Guide d'apprentissage automatique
1.0.0
Remarque : Vous pouvez facilement convertir ce fichier markdown en PDF dans VSCode à l'aide de cette extension pratique Markdown PDF.
Cadres d’apprentissage automatique/d’apprentissage profond.
Ressources d'apprentissage pour le ML
Frameworks, bibliothèques et outils ML
Algorithmes
Développement PyTorch
Développement TensorFlow
Développement de base de ML
Développement de l'apprentissage profond
Développement de l’apprentissage par renforcement
Développement de la vision par ordinateur
Développement du traitement du langage naturel (NLP)
Bioinformatique
Développement CUDA
Développement MATLAB
Développement C/C++
Développement Java
Développement Python
Développement Scala
Développement R
Développement de Julia
Retour au sommet
L'apprentissage automatique est une branche de l'intelligence artificielle (IA) axée sur la création d'applications à l'aide d'algorithmes qui apprennent des modèles de données et améliorent leur précision au fil du temps sans avoir besoin d'être programmés.
Retour au sommet
Meilleures pratiques de traitement du langage naturel (NLP) par Microsoft
Le livre de recettes sur la conduite autonome de Microsoft
Azure Machine Learning – ML en tant que service | Microsoft Azure
Comment exécuter Jupyter Notebooks dans votre espace de travail Azure Machine Learning
Apprentissage automatique et intelligence artificielle | Services Web Amazon
Planification de blocs-notes Jupyter sur des instances éphémères Amazon SageMaker
IA et apprentissage automatique | Google Cloud
Utiliser des notebooks Jupyter avec Apache Spark sur Google Cloud
Apprentissage automatique | Développeur Apple
Intelligence artificielle et pilote automatique | Tesla
Outils méta-IA | Facebook
Tutoriels PyTorch
Tutoriels TensorFlow
Laboratoire Jupyter
Diffusion stable avec Core ML sur Apple Silicon
Retour au sommet
Apprentissage automatique par l'Université de Stanford par Andrew Ng | Coursera
Formation et certification AWS pour les cours d'apprentissage automatique (ML)
Programme de bourses d'apprentissage automatique pour Microsoft Azure | Udacité
Certifié Microsoft : Azure Data Scientist Associate
Certifié Microsoft : Associé ingénieur Azure AI
Formation et déploiement Azure Machine Learning
Apprentissage Machine learning et intelligence artificielle grâce à Google Cloud Training
Cours intensif d'apprentissage automatique pour Google Cloud
Cours d'apprentissage automatique en ligne | Udemy
Cours d'apprentissage automatique en ligne | Coursera
Apprenez l'apprentissage automatique avec des cours et des classes en ligne | edX
Retour au sommet
Introduction à l'apprentissage automatique (PDF)
Intelligence artificielle : une approche moderne par Stuart J. Russel et Peter Norvig
Apprentissage profond par Ian Goodfellow, Yoshoua Bengio et Aaron Courville
Le livre d'apprentissage automatique de cent pages par Andriy Burkov
Apprentissage automatique par Tom M. Mitchell
Programmation de l'intelligence collective : création d'applications Web intelligentes 2.0 par Toby Segaran
Apprentissage automatique : une perspective algorithmique, deuxième édition
Reconnaissance de formes et apprentissage automatique par Christopher M. Bishop
Traitement du langage naturel avec Python par Steven Bird, Ewan Klein et Edward Loper
Python Machine Learning : une approche technique de l'apprentissage automatique pour les débutants par Leonard Eddison
Raisonnement bayésien et apprentissage automatique par David Barber
Apprentissage automatique pour les débutants absolus : une introduction en anglais simple par Oliver Theobald
L'apprentissage automatique en action par Ben Wilson
Apprentissage automatique pratique avec Scikit-Learn, Keras et TensorFlow : concepts, outils et techniques pour créer des systèmes intelligents par Aurélien Géron
Introduction à l'apprentissage automatique avec Python : un guide destiné aux scientifiques des données par Andreas C. Müller et Sarah Guido
Apprentissage automatique pour les pirates : études de cas et algorithmes pour vous aider à démarrer par Drew Conway et John Myles White
Les éléments de l'apprentissage statistique : exploration de données, inférence et prédiction par Trevor Hastie, Robert Tibshirani et Jerome Friedman
Modèles d'apprentissage automatique distribués - Livre (lecture gratuite en ligne) + Code
Apprentissage automatique du monde réel [Chapitres gratuits]
Une introduction à l'apprentissage statistique - Book + R Code
Éléments d'apprentissage statistique - Livre
Pensez Bayes - Livre + Code Python
Exploration d'ensembles de données massifs
Une première rencontre avec l'apprentissage automatique
Introduction à l'apprentissage automatique - Alex Smola et SVN Vishwanathan
Une théorie probabiliste de la reconnaissance de formes
Introduction à la recherche d'informations
Prévision : principes et pratique
Introduction à l'apprentissage automatique - Amnon Shashua
Apprentissage par renforcement
Apprentissage automatique
Une quête pour l'IA
Programmation R pour la science des données
Exploration de données - Outils et techniques pratiques d'apprentissage automatique
Apprentissage automatique avec TensorFlow
Systèmes d'apprentissage automatique
Fondements de l'apprentissage automatique - Mehryar Mohri, Afshin Rostamizadeh et Ameet Talwalkar
Recherche basée sur l'IA - Trey Grainger, Doug Turnbull, Max Irwin -
Méthodes d'ensemble pour l'apprentissage automatique - Gautam Kunapuli
L'ingénierie de l'apprentissage automatique en action - Ben Wilson
Apprentissage automatique préservant la confidentialité - J. Morris Chang, Di Zhuang, G. Dumindu Samaraweera
Apprentissage automatique automatisé en action - Qingquan Song, Haifeng Jin et Xia Hu
Modèles d'apprentissage automatique distribués - Yuan Tang
Gestion de projets de Machine Learning : de la conception au déploiement - Simon Thompson
Apprentissage automatique causal - Robert Ness
L'optimisation bayésienne en action - Quan Nguyen
Algorithmes d'apprentissage automatique en profondeur) - Vadim Smolyakov
Algorithmes d'optimisation - Alaa Khamis
Le Boosting de Dégradé Pratique par Guillaume Saupin
Retour au sommet
Retour au sommet
TensorFlow est une plateforme open source de bout en bout pour l'apprentissage automatique. Il dispose d'un écosystème complet et flexible d'outils, de bibliothèques et de ressources communautaires qui permettent aux chercheurs de pousser l'état de l'art en matière de ML et aux développeurs de créer et de déployer facilement des applications basées sur le ML.
Keras est une API de réseaux neuronaux de haut niveau, écrite en Python et capable de s'exécuter sur TensorFlow, CNTK ou Theano. Elle a été développée dans le but de permettre une expérimentation rapide. Il est capable de fonctionner sur TensorFlow, Microsoft Cognitive Toolkit, R, Theano ou PlaidML.
PyTorch est une bibliothèque d'apprentissage en profondeur sur des données d'entrée irrégulières telles que des graphiques, des nuages de points et des variétés. Principalement développé par le laboratoire de recherche sur l'IA de Facebook.
Amazon SageMaker est un service entièrement géré qui offre à chaque développeur et data scientist la possibilité de créer, former et déployer rapidement des modèles d'apprentissage automatique (ML). SageMaker supprime le gros du travail de chaque étape du processus d'apprentissage automatique pour faciliter le développement de modèles de haute qualité.
Azure Databricks est un service d'analyse Big Data rapide et collaboratif basé sur Apache Spark, conçu pour la science et l'ingénierie des données. Azure Databricks configure votre environnement Apache Spark en quelques minutes, évolue automatiquement et collabore sur des projets partagés dans un espace de travail interactif. Azure Databricks prend en charge Python, Scala, R, Java et SQL, ainsi que les frameworks et bibliothèques de science des données, notamment TensorFlow, PyTorch et scikit-learn.
Microsoft Cognitive Toolkit (CNTK) est une boîte à outils open source pour l'apprentissage profond distribué de qualité commerciale. Il décrit les réseaux de neurones comme une série d'étapes de calcul via un graphe orienté. CNTK permet à l'utilisateur de réaliser et de combiner facilement des types de modèles populaires tels que les DNN à action directe, les réseaux de neurones convolutifs (CNN) et les réseaux de neurones récurrents (RNN/LSTM). CNTK implémente l'apprentissage par descente de gradient stochastique (SGD, rétropropagation des erreurs) avec différenciation et parallélisation automatiques sur plusieurs GPU et serveurs.
Apple CoreML est un framework qui permet d'intégrer des modèles d'apprentissage automatique dans votre application. Core ML fournit une représentation unifiée pour tous les modèles. Votre application utilise les API Core ML et les données utilisateur pour effectuer des prédictions et pour entraîner ou affiner des modèles, le tout sur l'appareil de l'utilisateur. Un modèle est le résultat de l’application d’un algorithme d’apprentissage automatique à un ensemble de données d’entraînement. Vous utilisez un modèle pour effectuer des prédictions basées sur de nouvelles données d'entrée.
Apache OpenNLP est une bibliothèque open source pour une boîte à outils basée sur l'apprentissage automatique utilisée dans le traitement du texte en langage naturel. Il dispose d'une API pour des cas d'utilisation tels que la reconnaissance d'entités nommées, la détection de phrases, le marquage POS (Part-Of-Speech), l'extraction de fonctionnalités de tokenisation, le découpage, l'analyse et la résolution de coréférence.
Apache Airflow est une plateforme de gestion de flux de travail open source créée par la communauté pour créer, planifier et surveiller des flux de travail par programmation. Installer. Principes. Évolutif. Airflow a une architecture modulaire et utilise une file d'attente de messages pour orchestrer un nombre arbitraire de travailleurs. Airflow est prêt à évoluer à l’infini.
Open Neural Network Exchange (ONNX) est un écosystème ouvert qui permet aux développeurs d'IA de choisir les bons outils à mesure que leur projet évolue. ONNX fournit un format open source pour les modèles d'IA, à la fois d'apprentissage en profondeur et de ML traditionnel. Il définit un modèle de graphe de calcul extensible, ainsi que des définitions d'opérateurs intégrés et de types de données standard.
Apache MXNet est un framework d'apprentissage en profondeur conçu à la fois pour l'efficacité et la flexibilité. Il vous permet de mélanger la programmation symbolique et impérative pour maximiser l’efficacité et la productivité. À la base, MXNet contient un planificateur de dépendances dynamique qui parallélise automatiquement les opérations symboliques et impératives à la volée. Une couche d'optimisation graphique en plus rend l'exécution symbolique rapide et efficace en mémoire. MXNet est portable et léger, s'adaptant efficacement à plusieurs GPU et plusieurs machines. Prise en charge de Python, R, Julia, Scala, Go, Javascript et plus encore.
AutoGluon est une boîte à outils pour l'apprentissage profond qui automatise les tâches d'apprentissage automatique vous permettant d'obtenir facilement de fortes performances prédictives dans vos applications. Avec seulement quelques lignes de code, vous pouvez former et déployer des modèles d'apprentissage profond de haute précision sur des données tabulaires, images et texte.
Anaconda est une plateforme de science des données très populaire pour l'apprentissage automatique et l'apprentissage profond qui permet aux utilisateurs de développer des modèles, de les former et de les déployer.
PlaidML est un compilateur tensoriel avancé et portable permettant l'apprentissage en profondeur sur les ordinateurs portables, les appareils intégrés ou d'autres appareils où le matériel informatique disponible n'est pas bien pris en charge ou où la pile logicielle disponible contient des restrictions de licence désagréables.
OpenCV est une bibliothèque hautement optimisée axée sur les applications de vision par ordinateur en temps réel. Les interfaces C++, Python et Java prennent en charge Linux, MacOS, Windows, iOS et Android.
Scikit-Learn est un module Python pour l'apprentissage automatique construit sur SciPy, NumPy et matplotlib, facilitant l'application d'implémentations robustes et simples de nombreux algorithmes d'apprentissage automatique populaires.
Weka est un logiciel d'apprentissage automatique open source accessible via une interface utilisateur graphique, des applications de terminal standard ou une API Java. Il est largement utilisé pour l'enseignement, la recherche et les applications industrielles, contient une multitude d'outils intégrés pour les tâches standard d'apprentissage automatique et donne en outre un accès transparent à des boîtes à outils bien connues telles que scikit-learn, R et Deeplearning4j.
Caffe est un framework d'apprentissage en profondeur conçu dans un souci d'expression, de rapidité et de modularité. Il est développé par Berkeley AI Research (BAIR)/The Berkeley Vision and Learning Center (BVLC) et des contributeurs de la communauté.
Theano est une bibliothèque Python qui vous permet de définir, d'optimiser et d'évaluer efficacement des expressions mathématiques impliquant des tableaux multidimensionnels, y compris une intégration étroite avec NumPy.
nGraph est une bibliothèque C++ open source, un compilateur et un runtime pour le Deep Learning. Le compilateur nGraph vise à accélérer le développement de charges de travail d'IA à l'aide de n'importe quel cadre d'apprentissage profond et à se déployer sur une variété de cibles matérielles. Il offre liberté, performances et facilité d'utilisation aux développeurs d'IA.
NVIDIA cuDNN est une bibliothèque de primitives accélérée par GPU pour les réseaux neuronaux profonds. cuDNN fournit des implémentations hautement optimisées pour les routines standard telles que les couches de convolution avant et arrière, de regroupement, de normalisation et d'activation. cuDNN accélère les frameworks d'apprentissage en profondeur largement utilisés, notamment Caffe2, Chainer, Keras, MATLAB, MxNet, PyTorch et TensorFlow.
Huginn est un système auto-hébergé pour les agents de création qui effectuent des tâches automatisées pour vous en ligne. Il peut lire le Web, surveiller les événements et prendre des mesures en votre nom. Les agents de Huginn créent et consomment des événements, les propageant le long d'un graphique orienté. Considérez-le comme une version piratable d'IFTTT ou de Zapier sur votre propre serveur.
Netron est un visualiseur de modèles de réseaux neuronaux, d'apprentissage profond et d'apprentissage automatique. Il prend en charge ONNX, TensorFlow Lite, Caffe, Keras, Darknet, PaddlePaddle, ncnn, MNN, Core ML, RKNN, MXNet, MindSpore Lite, TNN, Barracuda, Tengine, CNTK, TensorFlow.js, Caffe2 et UFF.
Dopamine est un cadre de recherche pour le prototypage rapide d'algorithmes d'apprentissage par renforcement.
DALI est une bibliothèque accélérée par GPU contenant des blocs de construction hautement optimisés et un moteur d'exécution pour le traitement des données afin d'accélérer les applications de formation et d'inférence de deep learning.
MindSpore Lite est un nouveau cadre de formation/inférence d'apprentissage profond open source qui pourrait être utilisé pour des scénarios mobiles, Edge et Cloud.
Darknet est un framework de réseau neuronal open source écrit en C et CUDA. Il est rapide, facile à installer et prend en charge le calcul CPU et GPU.
PaddlePaddle est une plateforme d'apprentissage en profondeur facile à utiliser, efficace, flexible et évolutive, développée à l'origine par des scientifiques et des ingénieurs de Baidu dans le but d'appliquer l'apprentissage en profondeur à de nombreux produits de Baidu.
GoogleNotebookLM est un outil d'IA expérimental utilisant la puissance de modèles linguistiques associés à votre contenu existant pour obtenir plus rapidement des informations critiques. Semblable à un assistant de recherche virtuel capable de résumer des faits, d'expliquer des idées complexes et de réfléchir à de nouvelles connexions en fonction des sources que vous sélectionnez.
Unilm est une pré-formation auto-supervisée à grande échelle couvrant les tâches, les langues et les modalités.
Semantic Kernel (SK) est un SDK léger permettant l'intégration de modèles de langage étendus (LLM) d'IA avec des langages de programmation conventionnels. Le modèle de programmation extensible SK combine des fonctions sémantiques en langage naturel, des fonctions natives de code traditionnel et une mémoire basée sur l'intégration, libérant ainsi un nouveau potentiel et ajoutant de la valeur aux applications avec l'IA.
Pandas AI est une bibliothèque Python qui intègre des capacités d'intelligence artificielle générative dans Pandas, rendant les trames de données conversationnelles.
NCNN est un cadre d'inférence de réseau neuronal haute performance optimisé pour la plate-forme mobile.
MNN est un cadre d'apprentissage profond ultra-rapide et léger, testé par des cas d'utilisation critiques pour l'entreprise chez Alibaba.
MediaPipe est optimisé pour des performances de bout en bout sur un large éventail de plates-formes. Voir les démos En savoir plus ML complexe sur appareil, simplifié Nous avons éliminé les complexités liées à la création d'un ML sur appareil personnalisable, prêt pour la production et accessible sur toutes les plateformes.
MegEngine est un framework d'apprentissage en profondeur rapide, évolutif et convivial avec 3 fonctionnalités clés : Un framework unifié pour la formation et l'inférence.
ML.NET est une bibliothèque d'apprentissage automatique conçue comme une plate-forme extensible afin que vous puissiez utiliser d'autres frameworks ML populaires (TensorFlow, ONNX, Infer.NET, etc.) et avoir accès à encore plus de scénarios d'apprentissage automatique, comme la classification d'images, détection d'objets, et plus encore.
Ludwig est un framework d'apprentissage automatique déclaratif qui facilite la définition de pipelines d'apprentissage automatique à l'aide d'un système de configuration simple et flexible basé sur les données.
