3月份Github上最热门的数据科学和机器学习项目

作者: 猿妹 2018-04-23 14:01:04

Analytics Vidhya 近日发布了GitHub上3月份最热门的5个数据科学和机器学习项目,本月的名单从Google Brain的AstroNet到人造神经网络可视化工具,这都是非常棒的项目,相信一定可以扩展你的机器学习视野。

1、Person Blocker

3月份Github上最热门的数据科学和机器学习项目

Person Blocker 是一个python库,可以使用预先训练好的神经网络自动屏蔽图像中的所有人。该算法底层实现是在 MS COCO 数据集上预训练的 Mask R-CNN,但它不需要 GPU!此外,它不仅可屏蔽人像,还可以屏蔽包括长颈鹿和汽车在内的多达 80 种不同类型的物体,包括车辆,动物,电子小配件等。(项目地址:https://github.com/minimaxir/person-blocker)

2、AstroNet

3月份Github上最热门的数据科学和机器学习项目

早在2017年12月,Google Brain团队就透露Astronet应用发现了2颗新行星 - 它是处理天文数据的深层神经网络模型。这是一个巨大的发现,它展现了机器学习在当今世界产生的深远影响。

现在,Google Brain已经发布了该技术的全部代码,并且已经将它提供给所有人。该模型基于卷积神经网络(CNN)。(项目地址:https://feedburner.google.com/fb/a/mailverify?uri=Avbytes)

3、ANN Visualizer

3月份Github上最热门的数据科学和机器学习项目

ANN Visualizer是一个python库,它使我们能够使用一行代码就可视化人工神经网络。它用于与Keras一起工作,并利用python的graphviz库创建一个整洁和可视化的图形,用来表示你正在构建的神经网络。(项目地址:https://github.com/Prodicode/ann-visualizer)

4、Fast Pandas

3月份Github上最热门的数据科学和机器学习项目

熊猫是为数据科学家和开发人员提供的最灵活和***大的工具之一。非常灵活,人们可以通过几种方式执行特定的任务。该项目旨在针对这些情况下的不同可用方法进行基准测试; 此外,在numpy和pandas中都有专门的功能部分。(项目地址:https://github.com/mm-mansour/Fast-Pandas)

5、TensorFlow.js

3月份Github上最热门的数据科学和机器学习项目

TensorFlow.js 是一个开源硬件加速 JavaScript 库,用于训练和部署机器学习模型。TensorFlow.js 的 API 灵活且直观,可以使用低级的 JavaScript 线性代数库和高级图层 API 在浏览器中定义、训练和运行完整的机器学习模型。(项目地址:https://github.com/jimfleming/tensorflowjs)

6、Caffe64

3月份Github上最热门的数据科学和机器学习项目

Caffe64是一个简单,小巧但功能非常强大的神经网络库。Caffe64被认为是最容易编译的库和最轻量级的神经网络库。(项目地址:https://github.com/dfouhey/caffe64)

7、TensorFlow Hub

TensorFlow Hub是一个用于促进机器学习模型的可重用部分发布、发现和使用的库。它提供了模块,这些模块是预先训练好的TensorFlow模型,可用于新任务。通过在相关任务上重用模块,你可以:

数据科学 机器学习 开发
上一篇:第二届世界智能大会三大亮点抢先看 下一篇:基于线性网络的语音合成说话人自适应
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

对象存储适合人工智能和机器学习的三个原因

如今,各种类型的企业都致力于采用人工智能和机器学习项目,但要发挥其真正的潜力,则需要克服重大的技术障碍。虽然计算基础设施通常是重点,但存储设施也同样重要。

Gary Ogasawara ·  1天前
机器学习:有监督和无监督之间有什么区别

机器学习是人工智能的一个子集,它通过示例和经验教会计算机执行任务,是研究和开发的热门领域。我们每天使用的许多应用程序都使用机器学习算法,包括AI助手,Web搜索和机器翻译。

AI国际站 ·  1天前
机器学习的七原罪

机器学习是一种伟大的工具,正在改变着我们的世界。 在许多伟大的应用中,机器(尤其是深度学习)已被证明优于传统方法。 从用于图像分类的Alex-Net到用于图像分割的U-Net,我们看到了计算机视觉和医学图像处理领域的巨大成功。 不过,我看到机器学习方法每天都在失败。 在许多这样的情况下,人们迷上了机器学习的七大罪过之一。

闻数起舞 ·  1天前
为ML模型注入灵魂:基于MVP的超简单部署方案

开发一个出色的机器学习模型是一件棘手的事,但即使开发完成也不意味着工作的结束。在部署之前,它仍然毫无用处,他人可以轻易访问。

读芯术 ·  1天前
可再生能源与机器学习“双重加持”,谷歌成功实现风力预测

从传统角度看,电力电场的发电能力普遍较弱,因为我们至今很难预测无形无相的风,会在新一天中表现出怎样的活动趋势。

佚名 ·  1天前
明确解释:机器学习与统计建模有何不同

这篇文章提出了一个非常重要的区别,我们应该将其理解为数据科学领域的活跃部分。 上面的维恩图最初是由SAS Institute发布的,但是它们的图显示统计和机器学习之间没有重叠,据我所知,这是一个疏忽。

闻数起舞 ·  1天前
不用任何数学方法,如何计算圆面积

借鉴统计学习和机器学习的核心原理,我们可以使用蒙特卡罗模拟和多项式/二次回归来创建基于计算的方法,以找到圆的面积公式。

机器之心 ·  2天前
2020年十大人工智能趋势

人工智能在工作场所中崛起以支持和维持数字化劳动力的趋势是2020年的明显趋势。人工智能,机器学习,神经网络或其他任何花哨的术语行业都应运而生,它被定义为复杂的计算机技术,被广泛用于理解和改善业务和客户体验。

闻数起舞 ·  2天前
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载