開源正在成為共享和改進技術(shù)的標準。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。它擁有一個豐富的生態(tài)系統(tǒng)，數(shù)據(jù)科學(xué)家可以用來執(zhí)行各種任務(wù)。一些可用的工具BoTorch貝葉斯優(yōu)化，AllenNLP設(shè)計和使用深度學(xué)習(xí)模型，自然語言處理，fastai輕松地構(gòu)建和評估神經(jīng)網(wǎng)絡(luò)和skorch一個高層次的接口，提供全scikit學(xué)習(xí)的兼容性。

Prophet

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

 

 

Prophet是一個開放源代碼的時間序列預(yù)測庫，它具有適用于Python和R 的API 。它被設(shè)計為在具有高季節(jié)性的時間序列上表現(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。時間序列中的一個大問題是缺少數(shù)據(jù)，因為該數(shù)據(jù)被認為是順序數(shù)據(jù)，一種常見的做法是用均值或中位數(shù)(大部分時間不是時間序列中的下注選項)來估算缺失值。

Uber的開源項目

 

 

CausalML

https://github.com/uber/causalml

 

 

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

Ludwig

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

 

 

路德維�？赡苁荱ber最著名的開源項目。Ludwig允許用戶訓(xùn)練和測試深度學(xué)習(xí)模型，而無需指定YAML來編寫代碼 。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，并基于PyTorch進行深度概率編程。它基于通用，可擴展，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)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)動的方法對位置數(shù)據(jù)產(chǎn)生影響。它基于Mapbox GL和Deck.gl構(gòu)建

Google的開源項目

 

 

Google Cloud Data Lab

https://opensource.google/projects/datalab

 

 

Google Datalab是一個具有IPython后端的交互式視覺探索工具，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。Cloud Datalab可以使用Python，SQL和JavaScript(用于BigQuery用戶定義的函數(shù))對BigQuery，Cloud Machine Learning Engine，Compute Engine和Cloud Storage上的數(shù)據(jù)進行分析，然而如果決定使用VM和云存儲等云資源，則需要付出一定的代價。

Tensorflow

https://opensource.google/projects/tensorflow

 

 

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

CausalImpact

https://opensource.google/projects/causalimpact

 

 

所述CausalImpact庫是用于估計在時間序列所設(shè)計的干預(yù)的因果效應(yīng)的R庫。該庫使用貝葉斯時間序列模型來估計在沒有現(xiàn)實世界證據(jù)的情況下發(fā)生的事件的影響。當(dāng)隨機實驗不可用或不可行時，這很有用。

標簽： 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！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請與原作者聯(lián)系。