MMdnn est un outil complet et multi-framework pour convertir, visualiser et diagnostiquer des modèles d'apprentissage profond (DL). Le « MM » signifie gestion de modèles et « dnn » est l'acronyme de réseau neuronal profond. Convertissez des modèles entre Caffe, Keras, MXNet, Tensorflow, CNTK, PyTorch Onnx et CoreML.
Horovod est un framework de formation d'apprentissage profond distribué pour TensorFlow, Keras, PyTorch et Apache MXNet.
Vaex est une bibliothèque Python hautes performances pour les DataFrames Out-of-Core paresseux (similaires aux Pandas), permettant de visualiser et d'explorer de grands ensembles de données tabulaires.
GluonTS est un package Python pour la modélisation probabiliste de séries chronologiques, axé sur les modèles basés sur l'apprentissage profond, basés sur PyTorch et MXNet.
MindsDB est un serveur ML-SQL qui permet des flux de travail d'apprentissage automatique pour les bases de données et entrepôts de données les plus puissants utilisant SQL.
Jupyter Notebook est une application Web open source qui vous permet de créer et de partager des documents contenant du code en direct, des équations, des visualisations et du texte narratif. Jupyter est largement utilisé dans les secteurs qui effectuent le nettoyage et la transformation de données, la simulation numérique, la modélisation statistique, la visualisation de données, la science des données et l'apprentissage automatique.
Apache Spark est un moteur d'analyse unifié pour le traitement de données à grande échelle. Il fournit des API de haut niveau en Scala, Java, Python et R, ainsi qu'un moteur optimisé qui prend en charge les graphiques de calcul généraux pour l'analyse des données. Il prend également en charge un riche ensemble d'outils de niveau supérieur, notamment Spark SQL pour SQL et DataFrames, MLlib pour l'apprentissage automatique, GraphX pour le traitement des graphiques et Structured Streaming pour le traitement des flux.
Apache Spark Connector pour SQL Server et Azure SQL est un connecteur hautes performances qui vous permet d'utiliser des données transactionnelles dans l'analyse du Big Data et de conserver les résultats pour les requêtes ou les rapports ad hoc. Le connecteur vous permet d'utiliser n'importe quelle base de données SQL, sur site ou dans le cloud, comme source de données d'entrée ou récepteur de données de sortie pour les tâches Spark.
Apache PredictionIO est un framework d'apprentissage automatique open source destiné aux développeurs, aux data scientists et aux utilisateurs finaux. Il prend en charge la collecte d'événements, le déploiement d'algorithmes, l'évaluation et l'interrogation de résultats prédictifs via les API REST. Il est basé sur des services open source évolutifs comme Hadoop, HBase (et autres bases de données), Elasticsearch, Spark et implémente ce qu'on appelle une architecture Lambda.
Cluster Manager for Apache Kafka (CMAK) est un outil de gestion des clusters Apache Kafka.
BigDL est une bibliothèque d'apprentissage profond distribuée pour Apache Spark. Avec BigDL, les utilisateurs peuvent écrire leurs applications de deep learning sous forme de programmes Spark standard, qui peuvent s'exécuter directement sur les clusters Spark ou Hadoop existants.
Eclipse Deeplearning4J (DL4J) est un ensemble de projets destinés à prendre en charge tous les besoins d'une application d'apprentissage profond basée sur JVM (Scala, Kotlin, Clojure et Groovy). Cela signifie commencer par les données brutes, les charger et les prétraiter où que ce soit et quel que soit leur format, pour créer et régler une grande variété de réseaux d'apprentissage en profondeur simples et complexes.
Tensorman est un utilitaire permettant de gérer facilement les conteneurs Tensorflow développé par System76. Tensorman permet à Tensorflow de fonctionner dans un environnement isolé, confiné au reste du système. Cet environnement virtuel peut fonctionner indépendamment du système de base, vous permettant d'utiliser n'importe quelle version de Tensorflow sur n'importe quelle version d'une distribution Linux prenant en charge le runtime Docker.
Numba est un compilateur d'optimisation open source compatible NumPy pour Python sponsorisé par Anaconda, Inc. Il utilise le projet de compilateur LLVM pour générer du code machine à partir de la syntaxe Python. Numba peut compiler un large sous-ensemble de Python à orientation numérique, y compris de nombreuses fonctions NumPy. De plus, Numba prend en charge la parallélisation automatique des boucles, la génération de code accéléré par GPU et la création d'ufuncs et de rappels C.
Chainer est un framework d'apprentissage en profondeur basé sur Python visant la flexibilité. Il fournit des API de différenciation automatique basées sur l'approche de définition par exécution (graphiques informatiques dynamiques) ainsi que des API de haut niveau orientées objet pour créer et former des réseaux de neurones. Il prend également en charge CUDA/cuDNN en utilisant CuPy pour une formation et une inférence hautes performances.
XGBoost est une bibliothèque distribuée optimisée d'amélioration de gradient conçue pour être très efficace, flexible et portable. Il implémente des algorithmes d'apprentissage automatique dans le cadre du framework Gradient Boosting. XGBoost fournit un boosting d'arbre parallèle (également connu sous le nom de GBDT, GBM) qui résout de nombreux problèmes de science des données de manière rapide et précise. Il prend en charge la formation distribuée sur plusieurs machines, notamment les clusters AWS, GCE, Azure et Yarn. En outre, il peut être intégré à Flink, Spark et d'autres systèmes de flux de données cloud.
cuML est une suite de bibliothèques qui implémentent des algorithmes d'apprentissage automatique et des fonctions de primitives mathématiques qui partagent des API compatibles avec d'autres projets RAPIDS. cuML permet aux data scientists, aux chercheurs et aux ingénieurs logiciels d'exécuter des tâches de ML tabulaires traditionnelles sur des GPU sans entrer dans les détails de la programmation CUDA. Dans la plupart des cas, l'API Python de cuML correspond à l'API de scikit-learn.
Emu est une bibliothèque GPGPU pour Rust axée sur la portabilité, la modularité et les performances. Il s'agit d'une abstraction spécifique au calcul de type CUDA sur WebGPU fournissant des fonctionnalités spécifiques pour que WebGPU ressemble davantage à CUDA.
Scalene est un profileur de CPU, GPU et mémoire hautes performances pour Python qui fait un certain nombre de choses que les autres profileurs Python ne font pas et ne peuvent pas faire. Il s'exécute plusieurs fois plus rapidement que de nombreux autres profileurs tout en fournissant des informations beaucoup plus détaillées.
MLpack est une bibliothèque d'apprentissage automatique C++ rapide et flexible écrite en C++ et construite sur la bibliothèque d'algèbre linéaire Armadillo, la bibliothèque d'optimisation numérique ensmallen et des parties de Boost.
Netron est un visualiseur de modèles de réseaux neuronaux, d'apprentissage profond et d'apprentissage automatique. Il prend en charge ONNX, TensorFlow Lite, Caffe, Keras, Darknet, PaddlePaddle, ncnn, MNN, Core ML, RKNN, MXNet, MindSpore Lite, TNN, Barracuda, Tengine, CNTK, TensorFlow.js, Caffe2 et UFF.
Lightning est un outil qui crée et entraîne des modèles PyTorch et les connecte au cycle de vie du ML à l'aide de modèles d'application Lightning, sans gérer l'infrastructure de bricolage, la gestion des coûts, la mise à l'échelle, etc.
OpenNN est une bibliothèque de réseaux de neurones open source pour l'apprentissage automatique. Il contient des algorithmes et des utilitaires sophistiqués pour gérer de nombreuses solutions d'intelligence artificielle.
H20 est une plateforme AI Cloud qui résout des problèmes commerciaux complexes et accélère la découverte de nouvelles idées avec des résultats que vous pouvez comprendre et auxquels vous pouvez faire confiance.
Gensim est une bibliothèque Python pour la modélisation de sujets, l'indexation de documents et la récupération de similarités avec de grands corpus. Le public cible est la communauté du traitement du langage naturel (NLP) et de la recherche d'informations (RI).
llama.cpp est un portage du modèle LLaMA de Facebook en C/C++.
hmmlearn est un ensemble d'algorithmes pour l'apprentissage et l'inférence non supervisés de modèles de Markov cachés.
Nextjournal est un cahier de recherche reproductible. Il exécute tout ce que vous pouvez mettre dans un conteneur Docker. Améliorez votre flux de travail avec des blocs-notes polyglottes, une gestion automatique des versions et une collaboration en temps réel. Économisez du temps et de l'argent grâce au provisionnement à la demande, y compris la prise en charge du GPU.
IPython fournit une architecture riche pour l'informatique interactive avec :
Veles est une plate-forme distribuée pour le développement rapide d'applications d'apprentissage profond actuellement développée par Samsung.
DyNet est une bibliothèque de réseaux neuronaux développée par l'Université Carnegie Mellon et bien d'autres. Il est écrit en C++ (avec des liaisons en Python) et est conçu pour être efficace lorsqu'il est exécuté sur CPU ou GPU, et pour bien fonctionner avec des réseaux dotés de structures dynamiques qui changent pour chaque instance de formation. Ces types de réseaux sont particulièrement importants dans les tâches de traitement du langage naturel, et DyNet a été utilisé pour créer des systèmes de pointe pour l'analyse syntaxique, la traduction automatique, l'inflexion morphologique et de nombreux autres domaines d'application.
Ray est un framework unifié pour faire évoluer les applications IA et Python. Il se compose d'un environnement d'exécution distribué de base et d'une boîte à outils de bibliothèques (Ray AIR) pour accélérer les charges de travail de ML.
murmur.cpp est une inférence haute performance du modèle de reconnaissance vocale automatique (ASR) Whisper d'OpenAI.
ChatGPT Plus est un plan d'abonnement pilote ( 20 $/mois ) pour ChatGPT, une IA conversationnelle qui peut discuter avec vous, répondre à des questions de suivi et contester des hypothèses incorrectes.
Auto-GPT est un « agent IA » qui, étant donné un objectif en langage naturel, peut tenter de l'atteindre en le divisant en sous-tâches et en utilisant Internet et d'autres outils dans une boucle automatique. Il utilise les API GPT-4 ou GPT-3.5 d'OpenAI et fait partie des premiers exemples d'application utilisant GPT-4 pour effectuer des tâches autonomes.
Chatbot UI de mckaywrigley est un kit de chatbot avancé pour les modèles de chat d'OpenAI construit sur Chatbot UI Lite à l'aide de Next.js, TypeScript et Tailwind CSS. Cette version de ChatBot UI prend en charge les modèles GPT-3.5 et GPT-4. Les conversations sont stockées localement dans votre navigateur. Vous pouvez exporter et importer des conversations pour vous protéger contre la perte de données. Voir une démo.
Chatbot UI Lite de mckaywrigley est un simple kit de démarrage de chatbot pour le modèle de chat d'OpenAI utilisant Next.js, TypeScript et Tailwind CSS. Voir une démo.
MiniGPT-4 est une compréhension améliorée du langage visuel avec des modèles de langage étendus avancés.
GPT4All est un écosystème de chatbots open source formés sur une collection massive de données d'assistant propres, notamment du code, des histoires et des dialogues basés sur LLaMa.
GPT4All UI est une application Web Flask qui fournit une interface utilisateur de chat pour interagir avec le chatbot GPT4All.
Alpaca.cpp est un modèle rapide de type ChatGPT localement sur votre appareil. Il combine le modèle de base LLaMA avec une reproduction ouverte de Stanford Alpaca, un réglage fin du modèle de base pour obéir aux instructions (semblable au RLHF utilisé pour entraîner ChatGPT) et un ensemble de modifications à lama.cpp pour ajouter une interface de discussion.
llama.cpp est un portage du modèle LLaMA de Facebook en C/C++.
OpenPlayground est un terrain de jeu pour exécuter des modèles de type ChatGPT localement sur votre appareil.
Vicuna est un chatbot open source formé par le réglage fin de LLaMA. Il atteint apparemment une qualité de chatgpt supérieure à 90 % et coûte 300 $ pour s'entraîner.
Yeagar ai est un créateur d'agents Langchain conçu pour vous aider à créer, prototyper et déployer facilement des agents basés sur l'IA.
Vicuna est créé en affinant un modèle de base LLaMA à l'aide d'environ 70 000 conversations partagées par les utilisateurs recueillies sur ShareGPT.com avec des API publiques. Pour garantir la qualité des données, il reconvertit le HTML en markdown et filtre certains échantillons inappropriés ou de mauvaise qualité.
ShareGPT est un endroit pour partager vos conversations ChatGPT les plus folles en un seul clic. Avec 198 404 conversations partagées jusqu’à présent.
FastChat est une plate-forme ouverte pour la formation, le service et l'évaluation de chatbots basés sur de grands modèles de langage.
Haystack est un framework NLP open source pour interagir avec vos données à l'aide de modèles Transformer et LLM (GPT-4, ChatGPT et similaires). Il offre des outils prêts pour la production pour créer rapidement des applications complexes de prise de décision, de réponse aux questions, de recherche sémantique, de génération de texte, etc.
StableLM (Stability AI Language Models) est une série de modèles de langage StableLM et sera continuellement mise à jour avec de nouveaux points de contrôle.
Databricks' Dolly est un grand modèle de langage qui suit des instructions et qui est formé sur la plateforme d'apprentissage automatique Databricks sous licence pour un usage commercial.
GPTCach est une bibliothèque permettant de créer un cache sémantique pour les requêtes LLM.
AlaC est un générateur d'infrastructure en tant que code d'intelligence artificielle.
Adrenaline est un outil qui vous permet de parler à votre base de code. Il est alimenté par l'analyse statique, la recherche vectorielle et de grands modèles de langage.
OpenAssistant est un assistant basé sur le chat qui comprend les tâches, peut interagir avec des systèmes tiers et récupérer des informations de manière dynamique pour ce faire.
DoctorGPT est un binaire autonome léger qui surveille les journaux de vos applications à la recherche de problèmes et les diagnostique.
HttpGPT est un plugin Unreal Engine 5 qui facilite l'intégration avec les services basés sur GPT d'OpenAI (ChatGPT et DALL-E) via des requêtes REST asynchrones, permettant aux développeurs de communiquer facilement avec ces services. Il comprend également des outils d'édition pour intégrer la génération d'images Chat GPT et DALL-E directement dans le moteur.
PaLM 2 est un grand modèle de langage de nouvelle génération qui s'appuie sur l'héritage de recherche révolutionnaire de Google en matière d'apprentissage automatique et d'IA responsable. Il comprend des tâches de raisonnement avancées, notamment le code et les mathématiques, la classification et la réponse aux questions, la traduction et la maîtrise du multilingue, ainsi que la génération de langage naturel, meilleures que nos précédents LLM de pointe.
Med-PaLM est un grand modèle de langage (LLM) conçu pour fournir des réponses de haute qualité aux questions médicales. Il exploite la puissance des grands modèles linguistiques de Google, que nous avons alignés sur le domaine médical avec un ensemble de démonstrations d'experts médicaux soigneusement organisées.
Sec-PaLM est un grand modèle de langage (LLM) qui accélère la capacité d'aider les personnes responsables de la sécurité de leur organisation. Ces nouveaux modèles offrent non seulement aux utilisateurs une manière plus naturelle et créative de comprendre et de gérer la sécurité.
Retour au sommet
Retour au sommet
Retour au sommet
Localai est une API locale compatible ouverte locale, axée sur la communauté et locale. Remplacement de dépôt pour les LLM en cours d'exécution OpenAI sur le matériel de qualité grand public sans aucun GPU requis. C'est une API pour exécuter des modèles compatibles GGML: Llama, GPT4ALL, RWKV, Whisper, Vicuna, Koala, GPT4ALL-J, Cerebras, Falcon, Dolly, Starcoder et bien d'autres.
Lama.cpp est un port du modèle LLAMA de Facebook en C / C ++.
Olllama est un outil pour se présenter avec LLAMA 2 et d'autres modèles de grande langue localement.
Localai est une API locale compatible ouverte locale, axée sur la communauté et locale. Remplacement de dépôt pour les LLM en cours d'exécution OpenAI sur le matériel de qualité grand public sans aucun GPU requis. C'est une API pour exécuter des modèles compatibles GGML: Llama, GPT4ALL, RWKV, Whisper, Vicuna, Koala, GPT4ALL-J, Cerebras, Falcon, Dolly, Starcoder et bien d'autres.
Serge est une interface Web pour discuter avec Alpaca via llama.cpp. Entièrement auto-hébergé et dockée, avec une API facile à utiliser.
OpenLLM est une plate-forme ouverte pour faire fonctionner de grands modèles de langage (LLMS) en production. Affiner, servir, déployer et surveiller les LLM avec facilité.
Llama-GPT est un chatbot auto-hébergé, hors ligne et semblable à un chatpt. Propulsé par Llama 2. 100% privé, sans données quittant votre appareil.
LLAMA2 WEBUI est un outil pour exécuter n'importe quel Llama 2 localement avec Gradio UI sur GPU ou CPU de n'importe où (Linux / Windows / Mac). Utilisez llama2-wrapper comme backend LLAMA2 local pour les agents / applications génératifs.
LLAMA2.C est un outil pour former l'architecture LLAMA 2 LLM à Pytorch puis l'inférer avec un fichier C simple à 700 lignes (Run.C).
Alpaca.cpp est un modèle rapide de type chatppt localement sur votre appareil. Il combine le modèle de fondation lama avec une reproduction ouverte de Stanford Alpaca un réglage fin du modèle de base pour obéir aux instructions (semblable au RLHF utilisé pour former le chatppt) et un ensemble de modifications sur llama.cpp pour ajouter une interface de chat.
