Plataformas y librerías para comenzar en el mundo del Machine Learning
- NumPy: Esta es la principal librería para computación científica, contiene herramientas para integrar C++ e incluye funciones útiles en Algebra y transformadas de Fourier.
- SciPy: En este caso tenemos una librería open-source para las matemáticas, ciencia e ingeniería. Esta librería incluye paquetes como Matplotlib o Pandas.
- Pandas: Es una de las mejores librerías para el análisis de datos, es open-source y proporciona un alto rendimiento y facilidad de uso haciendo que no sea necesario cambiar nuestro código a otros lenguajes como R para poder analizarlo.
- Scikit-learn: Esta librería está completamente enfocada al machine learning, ofrece herramientas simples y eficientes para la extracción y análisis de datos, es accesible para todo el mundo y está construida en base a NumPy, SciPy y Matplotlib.
- Theano: Con esta librería podrás definir, evaluar y optimizar funciones matemáticas, tiene un funcionamiento fluido y se puede integrar con NumPy.
- Tensorflow: Es una librería dedicada a la computación numérica, TensorFlow fue creada originalmente por el Brain Team de Google con el fin de realizar investigación de redes neuronales a un nivel profundo, pero su uso también es aplicable a varios dominios.
- LibSVM: Esta librería es muy útil para trabajar con máquinas de soporte vectorial (SVM), sirve para resolver problemas de clasificación y regresión de vectores. También puede servir para predecir la clase de una futura muestra.
- Shark: Esta librería ofrece métodos de optimización lineal y no lineal, está basada en el aprendizaje de los algoritmos del núcleo, redes neurales y otras técnicas avanzadas de machine learning. Es compatible con la mayoría de sistemas operativos.
- Mlpack: En este caso nos encontramos frente a una librería cuya finalidad es ofrecer una rápida puesta en marcha de los algoritmos de machine learning, esto lo hace proveyendo a estos algoritmos una línea de código simple que facilita su integración en soluciones de mayor escala.
- Spark+MLlib: Esta librería encaja a la perfección con las APIs de Spark y trabaja conjuntamente con NumPy, Spark acelera el funcionamiento de MLlib, cuyo objetivo es realizar un aprendizaje escalable y más sencillo.
- Mahout: Nos encontramos frente a una librería similar a NumPy, está enfocada a las expresiones matemáticas, algebraicas y estadísticas.
- Deeplearning4j: Esta es una librería dedicada al Deep learning, está escrita para Java y Scala, ofrece un entorno para que los desarrolladores entrenen y elaboren modelos de IA.