GitHub最近以數(shù)十億美元的交易被微軟收購。GitHub一直是開發(fā)人員之間協(xié)作的終極平臺，我們已經(jīng)看到數(shù)據(jù)科學(xué)和機器學(xué)習(xí)社區(qū)同樣非常需要它，因此，我們希望GitHub能在微軟的保護下繼續(xù)發(fā)展下去。

在本月排行中，上榜的項目有英特爾開源的NLP架構(gòu)庫，微軟推出ML.NET以支持Dot Net開發(fā)者的機器學(xué)習(xí)等。下面我們一起看下詳細(xì)榜單：

1、ML.NET

ML.NET是一個開放源代碼的機器學(xué)習(xí)框架，旨在讓 .NET 開發(fā)者更快上手機器學(xué)習(xí)。它使開發(fā)者們能夠使用.NET開發(fā)自己的模型，而且不需要構(gòu)建機器學(xué)習(xí)模型的經(jīng)驗。這是目前的預(yù)覽版，包含基本的分類和回歸算法。

ML.NET最初是由Microsoft創(chuàng)建的，并且已經(jīng)被用于各種產(chǎn)品當(dāng)中，如Windows，Excel，Access，Bing等。此版本還捆綁了用于各種模型訓(xùn)練的.NET API。（項目地址：https://github.com/dotnet/machinelearning）

2、NLP Architect

NLP Architect是一個開源的Python庫，使數(shù)據(jù)科學(xué)家能夠探索自然語言處理（NLP）和自然語言理解（NLU）領(lǐng)域最先進的深度學(xué)習(xí)技術(shù)。它由英特爾實驗室的研究人員開發(fā)并且開源。幫助開發(fā)人員為聊天機器人和虛擬助手等會話應(yīng)用提供所必需的功能，比如名稱實體識別，意圖提取和語義分析等。

這個庫中我最喜歡的組件之一是一個可視化組件，它以整潔的方式顯示模型的注釋。

上圖是NLP的框架。（項目地址：https://github.com/NervanaSystems/nlp-architect）

3、Amazon Scrape

這個python包使您能夠從亞馬遜搜索和抓取產(chǎn)品信息。使用該包可以代替編寫代碼行來確定需要分析哪些產(chǎn)品，。你只需輸入你想要搜索的關(guān)鍵字和最大產(chǎn)品數(shù)量（這是可選的）。數(shù)據(jù)最終將以CSV格式輸出，然后你可以將其插入到分析工具中進行分析。（項目地址：https://github.com/tducret/amazon-scraper-python）

4、PIGO

Pigo是Go編程語言開發(fā)的人臉檢測庫。它基于“Pixel Intensity Comparison -based Object detection” ?研究論文。這個庫的一些主要特點是：

● 處理速度快

● 在檢測之前不需要圖像預(yù)處理

● 不需要計算積分圖像，圖像金字塔，HOG金字塔或任何其他類似的數(shù)據(jù)結(jié)構(gòu)

● 人臉檢測基于以二進制文件數(shù)據(jù)樹結(jié)構(gòu)編碼的像素強度比較（項目地址：https://github.com/esimov/pigo）

5、RL-Adventure-2: Policy Gradients

這是所有的強化學(xué)習(xí)（RL）愛好者。深度學(xué)習(xí)推動了RL編程人工智能以及人類專家級技能Atari游戲。該存儲庫涵蓋了策略梯度算法的有趣的新擴展，這是解決RL問題最受歡迎的選擇之一。這些擴展導(dǎo)致了訓(xùn)練時間的改進以及強化學(xué)習(xí)的整體表現(xiàn)。（詳情：https://github.com/higgsfield/RL-Adventure-2）

總結(jié)

以上是生活随笔為你收集整理的5月份Github上最热门的数据科学和机器学习项目的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。