GPT4ALL est un écosystème de chatbots open source formé sur une collection massive de données assistantes propres, notamment du code, des histoires et du dialogue basé sur LLAMA.
Minigpt-4 est une compréhension améliorante de la vision avec des modèles avancés de grande langue
Lollms Webui est un modèle de hub pour les modèles LLM (modèle grand langage). Il vise à fournir une interface conviviale pour accéder et utiliser divers modèles LLM pour une large gamme de tâches. Que vous ayez besoin d'aide pour l'écriture, le codage, l'organisation de données, la génération d'images ou la recherche de réponses à vos questions.
LM Studio est un outil pour découvrir, télécharger et exécuter des LLM locaux.
L'interface utilisateur Web Gradio est un outil pour les modèles de grande langue. Soutient Transformers, GPTQ, LLAMA.CPP (GGML / GGUF), LLAMA Models.
OpenPlayground est un PlayFround pour exécuter des modèles de type ChatGPT localement sur votre appareil.
Vicuna est un chatbot open source formé par Fine Tuning Llama. Il obtient apparemment plus de 90% de la qualité de Chatgpt et coûte 300 $ pour s'entraîner.
Yeagar AI est un créateur d'agent de Langchain conçu pour vous aider à construire, prototyper et déployer facilement les agents alimentés par AI.
KoboldCPP est un logiciel de génération de texte AI facile à utiliser pour les modèles GGML. Il s'agit d'un seul auto-contenu distribuable de Concedo, qui construit sur Llama.cpp, et ajoute un point de terminaison de l'API Kobold polyvalent, un support de format supplémentaire, une compatibilité arriérée, ainsi qu'une interface utilisateur fantaisie avec des histoires persistantes, des outils d'édition, des formats de sauvegarde, de la mémoire, du monde Informations, note, personnages et scénarios de l'auteur.
Retour au sommet
Fuzzy Logic est une approche heuristique qui permet un traitement plus avancé de la décision et une meilleure intégration avec une programmation basée sur des règles.
Architecture d'un système logique floue. Source: Researchgate
Support Vector Machine (SVM) est un modèle d'apprentissage automatique supervisé qui utilise des algorithmes de classification pour des problèmes de classification à deux groupes.
Support Vector Machine (SVM). Source: OpenClipart
Les réseaux de neurones sont un sous-ensemble d'apprentissage automatique et sont au cœur des algorithmes d'apprentissage en profondeur. Le nom / structure est inspiré par le cerveau humain copie le processus que les neurones / nœuds biologiques se signalent.
Réseau neuronal profond. Source: IBM
Les réseaux de neurones convolutionnels (R-CNN) sont un algorithme de détection d'objet qui segmente d'abord l'image pour trouver des boîtes de délimitation pertinentes potentielles, puis exécutez l'algorithme de détection pour trouver la plupart des objets probables dans ces boîtes de délimitation.
Réseaux de neurones convolutionnels. Source: CS231N
Les réseaux de neurones récurrents (RNN) sont un type de réseau neuronal artificiel qui utilise des données séquentielles ou des données de séries temporelles.
Réseaux de neurones récurrents. Source: Slideteam
Les perceptrons multicouches (MLP) sont des réseaux neuronaux multicouches composés de plusieurs couches de perceptrons avec une activation seuil.
Perceptrons multicouches. Source: Deepai
La forêt aléatoire est un algorithme d'apprentissage automatique couramment utilisé, qui combine la sortie de plusieurs arbres de décision pour atteindre un seul résultat. Un arbre de décision dans une forêt ne peut pas être taillé pour l'échantillonnage et donc la sélection de prédiction. Sa facilité d'utilisation et sa flexibilité ont alimenté son adoption, car il gère à la fois les problèmes de classification et de régression.
Forêt aléatoire. Source: Wikimedia
Les arbres de décision sont des modèles structurés des arbres pour la classification et la régression.
** Arbres de décision. Source: CMU
Naive Bayes est un algorithme d'apprentissage automatique qui est utilisé des problèmes de calsification résolu. Il est basé sur l'application du théorème de Bayes avec de fortes hypothèses d'indépendance entre les fonctionnalités.
Théorème de Bayes. Source: Mathisfun
Retour au sommet
Pytorch est un cadre d'apprentissage en profondeur open source qui accélère la voie de la recherche à la production, utilisé pour des applications telles que la vision par ordinateur et le traitement du langage naturel. Pytorch est développé par le laboratoire de recherche AI de Facebook.
Commencer avec Pytorch
Documentation Pytorch
Forum de discussion Pytorch
Top Pytorch Cours en ligne | Coursera
Top Pytorch Cours en ligne | Udemy
Apprenez Pytorch avec des cours et des cours en ligne | edX
Pytorch Fundamentals - Learn | Microsoft Docs
Intro à l'apprentissage en profondeur avec Pytorch | Udacie
Pytorch Development in Visual Studio Code
Pytorch sur Azure - Deep Learning with Pytorch | Microsoft Azure
Pytorch - Azure Databricks | Microsoft Docs
Deep Learning with Pytorch | Amazon Web Services (AWS)
Début avec Pytorch sur Google Cloud
Pytorch Mobile est un flux de travail ML de bout en bout de la formation au déploiement pour les appareils mobiles iOS et Android.
TorchScript est un moyen de créer des modèles sérialisables et optimisables à partir du code Pytorch. Cela permet à tout programme TORCHScript d'être enregistré à partir d'un processus Python et chargé dans un processus où il n'y a pas de dépendance Python.
Torchserve est un outil flexible et facile à utiliser pour servir les modèles Pytorch.
Keras est une API de réseaux neuronaux de haut niveau, écrite en python et capable de courir sur Tensorflow, CNTK ou Theano.Il a été développé en mettant l'accent sur l'activation d'une expérimentation rapide. Il est capable de fonctionner sur TensorFlow, Microsoft Cognitive Toolkit, R, Theano ou PLAIDML.
L'ONNX Runtime est un accélérateur d'inférence ML haute plateforme et haute performance et de formation. Il prend en charge les modèles de frameworks d'apprentissage en profondeur tels que Pytorch et TensorFlow / Keras ainsi que des bibliothèques d'apprentissage automatique classiques telles que Scikit-Learn, LightGBM, XGBOost, etc.
Kornia est une bibliothèque de vision informatique différente qui se compose d'un ensemble de routines et de modules différenciables pour résoudre les problèmes génériques de CV (vision par ordinateur).
Pytorch-NLP est une bibliothèque pour le traitement du langage naturel (NLP) dans Python. Il est construit avec la toute dernière recherche à l'esprit et a été conçu dès le premier jour pour soutenir le prototypage rapide. Pytorch-NLP est livré avec des incorporations pré-formées, des échantillonneurs, des chargeurs de données, des métriques, des modules de réseau neuronal et des encodeurs de texte.
Ignite est une bibliothèque de haut niveau pour aider à la formation et à l'évaluation des réseaux de neurones en pytorch de manière flexible et transparente.
Hummingbird est une bibliothèque pour compiler les modèles ML traditionnels formés dans les calculs du tenseur. Il permet aux utilisateurs de tirer parti de manière transparente des cadres de réseau neuronal (comme Pytorch) pour accélérer les modèles ML traditionnels.
Deep Graph Library (DGL) est un package Python conçu pour une implémentation facile de la famille du modèle de réseau neuronal graphique, en plus de Pytorch et d'autres cadres.
Tensorly est une API de haut niveau pour les méthodes de tension et les réseaux de neurones tenorisés profonds en Python qui vise à rendre l'apprentissage du tenseur simple.
GPYTORCH est une bibliothèque de processus gaussienne implémentée à l'aide de Pytorch, conçue pour créer des modèles de processus gaussiens flexibles évolutifs et flexibles.
Poutyne est un cadre de type Keras pour Pytorch et gère une grande partie du code de la boiler nécessaire pour former des réseaux de neurones.
Forte est une boîte à outils pour construire des pipelines NLP avec des composants composables, des interfaces de données pratiques et une interaction entre les tâches.
TorchMetrics est une mesure d'apprentissage automatique pour les applications Pytorch distribuées et évolutives.
Captum est une bibliothèque extensible open source pour l'interprétabilité du modèle construite sur Pytorch.
Le transformateur est un traitement du langage naturel à la pointe de la technologie pour Pytorch, TensorFlow et Jax.
HYDRA est un cadre pour configurer élégamment les applications complexes.
Accelerate est un moyen simple de s'entraîner et d'utiliser des modèles Pytorch avec multi-GPU, TPU, précision mixte.
Ray est un cadre rapide et simple pour construire et exécuter des applications distribuées.
Parlai est une plate-forme unifiée pour le partage, la formation et l'évaluation des modèles de dialogue sur de nombreuses tâches.
Pytorchvideo est une bibliothèque d'apprentissage en profondeur pour la recherche de compréhension vidéo. Héberge divers modèles, ensembles de données, des pipelines d'entraînement et plus encore.
Opacus est une bibliothèque qui permet la formation de modèles Pytorch avec une confidentialité différentielle.
Pytorch Lightning est une bibliothèque ML de type Keras pour Pytorch. Il vous laisse une logique de formation et de validation de base et automatise le reste.
Pytorch Geometric Temporal est une bibliothèque d'extension temporelle (dynamique) pour la géométrique Pytorch.
Pytorch Geométrique est une bibliothèque d'apprentissage en profondeur sur des données d'entrée irrégulières telles que les graphiques, les nuages ponctuels et les collecteurs.
Raster Vision est un cadre open source pour l'apprentissage en profondeur sur les images satellites et aériennes.
Crypten est un cadre pour la préservation de la confidentialité ML. Son objectif est de rendre les techniques informatiques sécurisées accessibles aux praticiens de la ML.
Optuna est un cadre d'optimisation hyperparamètre open source pour automatiser la recherche d'hyperparamètre.
Pyro est un langage de programmation probabiliste universel (PPL) écrit en python et soutenu par Pytorch sur le backend.
Albumentations est une bibliothèque d'augmentation d'image rapide et extensible pour différentes tâches CV comme la classification, la segmentation, la détection d'objets et l'estimation de la pose.
Skorch est une bibliothèque de haut niveau pour Pytorch qui offre une compatibilité complète de Scikit-Learn.
MMF est un cadre modulaire pour la recherche multimodale Vision & Language de Facebook AI Research (FAIR).
ADAPTDL est un cadre de formation et de planification d'apprentissage en profondeur adaptatif en ressources.
Le polyaxon est une plate-forme pour la construction, la formation et la surveillance des applications d'apprentissage en profondeur à grande échelle.
TextBrewer est une boîte à outils de distillation de connaissances basée sur Pytorch pour le traitement du langage naturel
Le publicité est une boîte à outils pour la recherche sur la robustesse adversaire. Il contient des modules pour générer des exemples contradictoires et défendre contre les attaques.
Nemo est la boîte à outils AA pour l'IA conversationnelle.
Clinicadl est un cadre de classification reproductible de la maladie d'Alzheimer
STABLE BASELINES3 (SB3) est un ensemble d'implémentations fiables des algorithmes d'apprentissage de renforcement dans Pytorch.
Torchio est un ensemble d'outils pour lire efficacement, prétraitement, échantillonner, augmenter et écrire des images médicales 3D dans des applications d'apprentissage en profondeur écrites en pytorch.
Pysyft est une bibliothèque Python pour l'apprentissage en profondeur crypté et confidentiel.
Flair est un cadre très simple pour le traitement du langage naturel de pointe (NLP).
Glow est un compilateur ML qui accélère les performances des cadres d'apprentissage en profondeur sur différentes plates-formes matérielles.
FairScale est une bibliothèque d'extension Pytorch pour des performances élevées et une formation à grande échelle sur une ou plusieurs machines / nœuds.
Monai est un cadre d'apprentissage en profondeur qui offre des capacités fondamentales optimisées dans le domaine pour développer des flux de travail de formation d'imagerie des soins de santé.
PFRL est une bibliothèque d'apprentissage de renforcement profonde qui implémente divers algorithmes de renforcement profond de pointe à Python à l'aide de Pytorch.
Einops est une opération de tenseur flexible et puissante pour un code lisible et fiable.
Pytorch3d est une bibliothèque d'apprentissage en profondeur qui fournit des composants efficaces et réutilisables pour la recherche sur la vision par ordinateur 3D avec Pytorch.
Ensemble Pytorch est un cadre d'ensemble unifié pour Pytorch afin d'améliorer les performances et la robustesse de votre modèle d'apprentissage en profondeur.
Légèrement est un cadre de vision par ordinateur pour l'apprentissage auto-supervisé.
Plus haut est une bibliothèque qui facilite la mise en œuvre d'algorithmes de méta-apprentissage à base de gradient arbitrairement complexes et de boucles d'optimisation imbriquées avec un pytorch proche de la vanille.
Horovod est une bibliothèque de formation distribuée pour les cadres d'apprentissage en profondeur. Horovod vise à rendre DL distribué rapidement et facile à utiliser.
Pennylane est une bibliothèque pour la ML quantique, la différenciation automatique et l'optimisation des calculs hybrides-classiques quantiques.
Detectron2 est la plate-forme de nouvelle génération de Fair pour la détection et la segmentation des objets.
Fastai est une bibliothèque qui simplifie l'entraînement Fast et précis NEURAL NEURS en utilisant les meilleures pratiques modernes.
Retour au sommet
TensorFlow est une plate-forme open source de bout en bout pour l'apprentissage automatique. Il dispose d'un écosystème complet et flexible d'outils, de bibliothèques et de ressources communautaires qui permet aux chercheurs de pousser l'état de l'art en ML et les développeurs créent et déploient facilement des applications alimentées par ML.
Début avec TensorFlow
Tutoriels TensorFlow
Certificat de développeur TensorFlow | TensorFlow
Communauté Tensorflow
TensorFlow Modèles et ensembles de données
Nuage de tensorflow
Éducation à l'apprentissage automatique | TensorFlow
Top TensorFlow Cours en ligne | Coursera
Top TensorFlow Cours en ligne | Udemy
Apprentissage en profondeur avec TensorFlow | Udemy
Apprentissage en profondeur avec TensorFlow | edX
Intro à TensorFlow pour l'apprentissage en profondeur | Udacie
Intro à TensorFlow: cours de crash d'apprentissage automatique | Développeurs Google
Former et déployer un modèle TensorFlow - Azure Machine Learning
Appliquer des modèles d'apprentissage automatique dans les fonctions Azure avec Python et TensorFlow | Microsoft Azure
Apprentissage en profondeur avec TensorFlow | Amazon Web Services (AWS)
TensorFlow - Amazon EMR | Documentation AWS
TensorFlow Enterprise | Google Cloud
TensorFlow Lite est un cadre de Deep Learning open source pour le déploiement de modèles d'apprentissage automatique sur les appareils mobiles et IoT.
Tensorflow.js est une bibliothèque JavaScript qui vous permet de développer ou d'exécuter des modèles ML dans JavaScript et d'utiliser ML directement dans le côté client du navigateur, côté serveur via Node.js, mobile natif via React natif, de bureau natif via Electron et même sur l'IoT Dispositifs via Node.js sur Raspberry Pi.
Tensorflow_macos est une version optimisée MAC des addons TensorFlow et TensorFlow pour MacOS 11.0+ accéléré à l'aide du cadre de calcul ML d'Apple.
Google Colaboratory est un environnement de carnet de jupyter gratuit qui ne nécessite aucune configuration et fonctionne entièrement dans le cloud, vous permettant d'exécuter du code TensorFlow dans votre navigateur en un seul clic.
L'outil What-If est un outil pour le sondage sans code des modèles d'apprentissage automatique, utile pour la compréhension des modèles, le débogage et l'équité. Disponible dans Tensorboard et Jupyter ou Colab Notebooks.
Tensorboard est une suite d'outils de visualisation pour comprendre, déboguer et optimiser les programmes TensorFlow.
Keras est une API de réseaux neuronaux de haut niveau, écrite en python et capable de courir sur Tensorflow, CNTK ou Theano.Il a été développé en mettant l'accent sur l'activation d'une expérimentation rapide. Il est capable de fonctionner sur TensorFlow, Microsoft Cognitive Toolkit, R, Theano ou PLAIDML.
XLA (algèbre linéaire accélérée) est un compilateur spécifique au domaine pour l'algèbre linéaire qui optimise les calculs de tensorflow. Les résultats sont des améliorations de la vitesse, de l'utilisation de la mémoire et de la portabilité sur les plates-formes de serveurs et mobiles.
ML Perf est une large suite de référence ML pour mesurer les performances des cadres logiciels ML, des accélérateurs matériels ML et des plates-formes Cloud ML.
Tensorflow Playground est un environnement de développement pour bricoler avec un réseau neuronal dans votre navigateur.
TPU Research Cloud (TRC) est un programme permet aux chercheurs de demander l'accès à un groupe de plus de 1 000 TPU cloud sans frais pour les aider à accélérer la prochaine vague de percées de recherche.
Mlir est un nouveau cadre de représentation intermédiaire et de compilateur.
Le réseau est une bibliothèque pour des solutions ML flexibles, contrôlées et interprétables avec des contraintes de forme de bon sens.
Tensorflow Hub est une bibliothèque pour l'apprentissage automatique réutilisable. Téléchargez et réutilisez les derniers modèles qualifiés avec une quantité minimale de code.
Tensorflow Cloud est une bibliothèque pour connecter votre environnement local à Google Cloud.
TensorFlow Model Optimization Toolkit est une suite d'outils pour optimiser les modèles ML pour le déploiement et l'exécution.
