projects/causalimpact

 

 

所述CausalImpact庫(kù)是用于估計(jì)在時(shí)間序列所設(shè)計(jì)的干預(yù)的因果效應(yīng)的R庫(kù)。該庫(kù)使用貝葉斯時(shí)間序列模型來(lái)估計(jì)在沒(méi)有現(xiàn)實(shí)世界證據(jù)的情況下發(fā)生的事件的影響。當(dāng)隨機(jī)實(shí)驗(yàn)不可用或不可行時(shí)，這很有用。

標(biāo)簽： 數(shù)據(jù) 蒲

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點(diǎn)！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請(qǐng)與原作者聯(lián)系。