== CNTK
- # The Microsoft Cognitive Toolkit
- «A free, easy-to-use, open-source, commercial-grade toolkit that trains deep learning algorithms to learn like the human brain.»
pip install cntk- «CNTK is no longer actively developed»
== deap
- для использования генетических алгоритмов
- есть хорошая книжка про генетические алгоритмы с использованием этого модуля, название не помню, но хорошая
== jupyter
- среда для выполнения кода на питоне и просмотра результатов в браузере
- можно перезапускать с изменениями только выбранные куски кода
- можно выводить графики matplotlib
== keras
- для нейронных сетей
- может работать поверх theano, tensorflow или CNTK
== matplotlib
- рисование графиков
== numpy
- многомерные массивы, матрицы
- удобная загрузка данных из бинарных файлов
- библиотека используется во многих других (pandas, …)
== nvidia-…
- nvidia-cublas-cu12
- nvidia-cuda-cupti-cu12
- nvidia-cuda-nvcc-cu12
- nvidia-cuda-nvrtc-cu12
- nvidia-cuda-runtime-cu12
- nvidia-cuda-sanitizer-api-cu12
- nvidia-cufft-cu12
- nvidia-curand-cu12
- nvidia-cusolver-cu12
- nvidia-cusparse-cu12
- nvidia-npp-cu12
- nvidia-nvjitlink-cu12
- nvidia-nvjpeg-cu12
- nvidia-nvml-dev-cu12
- nvidia-nvtx-cu12
- nvidia-pyindex
== opencv-python
- pip install opencv-python
- машинное зрение, распознавание объектов на изображениях и т.п.
== orange3
- графический интерфейс для создания пайплайнов анализа данных
- код можно вообще не писать
- загрузка csv-файлов
- куча всяких удобных интерактивных графиков
- можно легко создавать предсказательные модели на деревьях, бустинге, простых нейросетях и прочих готовых алгоритмах
== pandas
- для извлечения и подготовки данных
- похоже на электронные таблицы, можно задавать и использовать имена колонок и индексы для строк
- на базе numpy
- загрузка данных из excel, csv, json, sql
- группировка и фильтрация данных
- применение функций ко всем значениям в выбранных колонках — в разы быстрее чем использовать циклы на чистом питоне
- надо внимательно следить при работе с данными, когда они нормально скопированы, а когда ссылаются на источник, чтоб изменяя значения в одном месте, не испортить их в другом
== pillow
- работа с изображениями
- можно попиксельно
== plotly
- интерактивные графики в браузере
- pip install plotly
== pyodbc
- для выполнения запросов к разным базам данных (MSSQL, PG и т.п.)
- для разных баз данных изредка работает с разными ошибками (изредка случалось, результаты из модуля не совпадали с результатами через нативные клиенты), но в большинстве случаев всё хорошо
== pytorch
- библиотека для машинного обучения
- нейронные сети
- тензорные вычисления
- может работать с GPU
- говорят, что замена для numpy
- вроде поддерживает динамические графики
== scikit-learn
- библиотека всяких алгоритмов машинного обучения — кластеризации, регрессии, классификации, …
- на основе numpy и scipy
== scipy
- для статистики, линейной алгебры, числовых процедур и оптимизации
- на основе numpy
== seaborn
- библиотека построения графиков и визуализации данных
- основана на matplotlib
== spyder
- интерактивный редактор кода с автодополнением
- можно выполнять код прямо внутри редактора
- можно сразу выводить графики matplotlib
== sympy
- для символьных вычислений — не только получения значений, а сокращения формул и т.п.
- для уравнений в решении умеет возвращать несколько корней, как положено
- хорошая статья с примерами на хабре https://habr.com/ru/post/680258/
== tensorflow
- для нейронных сетей
== theano
- для нейронных сетей
- может использовать GPU
Ещё не написал про модули от nvidia для работы с GPU
Если кто ещё знает полезные модули по теме — пишите в коментариях, тоже соберём в кучу