TensorFlow Recommandateurs est une bibliothèque pour construire des modèles de système de recommandation.
TensorFlow Text est une collection de classes et OP liés au texte et au NLP prêts à l'emploi avec TensorFlow 2.
TensorFlow Graphics est une bibliothèque de fonctionnalités graphiques informatiques allant des caméras, des lumières et des matériaux aux rendus.
TensorFlow Federated est un cadre open source pour l'apprentissage automatique et d'autres calculs sur des données décentralisées.
La probabilité de tensorflow est une bibliothèque pour le raisonnement probabiliste et l'analyse statistique.
Tensor2tensor est une bibliothèque de modèles et de jeux de données en profondeur conçus pour rendre l'apprentissage en profondeur plus accessible et accélérer la recherche ML.
TensorFlow Privacy est une bibliothèque Python qui comprend des implémentations d'optimisateurs TensorFlow pour la formation de modèles d'apprentissage automatique avec une confidentialité différentielle.
Le classement TensorFlow est une bibliothèque pour l'apprentissage du rang (LTR) sur la plate-forme TensorFlow.
TensorFlow Agents est une bibliothèque d'apprentissage par renforcement dans TensorFlow.
TensorFlow Addons est un référentiel de contributions conformément à des modèles API bien établis, mais implémente de nouvelles fonctionnalités non disponibles dans Core TensorFlow, maintenue par SIG Addons. Tensorflow supporte nativement un grand nombre d'opérateurs, couches, métriques, pertes et optimisateurs.
TensorFlow E / S est un ensemble de données, un streaming et des extensions de système de fichiers, maintenus par SIG IO.
TensorFlow Quantum est une bibliothèque d'apprentissage automatique quantique pour le prototypage rapide des modèles ML hybrides classiques quantiques.
La dopamine est un cadre de recherche pour le prototypage rapide des algorithmes d'apprentissage par renforcement.
TRFL est une bibliothèque pour les blocs de construction d'apprentissage par renforcement créés par DeepMind.
Mesh TensorFlow est un langage pour l'apprentissage en profondeur distribué, capable de spécifier une large classe de calculs de tenseurs distribués.
RaggedtenSors est une API qui facilite le stockage et la manipulation de données avec une forme non uniforme, y compris du texte (mots, des phrases, des caractères) et des lots de longueur variable.
Unicode OPS est une API qui prend en charge le travail avec un texte Unicode directement dans TensorFlow.
Magenta est un projet de recherche explorant le rôle de l'apprentissage automatique dans le processus de création de l'art et de la musique.
Nucleus est une bibliothèque de code Python et C ++ conçu pour faciliter la lecture, l'écriture et l'analyse des données dans des formats de fichiers génomiques courants comme SAM et VCF.
Sonnet est une bibliothèque de DeepMind pour la construction de réseaux de neurones.
L'apprentissage structuré neuronal est un cadre d'apprentissage pour former des réseaux de neurones en tirant parti des signaux structurés en plus des entrées de fonctionnalités.
L'assainissement du modèle est une bibliothèque pour aider à créer et à former des modèles d'une manière qui réduit ou élimine les dommages des utilisateurs résultant des biais de performances sous-jacents.
Les indicateurs d'équité sont une bibliothèque qui permet un calcul facile des mesures d'équité couramment identifiées pour les classificateurs binaires et multicallasse.
Decision Forests est un algorithme de pointe pour la formation, le service et l'interprétation des modèles qui utilisent les forêts de décision pour la classification, la régression et le classement.
Retour au sommet
Core ML est un framework Apple pour intégrer les modèles d'apprentissage automatique dans les applications exécutées sur les appareils Apple (y compris iOS, WatchOS, MacOS et TVOS). Core ML présente un format de fichier public (.mlModel) pour un large ensemble de méthodes ML, y compris des réseaux de neurones profonds (à la fois convolutionnels et récurrents), des ensembles d'arbres avec des modèles linéaires de boosting et généralisés. Les modèles de ce format peuvent être directement intégrés dans les applications via Xcode.
Introduction à Core ML
Intégrer un modèle de base ML dans votre application
Modèles Core ML
Référence de l'API Core ML
Spécification Core ML
Forums de développeur Apple pour Core ML
Top Core ML Cours en ligne | Udemy
Top Core ML Cours en ligne | Coursera
Services IBM Watson pour Core ML | IBM
Générez des actifs de noyau ML à l'aide d'inspection visuelle IBM Maximo | IBM
Core ML Tools est un projet qui contient des outils de support pour la conversion, l'édition et la validation du modèle Core ML.
Créer ML est un outil qui fournit de nouvelles façons de former des modèles d'apprentissage automatique sur votre Mac. Il élimine la complexité de l'entraînement du modèle tout en produisant de puissants modèles Core ML.
Tensorflow_macos est une version optimisée MAC des addons TensorFlow et TensorFlow pour MacOS 11.0+ accéléré à l'aide du cadre de calcul ML d'Apple.
Apple Vision est un cadre qui effectue une détection historique du visage et du visage, une détection de texte, une reconnaissance des code-barres, un enregistrement d'image et un suivi général des fonctionnalités. La vision permet également d'utiliser des modèles ML de base personnalisés pour des tâches comme la classification ou la détection d'objets.
Keras est une API de réseaux neuronaux de haut niveau, écrite en python et capable de courir sur Tensorflow, CNTK ou Theano.Il a été développé en mettant l'accent sur l'activation d'une expérimentation rapide. Il est capable de fonctionner sur TensorFlow, Microsoft Cognitive Toolkit, R, Theano ou PLAIDML.
XGBOost est une bibliothèque optimisée sur le gradient distribué conçu pour être très efficace, flexible et portable. Il met en œuvre des algorithmes d'apprentissage automatique dans le cadre de stimulation du gradient. XGBOost fournit un augmentation de l'arbre parallèle (également connu sous le nom de GBDT, GBM) qui résolvent de nombreux problèmes de science des données de manière rapide et précise. Il prend en charge une formation distribuée sur plusieurs machines, y compris les grappes AWS, GCE, Azure et File. En outre, il peut être intégré aux systèmes Flink, Spark et d'autres systèmes de flux de données cloud.
LIBSVM est un logiciel intégré pour la classification des vecteurs de support (C-SVC, NU-SVC), la régression (Epsilon-SVR, NU-SVR) et l'estimation de la distribution (SVM à une classe). Il prend en charge la classification multi-classes.
Scikit-Learn est un outil simple et efficace pour l'exploration de données et l'analyse des données. Il est construit sur Numpy, Scipy et MathPlotlib.
Xcode comprend tout ce que les développeurs ont besoin pour créer d'excellentes applications pour Mac, iPhone, iPad, Apple TV et Apple Watch. Xcode fournit aux développeurs un flux de travail unifié pour la conception, le codage, les tests et le débogage de l'interface utilisateur. Xcode est construit comme une application universelle qui fonctionne à 100% nativement sur des processeurs basés sur Intel et le silicium Apple. Il comprend un SDK macOS unifié qui propose tous les frameworks, compilateurs, débogueurs et autres outils dont vous avez besoin pour créer des applications qui s'exécutent nativement sur Apple Silicon et le processeur Intel x86_64.
Swiftui est une boîte à outils d'interface utilisateur qui fournit des vues, des contrôles et des structures de mise en page pour déclarer l'interface utilisateur de votre application. Le framework Swiftui fournit des gestionnaires d'événements pour fournir des robinets, des gestes et d'autres types d'entrée dans votre application.
UIKIT est un cadre fournit l'infrastructure requise pour vos applications iOS ou TVOS. Il fournit la fenêtre et la visualisation de l'architecture pour implémenter votre interface, l'infrastructure de traitement des événements pour la livraison de multi-touch et d'autres types d'entrée dans votre application, et la boucle d'exécution principale nécessaire pour gérer les interactions entre l'utilisateur, le système et votre application.
AppKit est une boîte à outils d'interface utilisateur graphique qui contient tous les objets dont vous avez besoin pour implémenter l'interface utilisateur pour une application macOS telle que Windows, Panels, Buttons, Menus, Scrollers et Text Champs, et il gère tous les détails pour vous car il est efficacement efficace Tire sur l'écran, communique avec les appareils matériels et les tampons d'écran, efface les zones de l'écran avant de dessiner et clipper les vues.
Arkit est un ensemble d'outils de développement de logiciels pour permettre aux développeurs de créer des applications de réalité augmentée pour iOS développé par Apple. La dernière version Arkit 3.5 profite du nouveau système de détection de scanner LiDAR et de profondeur sur iPad Pro (2020) pour prendre en charge une nouvelle génération d'applications AR qui utilisent la géométrie de la scène pour une compréhension améliorée de la scène et une occlusion d'objet.
RealityKit est un cadre pour implémenter une simulation 3D haute performance et un rendu avec les informations fournies par le cadre Arkit pour intégrer de manière transparente des objets virtuels dans le monde réel.
SceneKit est un cadre graphique 3D de haut niveau qui vous aide à créer des scènes et des effets animés 3D dans vos applications iOS.
Les instruments sont un outil de performance-analyse et de test puissant et flexible qui fait partie de l'ensemble d'outils Xcode. Il est conçu pour vous aider à profiter de vos applications, processus et appareils iOS, WatchOS, TVOS et macOS afin de mieux comprendre et optimiser leur comportement et leurs performances.
Cocoapods est un gestionnaire de dépendances pour Swift et Objective-C utilisé dans les projets Xcode en spécifiant les dépendances de votre projet dans un fichier texte simple. Cocoapods résout ensuite récursivement les dépendances entre les bibliothèques, récupére le code source pour toutes les dépendances et crée et maintient un espace de travail Xcode pour créer votre projet.
Appcode surveille constamment la qualité de votre code. Il vous met en garde des erreurs et des odeurs et suggère des fixe rapide pour les résoudre automatiquement. Appcode fournit de nombreuses inspections de code pour Objective-C, Swift, C / C ++ et un certain nombre d'inspections de code pour d'autres langues prises en charge.
Retour au sommet
Le Deep Learning est un sous-ensemble d'apprentissage automatique, qui est essentiellement un réseau neuronal avec trois couches ou plus. Ces réseaux de neurones tentent de simuler le comportement du cerveau humain, cependant, loin de faire correspondre sa capacité. Cela permet aux réseaux de neurones de «apprendre» à partir de grandes quantités de données. L'apprentissage peut être supervisé, semi-supervisé ou non supervisé.
Cours en ligne de Deep Learning | Nvidia
Les meilleurs cours d'apprentissage en profondeur en ligne | Coursera
Les meilleurs cours d'apprentissage en profondeur en ligne | Udemy
Apprenez l'apprentissage en profondeur avec des cours et des leçons en ligne | edX
Cours en ligne de Deep Learning Nanodegree | Udacie
Cours d'apprentissage automatique par Andrew Ng | Coursera
Machine Learning Engineering for Production (MLOPS) par Andrew Ng | Coursera
Science des données: apprentissage en profondeur et réseaux de neurones à Python | Udemy
Comprendre l'apprentissage automatique avec Python | Plumat
Comment penser aux algorithmes d'apprentissage automatique | Plumat
Cours d'apprentissage en profondeur | Stanford en ligne
Deep Learning - UW Professional & Continuing Education
Cours en ligne de Deep Learning | Université Harvard
Apprentissage automatique pour tous les cours | Camp de données
Cours d'experts de l'intelligence artificielle: Platinum Edition | Udemy
Les meilleurs cours d'intelligence artificielle en ligne | Coursera
Apprenez l'intelligence artificielle avec des cours et des leçons en ligne | edX
Certificat professionnel en informatique pour l'intelligence artificielle | edX
Programme de nanodegree d'intelligence artificielle
Cours en ligne de l'intelligence artificielle (AI) | Udacie
Intro au cours de l'intelligence artificielle | Udacie
Edge AI pour le cours des développeurs IoT | Udacie
Raisonnement: arbres objectifs et systèmes d'experts basés sur des règles | MIT OpenCourseware
Systèmes experts et intelligence artificielle appliquée
Systèmes autonomes - Microsoft AI
Introduction à Microsoft Project Bonsai
Enseignement de la machine avec la plate-forme de systèmes autonomes Microsoft
Formation des systèmes maritimes autonomes | Recherche AMC
Les meilleurs cours de voitures autonomes en ligne | Udemy
Systèmes de contrôle appliqués 1: voitures autonomes: mathématiques + PID + MPC | Udemy
Apprenez une robotique autonome avec des cours et des leçons en ligne | edX
Programme de nanodegree d'intelligence artificielle
Systèmes autonomes Cours et programmes en ligne | Udacie
Edge AI pour le cours des développeurs IoT | Udacie
Systèmes autonomes MOOC et cours en ligne gratuits | Liste du MOOC
Programme de diplômé de la robotique et des systèmes autonomes | Standford en ligne
Laboratoire de systèmes mobiles autonomes | MIT OpenCourseware
Nvidia Cudnn est une bibliothèque de primitives accélérée par GPU pour les réseaux de neurones profonds. CUDNN fournit des implémentations hautement réglées pour des routines standard telles que les couches de convolution avant et arrière, de mise en commun, de normalisation et d'activation. CUDNN accélère les cadres d'apprentissage en profondeur largement utilisés, notamment CAFE2, Chainer, Keras, Matlab, Mxnet, Pytorch et TensorFlow.
NVIDIA DLSS (Deep Learning Super l'échantillonnage) est une technologie de rendu IA à l'échelle d'image temporelle qui augmente les performances graphiques en utilisant des processeurs d'intelligence artificielle tenseur dédiés sur les GPU GeForce RTX ™. DLSS utilise la puissance d'un réseau neuronal d'apprentissage en profondeur pour augmenter les fréquences d'images et générer de belles images nettes pour vos jeux.
AMD FidelityFX Super Resolution (FSR) est une solution open source et de haute qualité pour produire des trames haute résolution à partir d'entrées de résolution plus faible. Il utilise une collection d'algorithmes d'apprentissage en profondeur de pointe avec un accent particulier sur la création de bords de haute qualité, offrant des améliorations importantes par rapport à la rendu directement à la résolution native. FSR permet les «performances pratiques» pour les opérations de rendu coûteuses, telles que le traçage des rayons matériels pour les architectures AMD RDNA ™ et AMD RDNA ™ 2.
Intel Xe Super Sampling (XESS) est une technologie de rendu IA à l'échelle d'image temporelle qui augmente les performances graphiques similaires aux DLS de NVIDIA (Deep Learning Super Sampling). L'architecture GPU ARC d'Intel (début 2022) aura des GPU qui présentent des cores XE dédiés pour exécuter Xess. Les GPU disposeront des moteurs Matrix Matrix (XMX) Matrix Matrix pour le traitement AI accéléré par le matériel. Xess pourra s'exécuter sur des appareils sans XMX, y compris les graphiques intégrés, cependant, les performances de Xess seront plus bas sur les cartes graphiques non d'intelté car elles seront alimentées par l'instruction DP4A.
Jupyter Notebook est une application Web open source qui vous permet de créer et de partager des documents contenant du code en direct, des équations, des visualisations et du texte narratif. Jupyter est largement utilisé dans les industries qui effectuent le nettoyage et la transformation des données, la simulation numérique, la modélisation statistique, la visualisation des données, la science des données et l'apprentissage automatique.
Apache Spark est un moteur d'analyse unifié pour le traitement des données à grande échelle. Il fournit des API de haut niveau dans Scala, Java, Python et R, et un moteur optimisé qui prend en charge les graphiques de calcul généraux pour l'analyse des données. It also supports a rich set of higher-level tools including Spark SQL for SQL and DataFrames, MLlib for machine learning, GraphX for graph processing, and Structured Streaming for stream processing.
Apache Spark Connector for SQL Server and Azure SQL is a high-performance connector that enables you to use transactional data in big data analytics and persists results for ad-hoc queries or reporting. The connector allows you to use any SQL database, on-premises or in the cloud, as an input data source or output data sink for Spark jobs.
Apache PredictionIO is an open source machine learning framework for developers, data scientists, and end users. It supports event collection, deployment of algorithms, evaluation, querying predictive results via REST APIs. It is based on scalable open source services like Hadoop, HBase (and other DBs), Elasticsearch, Spark and implements what is called a Lambda Architecture.
Cluster Manager for Apache Kafka(CMAK) is a tool for managing Apache Kafka clusters.
BigDL is a distributed deep learning library for Apache Spark. With BigDL, users can write their deep learning applications as standard Spark programs, which can directly run on top of existing Spark or Hadoop clusters.
Eclipse Deeplearning4J (DL4J) is a set of projects intended to support all the needs of a JVM-based(Scala, Kotlin, Clojure, and Groovy) deep learning application. This means starting with the raw data, loading and preprocessing it from wherever and whatever format it is in to building and tuning a wide variety of simple and complex deep learning networks.
Deep Learning Toolbox™ is a tool that provides a framework for designing and implementing deep neural networks with algorithms, pretrained models, and apps. You can use convolutional neural networks (ConvNets, CNNs) and long short-term memory (LSTM) networks to perform classification and regression on image, time-series, and text data. You can build network architectures such as generative adversarial networks (GANs) and Siamese networks using automatic differentiation, custom training loops, and shared weights. With the Deep Network Designer app, you can design, analyze, and train networks graphically. It can exchange models with TensorFlow™ and PyTorch through the ONNX format and import models from TensorFlow-Keras and Caffe. The toolbox supports transfer learning with DarkNet-53, ResNet-50, NASNet, SqueezeNet and many other pretrained models.
Reinforcement Learning Toolbox™ is a tool that provides an app, functions, and a Simulink® block for training policies using reinforcement learning algorithms, including DQN, PPO, SAC, and DDPG. You can use these policies to implement controllers and decision-making algorithms for complex applications such as resource allocation, robotics, and autonomous systems.
Deep Learning HDL Toolbox™ is a tool that provides functions and tools to prototype and implement deep learning networks on FPGAs and SoCs. It provides pre-built bitstreams for running a variety of deep learning networks on supported Xilinx® and Intel® FPGA and SoC devices. Profiling and estimation tools let you customize a deep learning network by exploring design, performance, and resource utilization tradeoffs.
Parallel Computing Toolbox™ is a tool that lets you solve computationally and data-intensive problems using multicore processors, GPUs, and computer clusters. High-level constructs such as parallel for-loops, special array types, and parallelized numerical algorithms enable you to parallelize MATLAB® applications without CUDA or MPI programming. The toolbox lets you use parallel-enabled functions in MATLAB and other toolboxes. You can use the toolbox with Simulink® to run multiple simulations of a model in parallel. Programs and models can run in both interactive and batch modes.
XGBoost is an optimized distributed gradient boosting library designed to be highly efficient, flexible and portable. It implements machine learning algorithms under the Gradient Boosting framework. XGBoost provides a parallel tree boosting (also known as GBDT, GBM) that solve many data science problems in a fast and accurate way. It supports distributed training on multiple machines, including AWS, GCE, Azure, and Yarn clusters. Also, it can be integrated with Flink, Spark and other cloud dataflow systems.
LIBSVM is an integrated software for support vector classification, (C-SVC, nu-SVC), regression (epsilon-SVR, nu-SVR) and distribution estimation (one-class SVM). It supports multi-class classification.
Scikit-Learn is a simple and efficient tool for data mining and data analysis. It is built on NumPy,SciPy, and mathplotlib.
TensorFlow is an end-to-end open source platform for machine learning. It has a comprehensive, flexible ecosystem of tools, libraries and community resources that lets researchers push the state-of-the-art in ML and developers easily build and deploy ML powered applications.
Keras is a high-level neural networks API, written in Python and capable of running on top of TensorFlow, CNTK, or Theano.It was developed with a focus on enabling fast experimentation. It is capable of running on top of TensorFlow, Microsoft Cognitive Toolkit, R, Theano, or PlaidML.
PyTorch is a library for deep learning on irregular input data such as graphs, point clouds, and manifolds. Primarily developed by Facebook's AI Research lab.
Azure Databricks is a fast and collaborative Apache Spark-based big data analytics service designed for data science and data engineering. Azure Databricks, sets up your Apache Spark environment in minutes, autoscale, and collaborate on shared projects in an interactive workspace. Azure Databricks supports Python, Scala, R, Java, and SQL, as well as data science frameworks and libraries including TensorFlow, PyTorch, and scikit-learn.
Microsoft Cognitive Toolkit (CNTK) is an open-source toolkit for commercial-grade distributed deep learning. It describes neural networks as a series of computational steps via a directed graph. CNTK allows the user to easily realize and combine popular model types such as feed-forward DNNs, convolutional neural networks (CNNs) and recurrent neural networks (RNNs/LSTMs). CNTK implements stochastic gradient descent (SGD, error backpropagation) learning with automatic differentiation and parallelization across multiple GPUs and servers.
Tensorflow_macOS is a Mac-optimized version of TensorFlow and TensorFlow Addons for macOS 11.0+ accelerated using Apple's ML Compute framework.
Apache Airflow is an open-source workflow management platform created by the community to programmatically author, schedule and monitor workflows. Installer. Principles. Évolutif. Airflow has a modular architecture and uses a message queue to orchestrate an arbitrary number of workers. Airflow is ready to scale to infinity.
Open Neural Network Exchange(ONNX) is an open ecosystem that empowers AI developers to choose the right tools as their project evolves. ONNX provides an open source format for AI models, both deep learning and traditional ML. It defines an extensible computation graph model, as well as definitions of built-in operators and standard data types.
Apache MXNet is a deep learning framework designed for both efficiency and flexibility. It allows you to mix symbolic and imperative programming to maximize efficiency and productivity. At its core, MXNet contains a dynamic dependency scheduler that automatically parallelizes both symbolic and imperative operations on the fly. A graph optimization layer on top of that makes symbolic execution fast and memory efficient. MXNet is portable and lightweight, scaling effectively to multiple GPUs and multiple machines. Support for Python, R, Julia, Scala, Go, Javascript and more.
AutoGluon is toolkit for Deep learning that automates machine learning tasks enabling you to easily achieve strong predictive performance in your applications. With just a few lines of code, you can train and deploy high-accuracy deep learning models on tabular, image, and text data.
Anaconda is a very popular Data Science platform for machine learning and deep learning that enables users to develop models, train them, and deploy them.
PlaidML is an advanced and portable tensor compiler for enabling deep learning on laptops, embedded devices, or other devices where the available computing hardware is not well supported or the available software stack contains unpalatable license restrictions.
OpenCV is a highly optimized library with focus on real-time computer vision applications. The C++, Python, and Java interfaces support Linux, MacOS, Windows, iOS, and Android.
Scikit-Learn is a Python module for machine learning built on top of SciPy, NumPy, and matplotlib, making it easier to apply robust and simple implementations of many popular machine learning algorithms.
Weka is an open source machine learning software that can be accessed through a graphical user interface, standard terminal applications, or a Java API. It is widely used for teaching, research, and industrial applications, contains a plethora of built-in tools for standard machine learning tasks, and additionally gives transparent access to well-known toolboxes such as scikit-learn, R, and Deeplearning4j.
Caffe is a deep learning framework made with expression, speed, and modularity in mind. It is developed by Berkeley AI Research (BAIR)/The Berkeley Vision and Learning Center (BVLC) and community contributors.
Theano is a Python library that allows you to define, optimize, and evaluate mathematical expressions involving multi-dimensional arrays efficiently including tight integration with NumPy.
Microsoft Project Bonsai is a low-code AI platform that speeds AI-powered automation development and part of the Autonomous Systems suite from Microsoft. Bonsai is used to build AI components that can provide operator guidance or make independent decisions to optimize process variables, improve production efficiency, and reduce downtime.
Microsoft AirSim is a simulator for drones, cars and more, built on Unreal Engine (with an experimental Unity release). AirSim is open-source, cross platform, and supports software-in-the-loop simulation with popular flight controllers such as PX4 & ArduPilot and hardware-in-loop with PX4 for physically and visually realistic simulations. It is developed as an Unreal plugin that can simply be dropped into any Unreal environment. AirSim is being developed as a platform for AI research to experiment with deep learning, computer vision and reinforcement learning algorithms for autonomous vehicles.
CARLA is an open-source simulator for autonomous driving research. CARLA has been developed from the ground up to support development, training, and validation of autonomous driving systems. In addition to open-source code and protocols, CARLA provides open digital assets (urban layouts, buildings, vehicles) that were created for this purpose and can be used freely.
ROS/ROS2 bridge for CARLA(package) is a bridge that enables two-way communication between ROS and CARLA. The information from the CARLA server is translated to ROS topics. In the same way, the messages sent between nodes in ROS get translated to commands to be applied in CARLA.
ROS Toolbox is a tool that provides an interface connecting MATLAB® and Simulink® with the Robot Operating System (ROS and ROS 2), enabling you to create a network of ROS nodes. The toolbox includes MATLAB functions and Simulink blocks to import, analyze, and play back ROS data recorded in rosbag files. You can also connect to a live ROS network to access ROS messages.
Robotics Toolbox™ provides a toolbox that brings robotics specific functionality(designing, simulating, and testing manipulators, mobile robots, and humanoid robots) to MATLAB, exploiting the native capabilities of MATLAB (linear algebra, portability, graphics). The toolbox also supports mobile robots with functions for robot motion models (bicycle), path planning algorithms (bug, distance transform, D*, PRM), kinodynamic planning (lattice, RRT), localization (EKF, particle filter), map building (EKF) and simultaneous localization and mapping (EKF), and a Simulink model a of non-holonomic vehicle. The Toolbox also including a detailed Simulink model for a quadrotor flying robot.
Image Processing Toolbox™ is a tool that provides a comprehensive set of reference-standard algorithms and workflow apps for image processing, analysis, visualization, and algorithm development. You can perform image segmentation, image enhancement, noise reduction, geometric transformations, image registration, and 3D image processing.
Computer Vision Toolbox™ is a tool that provides algorithms, functions, and apps for designing and testing computer vision, 3D vision, and video processing systems. You can perform object detection and tracking, as well as feature detection, extraction, and matching. You can automate calibration workflows for single, stereo, and fisheye cameras. For 3D vision, the toolbox supports visual and point cloud SLAM, stereo vision, structure from motion, and point cloud processing.
Robotics Toolbox™ is a tool that provides a toolbox that brings robotics specific functionality(designing, simulating, and testing manipulators, mobile robots, and humanoid robots) to MATLAB, exploiting the native capabilities of MATLAB (linear algebra, portability, graphics). The toolbox also supports mobile robots with functions for robot motion models (bicycle), path planning algorithms (bug, distance transform, D*, PRM), kinodynamic planning (lattice, RRT), localization (EKF, particle filter), map building (EKF) and simultaneous localization and mapping (EKF), and a Simulink model a of non-holonomic vehicle. The Toolbox also including a detailed Simulink model for a quadrotor flying robot.
Model Predictive Control Toolbox™ is a tool that provides functions, an app, and Simulink® blocks for designing and simulating controllers using linear and nonlinear model predictive control (MPC). The toolbox lets you specify plant and disturbance models, horizons, constraints, and weights. By running closed-loop simulations, you can evaluate controller performance.
Predictive Maintenance Toolbox™ is a tool that lets you manage sensor data, design condition indicators, and estimate the remaining useful life (RUL) of a machine. The toolbox provides functions and an interactive app for exploring, extracting, and ranking features using data-based and model-based techniques, including statistical, spectral, and time-series analysis.
Vision HDL Toolbox™ is a tool that provides pixel-streaming algorithms for the design and implementation of vision systems on FPGAs and ASICs. It provides a design framework that supports a diverse set of interface types, frame sizes, and frame rates. The image processing, video, and computer vision algorithms in the toolbox use an architecture appropriate for HDL implementations.
Automated Driving Toolbox™ is a MATLAB tool that provides algorithms and tools for designing, simulating, and testing ADAS and autonomous driving systems. You can design and test vision and lidar perception systems, as well as sensor fusion, path planning, and vehicle controllers. Visualization tools include a bird's-eye-view plot and scope for sensor coverage, detections and tracks, and displays for video, lidar, and maps. The toolbox lets you import and work with HERE HD Live Map data and OpenDRIVE® road networks. It also provides reference application examples for common ADAS and automated driving features, including FCW, AEB, ACC, LKA, and parking valet. The toolbox supports C/C++ code generation for rapid prototyping and HIL testing, with support for sensor fusion, tracking, path planning, and vehicle controller algorithms.
UAV Toolbox is an application that provides tools and reference applications for designing, simulating, testing, and deploying unmanned aerial vehicle (UAV) and drone applications. You can design autonomous flight algorithms, UAV missions, and flight controllers. The Flight Log Analyzer app lets you interactively analyze 3D flight paths, telemetry information, and sensor readings from common flight log formats.
Navigation Toolbox™ is a tool that provides algorithms and analysis tools for motion planning, simultaneous localization and mapping (SLAM), and inertial navigation. The toolbox includes customizable search and sampling-based path planners, as well as metrics for validating and comparing paths. You can create 2D and 3D map representations, generate maps using SLAM algorithms, and interactively visualize and debug map generation with the SLAM map builder app.
Lidar Toolbox™ is a tool that provides algorithms, functions, and apps for designing, analyzing, and testing lidar processing systems. You can perform object detection and tracking, semantic segmentation, shape fitting, lidar registration, and obstacle detection. Lidar Toolbox supports lidar-camera cross calibration for workflows that combine computer vision and lidar processing.
Mapping Toolbox™ is a tool that provides algorithms and functions for transforming geographic data and creating map displays. You can visualize your data in a geographic context, build map displays from more than 60 map projections, and transform data from a variety of sources into a consistent geographic coordinate system.
Back to the Top
Reinforcement Learning is a subset of machine learning, which is a neural network with three or more layers. These neural networks attempt to simulate the behavior of the human brain,though, far from matching its ability. This allows the neural networks to "learn" from a process in which a model learns to become more accurate for performing an action in an environment based on feedback in order to maximize the reward. The Learning can be supervised, semi-supervised or unsupervised.
Top Reinforcement Learning Courses | Coursera
Top Reinforcement Learning Courses | Udemy
Top Reinforcement Learning Courses | Udacity
Reinforcement Learning Courses | Stanford Online
Deep Learning Online Courses | Nvidia
Top Deep Learning Courses Online | Coursera
Top Deep Learning Courses Online | Udemy
Learn Deep Learning with Online Courses and Lessons | edX
Deep Learning Online Course Nanodegree | Udacity
Machine Learning Course by Andrew Ng | Coursera
Machine Learning Engineering for Production (MLOps) course by Andrew Ng | Coursera
Data Science: Deep Learning and Neural Networks in Python | Udemy
Understanding Machine Learning with Python | Pluralsight
How to Think About Machine Learning Algorithms | Pluralsight
Deep Learning Courses | Stanford Online
Deep Learning - UW Professional & Continuing Education
Deep Learning Online Courses | Université Harvard
Machine Learning for Everyone Courses | Camp de données
Artificial Intelligence Expert Course: Platinum Edition | Udemy
Top Artificial Intelligence Courses Online | Coursera
Learn Artificial Intelligence with Online Courses and Lessons | edX
Professional Certificate in Computer Science for Artificial Intelligence | edX
Artificial Intelligence Nanodegree program
Artificial Intelligence (AI) Online Courses | Udacity
Intro to Artificial Intelligence Course | Udacity
Edge AI for IoT Developers Course | Udacity
Reasoning: Goal Trees and Rule-Based Expert Systems | MIT OpenCourseWare
Expert Systems and Applied Artificial Intelligence
Autonomous Systems - Microsoft AI
Introduction to Microsoft Project Bonsai
Machine teaching with the Microsoft Autonomous Systems platform
Autonomous Maritime Systems Training | AMC Search
Top Autonomous Cars Courses Online | Udemy
Applied Control Systems 1: autonomous cars: Math + PID + MPC | Udemy
Learn Autonomous Robotics with Online Courses and Lessons | edX
Artificial Intelligence Nanodegree program
Autonomous Systems Online Courses & Programs | Udacity
Edge AI for IoT Developers Course | Udacity
Autonomous Systems MOOC and Free Online Courses | MOOC List
Robotics and Autonomous Systems Graduate Program | Standford Online
Mobile Autonomous Systems Laboratory | MIT OpenCourseWare
OpenAI is an open source Python library for developing and comparing reinforcement learning algorithms by providing a standard API to communicate between learning algorithms and environments, as well as a standard set of environments compliant with that API.
ReinforcementLearning.jl is a collection of tools for doing reinforcement learning research in Julia.
Reinforcement Learning Toolbox™ is a tool that provides an app, functions, and a Simulink® block for training policies using reinforcement learning algorithms, including DQN, PPO, SAC, and DDPG. You can use these policies to implement controllers and decision-making algorithms for complex applications such as resource allocation, robotics, and autonomous systems.
Amazon SageMaker is a fully managed service that provides every developer and data scientist with the ability to build, train, and deploy machine learning (ML) models quickly.
AWS RoboMaker is a service that provides a fully-managed, scalable infrastructure for simulation that customers use for multi-robot simulation and CI/CD integration with regression testing in simulation.
TensorFlow is an end-to-end open source platform for machine learning. It has a comprehensive, flexible ecosystem of tools, libraries and community resources that lets researchers push the state-of-the-art in ML and developers easily build and deploy ML powered applications.
Keras is a high-level neural networks API, written in Python and capable of running on top of TensorFlow, CNTK, or Theano.It was developed with a focus on enabling fast experimentation. It is capable of running on top of TensorFlow, Microsoft Cognitive Toolkit, R, Theano, or PlaidML.
PyTorch is a library for deep learning on irregular input data such as graphs, point clouds, and manifolds. Primarily developed by Facebook's AI Research lab.
Scikit-Learn is a simple and efficient tool for data mining and data analysis. It is built on NumPy,SciPy, and mathplotlib.
NVIDIA cuDNN is a GPU-accelerated library of primitives for deep neural networks. cuDNN provides highly tuned implementations for standard routines such as forward and backward convolution, pooling, normalization, and activation layers. cuDNN accelerates widely used deep learning frameworks, including Caffe2, Chainer, Keras, MATLAB, MxNet, PyTorch, and TensorFlow.
Jupyter Notebook is an open-source web application that allows you to create and share documents that contain live code, equations, visualizations and narrative text. Jupyter is used widely in industries that do data cleaning and transformation, numerical simulation, statistical modeling, data visualization, data science, and machine learning.
Apache Spark is a unified analytics engine for large-scale data processing. It provides high-level APIs in Scala, Java, Python, and R, and an optimized engine that supports general computation graphs for data analysis. It also supports a rich set of higher-level tools including Spark SQL for SQL and DataFrames, MLlib for machine learning, GraphX for graph processing, and Structured Streaming for stream processing.
Apache Spark Connector for SQL Server and Azure SQL is a high-performance connector that enables you to use transactional data in big data analytics and persists results for ad-hoc queries or reporting. The connector allows you to use any SQL database, on-premises or in the cloud, as an input data source or output data sink for Spark jobs.
Apache PredictionIO is an open source machine learning framework for developers, data scientists, and end users. It supports event collection, deployment of algorithms, evaluation, querying predictive results via REST APIs. It is based on scalable open source services like Hadoop, HBase (and other DBs), Elasticsearch, Spark and implements what is called a Lambda Architecture.
Cluster Manager for Apache Kafka(CMAK) is a tool for managing Apache Kafka clusters.
BigDL is a distributed deep learning library for Apache Spark. With BigDL, users can write their deep learning applications as standard Spark programs, which can directly run on top of existing Spark or Hadoop clusters.
Eclipse Deeplearning4J (DL4J) is a set of projects intended to support all the needs of a JVM-based(Scala, Kotlin, Clojure, and Groovy) deep learning application. This means starting with the raw data, loading and preprocessing it from wherever and whatever format it is in to building and tuning a wide variety of simple and complex deep learning networks.
Deep Learning Toolbox™ is a tool that provides a framework for designing and implementing deep neural networks with algorithms, pretrained models, and apps. You can use convolutional neural networks (ConvNets, CNNs) and long short-term memory (LSTM) networks to perform classification and regression on image, time-series, and text data. You can build network architectures such as generative adversarial networks (GANs) and Siamese networks using automatic differentiation, custom training loops, and shared weights. With the Deep Network Designer app, you can design, analyze, and train networks graphically. It can exchange models with TensorFlow™ and PyTorch through the ONNX format and import models from TensorFlow-Keras and Caffe. The toolbox supports transfer learning with DarkNet-53, ResNet-50, NASNet, SqueezeNet and many other pretrained models.
Deep Learning HDL Toolbox™ is a tool that provides functions and tools to prototype and implement deep learning networks on FPGAs and SoCs. It provides pre-built bitstreams for running a variety of deep learning networks on supported Xilinx® and Intel® FPGA and SoC devices. Profiling and estimation tools let you customize a deep learning network by exploring design, performance, and resource utilization tradeoffs.
Parallel Computing Toolbox™ is a tool that lets you solve computationally and data-intensive problems using multicore processors, GPUs, and computer clusters. High-level constructs such as parallel for-loops, special array types, and parallelized numerical algorithms enable you to parallelize MATLAB® applications without CUDA or MPI programming. The toolbox lets you use parallel-enabled functions in MATLAB and other toolboxes. You can use the toolbox with Simulink® to run multiple simulations of a model in parallel. Programs and models can run in both interactive and batch modes.
XGBoost is an optimized distributed gradient boosting library designed to be highly efficient, flexible and portable. It implements machine learning algorithms under the Gradient Boosting framework. XGBoost provides a parallel tree boosting (also known as GBDT, GBM) that solve many data science problems in a fast and accurate way. It supports distributed training on multiple machines, including AWS, GCE, Azure, and Yarn clusters. Also, it can be integrated with Flink, Spark and other cloud dataflow systems.
LIBSVM is an integrated software for support vector classification, (C-SVC, nu-SVC), regression (epsilon-SVR, nu-SVR) and distribution estimation (one-class SVM). It supports multi-class classification.
Azure Databricks is a fast and collaborative Apache Spark-based big data analytics service designed for data science and data engineering. Azure Databricks, sets up your Apache Spark environment in minutes, autoscale, and collaborate on shared projects in an interactive workspace. Azure Databricks supports Python, Scala, R, Java, and SQL, as well as data science frameworks and libraries including TensorFlow, PyTorch, and scikit-learn.
Microsoft Cognitive Toolkit (CNTK) is an open-source toolkit for commercial-grade distributed deep learning. It describes neural networks as a series of computational steps via a directed graph. CNTK allows the user to easily realize and combine popular model types such as feed-forward DNNs, convolutional neural networks (CNNs) and recurrent neural networks (RNNs/LSTMs). CNTK implements stochastic gradient descent (SGD, error backpropagation) learning with automatic differentiation and parallelization across multiple GPUs and servers.
Tensorflow_macOS is a Mac-optimized version of TensorFlow and TensorFlow Addons for macOS 11.0+ accelerated using Apple's ML Compute framework.
Apache Airflow is an open-source workflow management platform created by the community to programmatically author, schedule and monitor workflows. Installer. Principles. Évolutif. Airflow has a modular architecture and uses a message queue to orchestrate an arbitrary number of workers. Airflow is ready to scale to infinity.
Open Neural Network Exchange(ONNX) is an open ecosystem that empowers AI developers to choose the right tools as their project evolves. ONNX provides an open source format for AI models, both deep learning and traditional ML. It defines an extensible computation graph model, as well as definitions of built-in operators and standard data types.
Apache MXNet is a deep learning framework designed for both efficiency and flexibility. It allows you to mix symbolic and imperative programming to maximize efficiency and productivity. At its core, MXNet contains a dynamic dependency scheduler that automatically parallelizes both symbolic and imperative operations on the fly. A graph optimization layer on top of that makes symbolic execution fast and memory efficient. MXNet is portable and lightweight, scaling effectively to multiple GPUs and multiple machines. Support for Python, R, Julia, Scala, Go, Javascript and more.
AutoGluon is toolkit for Deep learning that automates machine learning tasks enabling you to easily achieve strong predictive performance in your applications. With just a few lines of code, you can train and deploy high-accuracy deep learning models on tabular, image, and text data.
Anaconda is a very popular Data Science platform for machine learning and deep learning that enables users to develop models, train them, and deploy them.
PlaidML is an advanced and portable tensor compiler for enabling deep learning on laptops, embedded devices, or other devices where the available computing hardware is not well supported or the available software stack contains unpalatable license restrictions.
OpenCV is a highly optimized library with focus on real-time computer vision applications. The C++, Python, and Java interfaces support Linux, MacOS, Windows, iOS, and Android.
Scikit-Learn is a Python module for machine learning built on top of SciPy, NumPy, and matplotlib, making it easier to apply robust and simple implementations of many popular machine learning algorithms.
Weka is an open source machine learning software that can be accessed through a graphical user interface, standard terminal applications, or a Java API. It is widely used for teaching, research, and industrial applications, contains a plethora of built-in tools for standard machine learning tasks, and additionally gives transparent access to well-known toolboxes such as scikit-learn, R, and Deeplearning4j.
Caffe is a deep learning framework made with expression, speed, and modularity in mind. It is developed by Berkeley AI Research (BAIR)/The Berkeley Vision and Learning Center (BVLC) and community contributors.
Theano is a Python library that allows you to define, optimize, and evaluate mathematical expressions involving multi-dimensional arrays efficiently including tight integration with NumPy.
Microsoft Project Bonsai is a low-code AI platform that speeds AI-powered automation development and part of the Autonomous Systems suite from Microsoft. Bonsai is used to build AI components that can provide operator guidance or make independent decisions to optimize process variables, improve production efficiency, and reduce downtime.
Microsoft AirSim is a simulator for drones, cars and more, built on Unreal Engine (with an experimental Unity release). AirSim is open-source, cross platform, and supports software-in-the-loop simulation with popular flight controllers such as PX4 & ArduPilot and hardware-in-loop with PX4 for physically and visually realistic simulations. It is developed as an Unreal plugin that can simply be dropped into any Unreal environment. AirSim is being developed as a platform for AI research to experiment with deep learning, computer vision and reinforcement learning algorithms for autonomous vehicles.
CARLA is an open-source simulator for autonomous driving research. CARLA has been developed from the ground up to support development, training, and validation of autonomous driving systems. In addition to open-source code and protocols, CARLA provides open digital assets (urban layouts, buildings, vehicles) that were created for this purpose and can be used freely.
ROS/ROS2 bridge for CARLA(package) is a bridge that enables two-way communication between ROS and CARLA. The information from the CARLA server is translated to ROS topics. In the same way, the messages sent between nodes in ROS get translated to commands to be applied in CARLA.
ROS Toolbox is a tool that provides an interface connecting MATLAB® and Simulink® with the Robot Operating System (ROS and ROS 2), enabling you to create a network of ROS nodes. The toolbox includes MATLAB functions and Simulink blocks to import, analyze, and play back ROS data recorded in rosbag files. You can also connect to a live ROS network to access ROS messages.
Robotics Toolbox™ provides a toolbox that brings robotics specific functionality(designing, simulating, and testing manipulators, mobile robots, and humanoid robots) to MATLAB, exploiting the native capabilities of MATLAB (linear algebra, portability, graphics). The toolbox also supports mobile robots with functions for robot motion models (bicycle), path planning algorithms (bug, distance transform, D*, PRM), kinodynamic planning (lattice, RRT), localization (EKF, particle filter), map building (EKF) and simultaneous localization and mapping (EKF), and a Simulink model a of non-holonomic vehicle. The Toolbox also including a detailed Simulink model for a quadrotor flying robot.
Image Processing Toolbox™ is a tool that provides a comprehensive set of reference-standard algorithms and workflow apps for image processing, analysis, visualization, and algorithm development. You can perform image segmentation, image enhancement, noise reduction, geometric transformations, image registration, and 3D image processing.
Computer Vision Toolbox™ is a tool that provides algorithms, functions, and apps for designing and testing computer vision, 3D vision, and video processing systems. You can perform object detection and tracking, as well as feature detection, extraction, and matching. You can automate calibration workflows for single, stereo, and fisheye cameras. For 3D vision, the toolbox supports visual and point cloud SLAM, stereo vision, structure from motion, and point cloud processing.
Robotics Toolbox™ is a tool that provides a toolbox that brings robotics specific functionality(designing, simulating, and testing manipulators, mobile robots, and humanoid robots) to MATLAB, exploiting the native capabilities of MATLAB (linear algebra, portability, graphics). The toolbox also supports mobile robots with functions for robot motion models (bicycle), path planning algorithms (bug, distance transform, D*, PRM), kinodynamic planning (lattice, RRT), localization (EKF, particle filter), map building (EKF) and simultaneous localization and mapping (EKF), and a Simulink model a of non-holonomic vehicle. The Toolbox also including a detailed Simulink model for a quadrotor flying robot.
Model Predictive Control Toolbox™ is a tool that provides functions, an app, and Simulink® blocks for designing and simulating controllers using linear and nonlinear model predictive control (MPC). The toolbox lets you specify plant and disturbance models, horizons, constraints, and weights. By running closed-loop simulations, you can evaluate controller performance.
Predictive Maintenance Toolbox™ is a tool that lets you manage sensor data, design condition indicators, and estimate the remaining useful life (RUL) of a machine. The toolbox provides functions and an interactive app for exploring, extracting, and ranking features using data-based and model-based techniques, including statistical, spectral, and time-series analysis.
Vision HDL Toolbox™ is a tool that provides pixel-streaming algorithms for the design and implementation of vision systems on FPGAs and ASICs. It provides a design framework that supports a diverse set of interface types, frame sizes, and frame rates. The image processing, video, and computer vision algorithms in the toolbox use an architecture appropriate for HDL implementations.
Automated Driving Toolbox™ is a MATLAB tool that provides algorithms and tools for designing, simulating, and testing ADAS and autonomous driving systems. You can design and test vision and lidar perception systems, as well as sensor fusion, path planning, and vehicle controllers. Visualization tools include a bird's-eye-view plot and scope for sensor coverage, detections and tracks, and displays for video, lidar, and maps. The toolbox lets you import and work with HERE HD Live Map data and OpenDRIVE® road networks. It also provides reference application examples for common ADAS and automated driving features, including FCW, AEB, ACC, LKA, and parking valet. The toolbox supports C/C++ code generation for rapid prototyping and HIL testing, with support for sensor fusion, tracking, path planning, and vehicle controller algorithms.
Navigation Toolbox™ is a tool that provides algorithms and analysis tools for motion planning, simultaneous localization and mapping (SLAM), and inertial navigation. The toolbox includes customizable search and sampling-based path planners, as well as metrics for validating and comparing paths. You can create 2D and 3D map representations, generate maps using SLAM algorithms, and interactively visualize and debug map generation with the SLAM map builder app.
UAV Toolbox is an application that provides tools and reference applications for designing, simulating, testing, and deploying unmanned aerial vehicle (UAV) and drone applications. You can design autonomous flight algorithms, UAV missions, and flight controllers. The Flight Log Analyzer app lets you interactively analyze 3D flight paths, telemetry information, and sensor readings from common flight log formats.
Lidar Toolbox™ is a tool that provides algorithms, functions, and apps for designing, analyzing, and testing lidar processing systems. You can perform object detection and tracking, semantic segmentation, shape fitting, lidar registration, and obstacle detection. Lidar Toolbox supports lidar-camera cross calibration for workflows that combine computer vision and lidar processing.
Mapping Toolbox™ is a tool that provides algorithms and functions for transforming geographic data and creating map displays. You can visualize your data in a geographic context, build map displays from more than 60 map projections, and transform data from a variety of sources into a consistent geographic coordinate system.
Back to the Top
Computer Vision is a field of Artificial Intelligence (AI) that focuses on enabling computers to identify and understand objects and people in images and videos.
OpenCV Courses
Exploring Computer Vision in Microsoft Azure
Top Computer Vision Courses Online | Coursera
Top Computer Vision Courses Online | Udemy
Learn Computer Vision with Online Courses and Lessons | edX
Computer Vision and Image Processing Fundamentals | edX
Introduction to Computer Vision Courses | Udacity
Computer Vision Nanodegree program | Udacity
Machine Vision Course |MIT Open Courseware
Computer Vision Training Courses | NobleProg
Visual Computing Graduate Program | Stanford Online
OpenCV is a highly optimized library with focus on real-time computer vision applications. The C++, Python, and Java interfaces support Linux, MacOS, Windows, iOS, and Android.
Microsoft Computer Vision Recipes is a project that provides examples and best practice guidelines for building computer vision systems. This allows people to build a comprehensive set of tools and examples that leverage recent advances in Computer Vision algorithms, neural architectures, and operationalizing such systems. Creatin from existing state-of-the-art libraries and build additional utility around loading image data, optimizing and evaluating models, and scaling up to the cloud.
Microsoft Cognitive Toolkit (CNTK) is an open-source toolkit for commercial-grade distributed deep learning. It describes neural networks as a series of computational steps via a directed graph. CNTK allows the user to easily realize and combine popular model types such as feed-forward DNNs, convolutional neural networks (CNNs) and recurrent neural networks (RNNs/LSTMs). CNTK implements stochastic gradient descent (SGD, error backpropagation) learning with automatic differentiation and parallelization across multiple GPUs and servers.
Scikit-Learn is a Python module for machine learning built on top of SciPy, NumPy, and matplotlib, making it easier to apply robust and simple implementations of many popular machine learning algorithms.
NVIDIA cuDNN is a GPU-accelerated library of primitives for deep neural networks. cuDNN provides highly tuned implementations for standard routines such as forward and backward convolution, pooling, normalization, and activation layers. cuDNN accelerates widely used deep learning frameworks, including Caffe2, Chainer, Keras, MATLAB, MxNet, PyTorch, and TensorFlow.
Automated Driving Toolbox™ is a MATLAB tool that provides algorithms and tools for designing, simulating, and testing ADAS and autonomous driving systems. You can design and test vision and lidar perception systems, as well as sensor fusion, path planning, and vehicle controllers. Visualization tools include a bird's-eye-view plot and scope for sensor coverage, detections and tracks, and displays for video, lidar, and maps. The toolbox lets you import and work with HERE HD Live Map data and OpenDRIVE® road networks. It also provides reference application examples for common ADAS and automated driving features, including FCW, AEB, ACC, LKA, and parking valet. The toolbox supports C/C++ code generation for rapid prototyping and HIL testing, with support for sensor fusion, tracking, path planning, and vehicle controller algorithms.
LRSLibrary is a Low-Rank and Sparse Tools for Background Modeling and Subtraction in Videos. The library was designed for moving object detection in videos, but it can be also used for other computer vision and machine learning problems.
Image Processing Toolbox™ is a tool that provides a comprehensive set of reference-standard algorithms and workflow apps for image processing, analysis, visualization, and algorithm development. You can perform image segmentation, image enhancement, noise reduction, geometric transformations, image registration, and 3D image processing.
Computer Vision Toolbox™ is a tool that provides algorithms, functions, and apps for designing and testing computer vision, 3D vision, and video processing systems. You can perform object detection and tracking, as well as feature detection, extraction, and matching. You can automate calibration workflows for single, stereo, and fisheye cameras. For 3D vision, the toolbox supports visual and point cloud SLAM, stereo vision, structure from motion, and point cloud processing.
Statistics and Machine Learning Toolbox™ is a tool that provides functions and apps to describe, analyze, and model data. You can use descriptive statistics, visualizations, and clustering for exploratory data analysis; fit probability distributions to data; generate random numbers for Monte Carlo simulations, and perform hypothesis tests. Regression and classification algorithms let you draw inferences from data and build predictive models either interactively, using the Classification and Regression Learner apps, or programmatically, using AutoML.
Lidar Toolbox™ is a tool that provides algorithms, functions, and apps for designing, analyzing, and testing lidar processing systems. You can perform object detection and tracking, semantic segmentation, shape fitting, lidar registration, and obstacle detection. Lidar Toolbox supports lidar-camera cross calibration for workflows that combine computer vision and lidar processing.
Mapping Toolbox™ is a tool that provides algorithms and functions for transforming geographic data and creating map displays. You can visualize your data in a geographic context, build map displays from more than 60 map projections, and transform data from a variety of sources into a consistent geographic coordinate system.
UAV Toolbox is an application that provides tools and reference applications for designing, simulating, testing, and deploying unmanned aerial vehicle (UAV) and drone applications. You can design autonomous flight algorithms, UAV missions, and flight controllers. The Flight Log Analyzer app lets you interactively analyze 3D flight paths, telemetry information, and sensor readings from common flight log formats.
Parallel Computing Toolbox™ is a tool that lets you solve computationally and data-intensive problems using multicore processors, GPUs, and computer clusters. High-level constructs such as parallel for-loops, special array types, and parallelized numerical algorithms enable you to parallelize MATLAB® applications without CUDA or MPI programming. The toolbox lets you use parallel-enabled functions in MATLAB and other toolboxes. You can use the toolbox with Simulink® to run multiple simulations of a model in parallel. Programs and models can run in both interactive and batch modes.
Partial Differential Equation Toolbox™ is a tool that provides functions for solving structural mechanics, heat transfer, and general partial differential equations (PDEs) using finite element analysis.
ROS Toolbox is a tool that provides an interface connecting MATLAB® and Simulink® with the Robot Operating System (ROS and ROS 2), enabling you to create a network of ROS nodes. The toolbox includes MATLAB functions and Simulink blocks to import, analyze, and play back ROS data recorded in rosbag files. You can also connect to a live ROS network to access ROS messages.
Robotics Toolbox™ provides a toolbox that brings robotics specific functionality(designing, simulating, and testing manipulators, mobile robots, and humanoid robots) to MATLAB, exploiting the native capabilities of MATLAB (linear algebra, portability, graphics). The toolbox also supports mobile robots with functions for robot motion models (bicycle), path planning algorithms (bug, distance transform, D*, PRM), kinodynamic planning (lattice, RRT), localization (EKF, particle filter), map building (EKF) and simultaneous localization and mapping (EKF), and a Simulink model a of non-holonomic vehicle. The Toolbox also including a detailed Simulink model for a quadrotor flying robot.
Deep Learning Toolbox™ is a tool that provides a framework for designing and implementing deep neural networks with algorithms, pretrained models, and apps. You can use convolutional neural networks (ConvNets, CNNs) and long short-term memory (LSTM) networks to perform classification and regression on image, time-series, and text data. You can build network architectures such as generative adversarial networks (GANs) and Siamese networks using automatic differentiation, custom training loops, and shared weights. With the Deep Network Designer app, you can design, analyze, and train networks graphically. It can exchange models with TensorFlow™ and PyTorch through the ONNX format and import models from TensorFlow-Keras and Caffe. The toolbox supports transfer learning with DarkNet-53, ResNet-50, NASNet, SqueezeNet and many other pretrained models.
Reinforcement Learning Toolbox™ is a tool that provides an app, functions, and a Simulink® block for training policies using reinforcement learning algorithms, including DQN, PPO, SAC, and DDPG. You can use these policies to implement controllers and decision-making algorithms for complex applications such as resource allocation, robotics, and autonomous systems.
Deep Learning HDL Toolbox™ is a tool that provides functions and tools to prototype and implement deep learning networks on FPGAs and SoCs. It provides pre-built bitstreams for running a variety of deep learning networks on supported Xilinx® and Intel® FPGA and SoC devices. Profiling and estimation tools let you customize a deep learning network by exploring design, performance, and resource utilization tradeoffs.
Model Predictive Control Toolbox™ is a tool that provides functions, an app, and Simulink® blocks for designing and simulating controllers using linear and nonlinear model predictive control (MPC). The toolbox lets you specify plant and disturbance models, horizons, constraints, and weights. By running closed-loop simulations, you can evaluate controller performance.
Vision HDL Toolbox™ is a tool that provides pixel-streaming algorithms for the design and implementation of vision systems on FPGAs and ASICs. It provides a design framework that supports a diverse set of interface types, frame sizes, and frame rates. The image processing, video, and computer vision algorithms in the toolbox use an architecture appropriate for HDL implementations.
Data Acquisition Toolbox™ is a tool that provides apps and functions for configuring data acquisition hardware, reading data into MATLAB® and Simulink®, and writing data to DAQ analog and digital output channels. The toolbox supports a variety of DAQ hardware, including USB, PCI, PCI Express®, PXI®, and PXI Express® devices, from National Instruments® and other vendors.
Microsoft AirSim is a simulator for drones, cars and more, built on Unreal Engine (with an experimental Unity release). AirSim is open-source, cross platform, and supports software-in-the-loop simulation with popular flight controllers such as PX4 & ArduPilot and hardware-in-loop with PX4 for physically and visually realistic simulations. It is developed as an Unreal plugin that can simply be dropped into any Unreal environment. AirSim is being developed as a platform for AI research to experiment with deep learning, computer vision and reinforcement learning algorithms for autonomous vehicles.
Back to the Top
Natural Language Processing (NLP) is a branch of artificial intelligence (AI) focused on giving computers the ability to understand text and spoken words in much the same way human beings can. NLP combines computational linguistics rule-based modeling of human language with statistical, machine learning, and deep learning models.
Natural Language Processing With Python's NLTK Package
Cognitive Services—APIs for AI Developers | Microsoft Azure
Artificial Intelligence Services - Amazon Web Services (AWS)
Google Cloud Natural Language API
Top Natural Language Processing Courses Online | Udemy
Introduction to Natural Language Processing (NLP) | Udemy
Top Natural Language Processing Courses | Coursera
Natural Language Processing | Coursera
Natural Language Processing in TensorFlow | Coursera
Learn Natural Language Processing with Online Courses and Lessons | edX
Build a Natural Language Processing Solution with Microsoft Azure | Pluralsight
Natural Language Processing (NLP) Training Courses | NobleProg
Natural Language Processing with Deep Learning Course | Standford Online
Advanced Natural Language Processing - MIT OpenCourseWare
Certified Natural Language Processing Expert Certification | IABAC
Natural Language Processing Course - Intel
Natural Language Toolkit (NLTK) is a leading platform for building Python programs to work with human language data. It provides easy-to-use interfaces to over 50 corpora and lexical resources such as WordNet, along with a suite of text processing libraries for classification, tokenization, stemming, tagging, parsing, and semantic reasoning, wrappers for industrial-strength NLP libraries.
spaCy is a library for advanced Natural Language Processing in Python and Cython. It's built on the very latest research, and was designed from day one to be used in real products. spaCy comes with pretrained pipelines and currently supports tokenization and training for 60+ languages. It also features neural network models for tagging, parsing, named entity recognition, text classification and more, multi-task learning with pretrained transformers like BERT.
CoreNLP is a set of natural language analysis tools written in Java. CoreNLP enables users to derive linguistic annotations for text, including token and sentence boundaries, parts of speech, named entities, numeric and time values, dependency and constituency parses, coreference, sentiment, quote attributions, and relations.
NLPnet is a Python library for Natural Language Processing tasks based on neural networks. It performs part-of-speech tagging, semantic role labeling and dependency parsing.
Flair is a simple framework for state-of-the-art Natural Language Processing (NLP) models to your text, such as named entity recognition (NER), part-of-speech tagging (PoS), special support for biomedical data, sense disambiguation and classification, with support for a rapidly growing number of languages.
Catalyst is a C# Natural Language Processing library built for speed. Inspired by spaCy's design, it brings pre-trained models, out-of-the box support for training word and document embeddings, and flexible entity recognition models.
Apache OpenNLP is an open-source library for a machine learning based toolkit used in the processing of natural language text. It features an API for use cases like Named Entity Recognition, Sentence Detection, POS(Part-Of-Speech) tagging, Tokenization Feature extraction, Chunking, Parsing, and Coreference resolution.
Microsoft Cognitive Toolkit (CNTK) is an open-source toolkit for commercial-grade distributed deep learning. It describes neural networks as a series of computational steps via a directed graph. CNTK allows the user to easily realize and combine popular model types such as feed-forward DNNs, convolutional neural networks (CNNs) and recurrent neural networks (RNNs/LSTMs). CNTK implements stochastic gradient descent (SGD, error backpropagation) learning with automatic differentiation and parallelization across multiple GPUs and servers.
NVIDIA cuDNN is a GPU-accelerated library of primitives for deep neural networks. cuDNN provides highly tuned implementations for standard routines such as forward and backward convolution, pooling, normalization, and activation layers. cuDNN accelerates widely used deep learning frameworks, including Caffe2, Chainer, Keras, MATLAB, MxNet, PyTorch, and TensorFlow.
TensorFlow is an end-to-end open source platform for machine learning. It has a comprehensive, flexible ecosystem of tools, libraries and community resources that lets researchers push the state-of-the-art in ML and developers easily build and deploy ML powered applications.
Tensorflow_macOS is a Mac-optimized version of TensorFlow and TensorFlow Addons for macOS 11.0+ accelerated using Apple's ML Compute framework.
Keras is a high-level neural networks API, written in Python and capable of running on top of TensorFlow, CNTK, or Theano.It was developed with a focus on enabling fast experimentation. It is capable of running on top of TensorFlow, Microsoft Cognitive Toolkit, R, Theano, or PlaidML.
PyTorch is a library for deep learning on irregular input data such as graphs, point clouds, and manifolds. Primarily developed by Facebook's AI Research lab.
Eclipse Deeplearning4J (DL4J) is a set of projects intended to support all the needs of a JVM-based(Scala, Kotlin, Clojure, and Groovy) deep learning application. This means starting with the raw data, loading and preprocessing it from wherever and whatever format it is in to building and tuning a wide variety of simple and complex deep learning networks.
Chainer is a Python-based deep learning framework aiming at flexibility. It provides automatic differentiation APIs based on the define-by-run approach (dynamic computational graphs) as well as object-oriented high-level APIs to build and train neural networks. It also supports CUDA/cuDNN using CuPy for high performance training and inference.
Anaconda is a very popular Data Science platform for machine learning and deep learning that enables users to develop models, train them, and deploy them.
PlaidML is an advanced and portable tensor compiler for enabling deep learning on laptops, embedded devices, or other devices where the available computing hardware is not well supported or the available software stack contains unpalatable license restrictions.
Scikit-Learn is a Python module for machine learning built on top of SciPy, NumPy, and matplotlib, making it easier to apply robust and simple implementations of many popular machine learning algorithms.
Caffe is a deep learning framework made with expression, speed, and modularity in mind. It is developed by Berkeley AI Research (BAIR)/The Berkeley Vision and Learning Center (BVLC) and community contributors.
Theano is a Python library that allows you to define, optimize, and evaluate mathematical expressions involving multi-dimensional arrays efficiently including tight integration with NumPy.
Apache Spark is a unified analytics engine for large-scale data processing. It provides high-level APIs in Scala, Java, Python, and R, and an optimized engine that supports general computation graphs for data analysis. It also supports a rich set of higher-level tools including Spark SQL for SQL and DataFrames, MLlib for machine learning, GraphX for graph processing, and Structured Streaming for stream processing.
Apache Spark Connector for SQL Server and Azure SQL is a high-performance connector that enables you to use transactional data in big data analytics and persists results for ad-hoc queries or reporting. The connector allows you to use any SQL database, on-premises or in the cloud, as an input data source or output data sink for Spark jobs.
Apache PredictionIO is an open source machine learning framework for developers, data scientists, and end users. It supports event collection, deployment of algorithms, evaluation, querying predictive results via REST APIs. It is based on scalable open source services like Hadoop, HBase (and other DBs), Elasticsearch, Spark and implements what is called a Lambda Architecture.
Apache Airflow is an open-source workflow management platform created by the community to programmatically author, schedule and monitor workflows. Airflow has a modular architecture and uses a message queue to orchestrate an arbitrary number of workers. Airflow is ready to scale to infinity.
Open Neural Network Exchange(ONNX) is an open ecosystem that empowers AI developers to choose the right tools as their project evolves. ONNX provides an open source format for AI models, both deep learning and traditional ML. It defines an extensible computation graph model, as well as definitions of built-in operators and standard data types.
BigDL is a distributed deep learning library for Apache Spark. With BigDL, users can write their deep learning applications as standard Spark programs, which can directly run on top of existing Spark or Hadoop clusters.
Numba is an open source, NumPy-aware optimizing compiler for Python sponsored by Anaconda, Inc. It uses the LLVM compiler project to generate machine code from Python syntax. Numba can compile a large subset of numerically-focused Python, including many NumPy functions. Additionally, Numba has support for automatic parallelization of loops, generation of GPU-accelerated code, and creation of ufuncs and C callbacks.
Back to the Top
Bioinformatics is a field of computational science that has to do with the analysis of sequences of biological molecules. This usually refers to genes, DNA, RNA, or protein, and is particularly useful in comparing genes and other sequences in proteins and other sequences within an organism or between organisms, looking at evolutionary relationships between organisms, and using the patterns that exist across DNA and protein sequences to figure out what their function is.
European Bioinformatics Institute
National Center for Biotechnology Information
Online Courses in Bioinformatics |ISCB - International Society for Computational Biology
Bioinformatics | Coursera
Top Bioinformatics Courses | Udemy
Biometrics Courses | Udemy
Learn Bioinformatics with Online Courses and Lessons | edX
Bioinformatics Graduate Certificate | Harvard Extension School
Bioinformatics and Biostatistics | UC San Diego Extension
Bioinformatics and Proteomics - Free Online Course Materials | MIT
Introduction to Biometrics course - Biometrics Institute
Bioconductor is an open source project that provides tools for the analysis and comprehension of high-throughput genomic data. Bioconductor uses the R statistical programming language, and is open source and open development. It has two releases each year, and an active user community. Bioconductor is also available as an AMI (Amazon Machine Image) and Docker images.
Bioconda is a channel for the conda package manager specializing in bioinformatics software. It has a repository of packages containing over 7000 bioinformatics packages ready to use with conda install.
UniProt is a freely accessible database that provide users with a comprehensive, high-quality and freely accessible set of protein sequences annotated with functional information.
Bowtie 2 is an ultrafast and memory-efficient tool for aligning sequencing reads to long reference sequences. It is particularly good at aligning reads of about 50 up to 100s or 1,000s of characters, and particularly good at aligning to relatively long (mammalian) genomes.
Biopython is a set of freely available tools for biological computation written in Python by an international team of developers. It is a distributed collaborative effort to develop Python libraries and applications which address the needs of current and future work in bioinformatics.
BioRuby is a toolkit that has components for sequence analysis, pathway analysis, protein modelling and phylogenetic analysis; it supports many widely used data formats and provides easy access to databases, external programs and public web services, including BLAST, KEGG, GenBank, MEDLINE and GO.
BioJava is a toolkit that provides an API to maintain local installations of the PDB, load and manipulate structures, perform standard analysis such as sequence and structure alignments and visualize them in 3D.
BioPHP is an open source project that provides a collection of open source PHP code, with classes for DNA and protein sequence analysis, alignment, database parsing, and other bioinformatics tools.
Avogadro is an advanced molecule editor and visualizer designed for cross-platform use in computational chemistry, molecular modeling, bioinformatics, materials science, and related areas. It offers flexible high quality rendering and a powerful plugin architecture.
Ascalaph Designer is a program for molecular dynamic simulations. Under a single graphical environment are represented as their own implementation of molecular dynamics as well as the methods of classical and quantum mechanics of popular programs.
Anduril is a workflow platform for analyzing large data sets. Anduril provides facilities for analyzing high-thoughput data in biomedical research, and the platform is fully extensible by third parties. Ready-made tools support data visualization, DNA/RNA/ChIP-sequencing, DNA/RNA microarrays, cytometry and image analysis.
Galaxy is an open source, web-based platform for accessible, reproducible, and transparent computational biomedical research. It allows users without programming experience to easily specify parameters and run individual tools as well as larger workflows. It also captures run information so that any user can repeat and understand a complete computational analysis.
PathVisio is a free open-source pathway analysis and drawing software which allows drawing, editing, and analyzing biological pathways. It is developed in Java and can be extended with plugins.
Orange is a powerful data mining and machine learning toolkit that performs data analysis and visualization.
Basic Local Alignment Search Tool is a tool that finds regions of similarity between biological sequences. The program compares nucleotide or protein sequences to sequence databases and calculates the statistical significance.
OSIRIS is public-domain, free, and open source STR analysis software designed for clinical, forensic, and research use, and has been validated for use as an expert system for single-source samples.
NCBI BioSystems is a Database that provides integrated access to biological systems and their component genes, proteins, and small molecules, as well as literature describing those biosystems and other related data throughout Entrez.
Back to the Top
CUDA Toolkit. Source: NVIDIA Developer CUDA
CUDA is a parallel computing platform and programming model developed by NVIDIA for general computing on graphical processing units (GPUs). With CUDA, developers are able to dramatically speed up computing applications by harnessing the power of GPUs. In GPU-accelerated applications, the sequential part of the workload runs on the CPU, which is optimized for single-threaded. The compute intensive portion of the application runs on thousands of GPU cores in parallel. When using CUDA, developers can program in popular languages such as C, C++, Fortran, Python and MATLAB.
CUDA Toolkit Documentation
CUDA Quick Start Guide
CUDA on WSL
CUDA GPU support for TensorFlow
NVIDIA Deep Learning cuDNN Documentation
NVIDIA GPU Cloud Documentation
NVIDIA NGC is a hub for GPU-optimized software for deep learning, machine learning, and high-performance computing (HPC) workloads.
NVIDIA NGC Containers is a registry that provides researchers, data scientists, and developers with simple access to a comprehensive catalog of GPU-accelerated software for AI, machine learning and HPC. These containers take full advantage of NVIDIA GPUs on-premises and in the cloud.
CUDA Toolkit is a collection of tools & libraries that provide a development environment for creating high performance GPU-accelerated applications. The CUDA Toolkit allows you can develop, optimize, and deploy your applications on GPU-accelerated embedded systems, desktop workstations, enterprise data centers, cloud-based platforms and HPC supercomputers. The toolkit includes GPU-accelerated libraries, debugging and optimization tools, a C/C++ compiler, and a runtime library to build and deploy your application on major architectures including x86, Arm and POWER.
NVIDIA cuDNN is a GPU-accelerated library of primitives for deep neural networks. cuDNN provides highly tuned implementations for standard routines such as forward and backward convolution, pooling, normalization, and activation layers. cuDNN accelerates widely used deep learning frameworks, including Caffe2, Chainer, Keras, MATLAB, MxNet, PyTorch, and TensorFlow.
CUDA-X HPC is a collection of libraries, tools, compilers and APIs that help developers solve the world's most challenging problems. CUDA-X HPC includes highly tuned kernels essential for high-performance computing (HPC).
NVIDIA Container Toolkit is a collection of tools & libraries that allows users to build and run GPU accelerated Docker containers. The toolkit includes a container runtime library and utilities to automatically configure containers to leverage NVIDIA GPUs.
Minkowski Engine is an auto-differentiation library for sparse tensors. It supports all standard neural network layers such as convolution, pooling, unpooling, and broadcasting operations for sparse tensors.
CUTLASS is a collection of CUDA C++ template abstractions for implementing high-performance matrix-multiplication (GEMM) at all levels and scales within CUDA. It incorporates strategies for hierarchical decomposition and data movement similar to those used to implement cuBLAS.
CUB is a cooperative primitives for CUDA C++ kernel authors.
Tensorman is a utility for easy management of Tensorflow containers by developed by System76.Tensorman allows Tensorflow to operate in an isolated environment that is contained from the rest of the system. This virtual environment can operate independent of the base system, allowing you to use any version of Tensorflow on any version of a Linux distribution that supports the Docker runtime.
Numba is an open source, NumPy-aware optimizing compiler for Python sponsored by Anaconda, Inc. It uses the LLVM compiler project to generate machine code from Python syntax. Numba can compile a large subset of numerically-focused Python, including many NumPy functions. Additionally, Numba has support for automatic parallelization of loops, generation of GPU-accelerated code, and creation of ufuncs and C callbacks.
Chainer is a Python-based deep learning framework aiming at flexibility. It provides automatic differentiation APIs based on the define-by-run approach (dynamic computational graphs) as well as object-oriented high-level APIs to build and train neural networks. It also supports CUDA/cuDNN using CuPy for high performance training and inference.
CuPy is an implementation of NumPy-compatible multi-dimensional array on CUDA. CuPy consists of the core multi-dimensional array class, cupy.ndarray, and many functions on it. It supports a subset of numpy.ndarray interface.
CatBoost is a fast, scalable, high performance Gradient Boosting on Decision Trees library, used for ranking, classification, regression and other machine learning tasks for Python, R, Java, C++. Supports computation on CPU and GPU.
cuDF is a GPU DataFrame library for loading, joining, aggregating, filtering, and otherwise manipulating data. cuDF provides a pandas-like API that will be familiar to data engineers & data scientists, so they can use it to easily accelerate their workflows without going into the details of CUDA programming.
cuML is a suite of libraries that implement machine learning algorithms and mathematical primitives functions that share compatible APIs with other RAPIDS projects. cuML enables data scientists, researchers, and software engineers to run traditional tabular ML tasks on GPUs without going into the details of CUDA programming. In most cases, cuML's Python API matches the API from scikit-learn.
ArrayFire is a general-purpose library that simplifies the process of developing software that targets parallel and massively-parallel architectures including CPUs, GPUs, and other hardware acceleration devices.
Thrust is a C++ parallel programming library which resembles the C++ Standard Library. Thrust's high-level interface greatly enhances programmer productivity while enabling performance portability between GPUs and multicore CPUs.
AresDB is a GPU-powered real-time analytics storage and query engine. It features low query latency, high data freshness and highly efficient in-memory and on disk storage management.
Arraymancer is a tensor (N-dimensional array) project in Nim. The main focus is providing a fast and ergonomic CPU, Cuda and OpenCL ndarray library on which to build a scientific computing ecosystem.
Kintinuous is a real-time dense visual SLAM system capable of producing high quality globally consistent point and mesh reconstructions over hundreds of metres in real-time with only a low-cost commodity RGB-D sensor.
GraphVite is a general graph embedding engine, dedicated to high-speed and large-scale embedding learning in various applications.
Back to the Top
MATLAB is a programming language that does numerical computing such as expressing matrix and array mathematics directly.
MATLAB Documentation
Getting Started with MATLAB
MATLAB and Simulink Training from MATLAB Academy
MathWorks Certification Program
MATLAB Online Courses from Udemy
MATLAB Online Courses from Coursera
MATLAB Online Courses from edX
Building a MATLAB GUI
MATLAB Style Guidelines 2.0
Setting Up Git Source Control with MATLAB & Simulink
Pull, Push and Fetch Files with Git with MATLAB & Simulink
Create New Repository with MATLAB & Simulink
PRMLT is Matlab code for machine learning algorithms in the PRML book.
MATLAB and Simulink Services & Applications List
MATLAB in the Cloud is a service that allows you to run in cloud environments from MathWorks Cloud to Public Clouds including AWS and Azure.
MATLAB Online™ is a service that allows to users to uilitize MATLAB and Simulink through a web browser such as Google Chrome.
Simulink is a block diagram environment for Model-Based Design. It supports simulation, automatic code generation, and continuous testing of embedded systems.
Simulink Online™ is a service that provides access to Simulink through your web browser.
MATLAB Drive™ is a service that gives you the ability to store, access, and work with your files from anywhere.
MATLAB Parallel Server™ is a tool that lets you scale MATLAB® programs and Simulink® simulations to clusters and clouds. You can prototype your programs and simulations on the desktop and then run them on clusters and clouds without recoding. MATLAB Parallel Server supports batch jobs, interactive parallel computations, and distributed computations with large matrices.
MATLAB Schemer is a MATLAB package makes it easy to change the color scheme (theme) of the MATLAB display and GUI.
LRSLibrary is a Low-Rank and Sparse Tools for Background Modeling and Subtraction in Videos. The library was designed for moving object detection in videos, but it can be also used for other computer vision and machine learning problems.
Image Processing Toolbox™ is a tool that provides a comprehensive set of reference-standard algorithms and workflow apps for image processing, analysis, visualization, and algorithm development. You can perform image segmentation, image enhancement, noise reduction, geometric transformations, image registration, and 3D image processing.
Computer Vision Toolbox™ is a tool that provides algorithms, functions, and apps for designing and testing computer vision, 3D vision, and video processing systems. You can perform object detection and tracking, as well as feature detection, extraction, and matching. You can automate calibration workflows for single, stereo, and fisheye cameras. For 3D vision, the toolbox supports visual and point cloud SLAM, stereo vision, structure from motion, and point cloud processing.
Statistics and Machine Learning Toolbox™ is a tool that provides functions and apps to describe, analyze, and model data. You can use descriptive statistics, visualizations, and clustering for exploratory data analysis; fit probability distributions to data; generate random numbers for Monte Carlo simulations, and perform hypothesis tests. Regression and classification algorithms let you draw inferences from data and build predictive models either interactively, using the Classification and Regression Learner apps, or programmatically, using AutoML.
Lidar Toolbox™ is a tool that provides algorithms, functions, and apps for designing, analyzing, and testing lidar processing systems. You can perform object detection and tracking, semantic segmentation, shape fitting, lidar registration, and obstacle detection. Lidar Toolbox supports lidar-camera cross calibration for workflows that combine computer vision and lidar processing.
Mapping Toolbox™ is a tool that provides algorithms and functions for transforming geographic data and creating map displays. You can visualize your data in a geographic context, build map displays from more than 60 map projections, and transform data from a variety of sources into a consistent geographic coordinate system.
UAV Toolbox is an application that provides tools and reference applications for designing, simulating, testing, and deploying unmanned aerial vehicle (UAV) and drone applications. You can design autonomous flight algorithms, UAV missions, and flight controllers. The Flight Log Analyzer app lets you interactively analyze 3D flight paths, telemetry information, and sensor readings from common flight log formats.
Parallel Computing Toolbox™ is a tool that lets you solve computationally and data-intensive problems using multicore processors, GPUs, and computer clusters. High-level constructs such as parallel for-loops, special array types, and parallelized numerical algorithms enable you to parallelize MATLAB® applications without CUDA or MPI programming. The toolbox lets you use parallel-enabled functions in MATLAB and other toolboxes. You can use the toolbox with Simulink® to run multiple simulations of a model in parallel. Programs and models can run in both interactive and batch modes.
Partial Differential Equation Toolbox™ is a tool that provides functions for solving structural mechanics, heat transfer, and general partial differential equations (PDEs) using finite element analysis.
ROS Toolbox is a tool that provides an interface connecting MATLAB® and Simulink® with the Robot Operating System (ROS and ROS 2), enabling you to create a network of ROS nodes. The toolbox includes MATLAB functions and Simulink blocks to import, analyze, and play back ROS data recorded in rosbag files. You can also connect to a live ROS network to access ROS messages.
Robotics Toolbox™ provides a toolbox that brings robotics specific functionality(designing, simulating, and testing manipulators, mobile robots, and humanoid robots) to MATLAB, exploiting the native capabilities of MATLAB (linear algebra, portability, graphics). The toolbox also supports mobile robots with functions for robot motion models (bicycle), path planning algorithms (bug, distance transform, D*, PRM), kinodynamic planning (lattice, RRT), localization (EKF, particle filter), map building (EKF) and simultaneous localization and mapping (EKF), and a Simulink model a of non-holonomic vehicle. The Toolbox also including a detailed Simulink model for a quadrotor flying robot.
Deep Learning Toolbox™ is a tool that provides a framework for designing and implementing deep neural networks with algorithms, pretrained models, and apps. You can use convolutional neural networks (ConvNets, CNNs) and long short-term memory (LSTM) networks to perform classification and regression on image, time-series, and text data. You can build network architectures such as generative adversarial networks (GANs) and Siamese networks using automatic differentiation, custom training loops, and shared weights. With the Deep Network Designer app, you can design, analyze, and train networks graphically. It can exchange models with TensorFlow™ and PyTorch through the ONNX format and import models from TensorFlow-Keras and Caffe. The toolbox supports transfer learning with DarkNet-53, ResNet-50, NASNet, SqueezeNet and many other pretrained models.
Reinforcement Learning Toolbox™ is a tool that provides an app, functions, and a Simulink® block for training policies using reinforcement learning algorithms, including DQN, PPO, SAC, and DDPG. You can use these policies to implement controllers and decision-making algorithms for complex applications such as resource allocation, robotics, and autonomous systems.
Deep Learning HDL Toolbox™ is a tool that provides functions and tools to prototype and implement deep learning networks on FPGAs and SoCs. It provides pre-built bitstreams for running a variety of deep learning networks on supported Xilinx® and Intel® FPGA and SoC devices. Profiling and estimation tools let you customize a deep learning network by exploring design, performance, and resource utilization tradeoffs.
Model Predictive Control Toolbox™ is a tool that provides functions, an app, and Simulink® blocks for designing and simulating controllers using linear and nonlinear model predictive control (MPC). The toolbox lets you specify plant and disturbance models, horizons, constraints, and weights. By running closed-loop simulations, you can evaluate controller performance.
Vision HDL Toolbox™ is a tool that provides pixel-streaming algorithms for the design and implementation of vision systems on FPGAs and ASICs. It provides a design framework that supports a diverse set of interface types, frame sizes, and frame rates. The image processing, video, and computer vision algorithms in the toolbox use an architecture appropriate for HDL implementations.
SoC Blockset™ is a tool that provides Simulink® blocks and visualization tools for modeling, simulating, and analyzing hardware and software architectures for ASICs, FPGAs, and systems on a chip (SoC). You can build your system architecture using memory models, bus models, and I/O models, and simulate the architecture together with the algorithms.
Wireless HDL Toolbox™ is a tool that provides pre-verified, hardware-ready Simulink® blocks and subsystems for developing 5G, LTE, and custom OFDM-based wireless communication applications. It includes reference applications, IP blocks, and gateways between frame and sample-based processing.
ThingSpeak™ is an IoT analytics service that allows you to aggregate, visualize, and analyze live data streams in the cloud. ThingSpeak provides instant visualizations of data posted by your devices to ThingSpeak. With the ability to execute MATLAB® code in ThingSpeak, you can perform online analysis and process data as it comes in. ThingSpeak is often used for prototyping and proof-of-concept IoT systems that require analytics.
SEA-MAT is a collaborative effort to organize and distribute Matlab tools for the Oceanographic Community.
Gramm is a complete data visualization toolbox for Matlab. It provides an easy to use and high-level interface to produce publication-quality plots of complex data with varied statistical visualizations. Gramm is inspired by R's ggplot2 library.
hctsa is a software package for running highly comparative time-series analysis using Matlab.
Plotly is a Graphing Library for MATLAB.
YALMIP is a MATLAB toolbox for optimization modeling.
GNU Octave is a high-level interpreted language, primarily intended for numerical computations. It provides capabilities for the numerical solution of linear and nonlinear problems, and for performing other numerical experiments. It also provides extensive graphics capabilities for data visualization and manipulation.
Back to the Top
C++ is a cross-platform language that can be used to build high-performance applications developed by Bjarne Stroustrup, as an extension to the C language.
C is a general-purpose, high-level language that was originally developed by Dennis M. Ritchie to develop the UNIX operating system at Bell Labs. It supports structured programming, lexical variable scope, and recursion, with a static type system. C also provides constructs that map efficiently to typical machine instructions, which makes it one was of the most widely used programming languages today.
Embedded C is a set of language extensions for the C programming language by the C Standards Committee to address issues that exist between C extensions for different embedded systems. The extensions hep enhance microprocessor features such as fixed-point arithmetic, multiple distinct memory banks, and basic I/O operations. This makes Embedded C the most popular embedded software language in the world.
C & C++ Developer Tools from JetBrains
Open source C++ libraries on cppreference.com
C++ Graphics libraries
C++ Libraries in MATLAB
C++ Tools and Libraries Articles
Google C++ Style Guide
Introduction C++ Education course on Google Developers
C++ style guide for Fuchsia
C and C++ Coding Style Guide by OpenTitan
Chromium C++ Style Guide
C++ Core Guidelines
C++ Style Guide for ROS
Learn C++
Learn C : An Interactive C Tutorial
C++ Institute
C++ Online Training Courses on LinkedIn Learning
C++ Tutorials on W3Schools
Learn C Programming Online Courses on edX
Learn C++ with Online Courses on edX
Learn C++ on Codecademy
Coding for Everyone: C and C++ course on Coursera
C++ For C Programmers on Coursera
Top C Courses on Coursera
C++ Online Courses on Udemy
Top C Courses on Udemy
Basics of Embedded C Programming for Beginners on Udemy
C++ For Programmers Course on Udacity
C++ Fundamentals Course on Pluralsight
Introduction to C++ on MIT Free Online Course Materials
Introduction to C++ for Programmers | Harvard
Online C Courses | Université Harvard
AWS SDK for C++
Azure SDK for C++
Azure SDK for C
C++ Client Libraries for Google Cloud Services
Visual Studio is an integrated development environment (IDE) from Microsoft; which is a feature-rich application that can be used for many aspects of software development. Visual Studio makes it easy to edit, debug, build, and publish your app. By using Microsoft software development platforms such as Windows API, Windows Forms, Windows Presentation Foundation, and Windows Store.
Visual Studio Code is a code editor redefined and optimized for building and debugging modern web and cloud applications.
Vcpkg is a C++ Library Manager for Windows, Linux, and MacOS.
ReSharper C++ is a Visual Studio Extension for C++ developers developed by JetBrains.
AppCode is constantly monitoring the quality of your code. It warns you of errors and smells and suggests quick-fixes to resolve them automatically. AppCode provides lots of code inspections for Objective-C, Swift, C/C++, and a number of code inspections for other supported languages. All code inspections are run on the fly.
CLion is a cross-platform IDE for C and C++ developers developed by JetBrains.
Code::Blocks is a free C/C++ and Fortran IDE built to meet the most demanding needs of its users. It is designed to be very extensible and fully configurable. Built around a plugin framework, Code::Blocks can be extended with plugins.
CppSharp is a tool and set of libraries which facilitates the usage of native C/C++ code with the .NET ecosystem. It consumes C/C++ header and library files and generates the necessary glue code to surface the native API as a managed API. Such an API can be used to consume an existing native library in your managed code or add managed scripting support to a native codebase.
Conan is an Open Source Package Manager for C++ development and dependency management into the 21st century and on par with the other development ecosystems.
High Performance Computing (HPC) SDK is a comprehensive toolbox for GPU accelerating HPC modeling and simulation applications. It includes the C, C++, and Fortran compilers, libraries, and analysis tools necessary for developing HPC applications on the NVIDIA platform.
Thrust is a C++ parallel programming library which resembles the C++ Standard Library. Thrust's high-level interface greatly enhances programmer productivity while enabling performance portability between GPUs and multicore CPUs. Interoperability with established technologies such as CUDA, TBB, and OpenMP integrates with existing software.
Boost is an educational opportunity focused on cutting-edge C++. Boost has been a participant in the annual Google Summer of Code since 2007, in which students develop their skills by working on Boost Library development.
Automake is a tool for automatically generating Makefile.in files compliant with the GNU Coding Standards. Automake requires the use of GNU Autoconf.
Cmake is an open-source, cross-platform family of tools designed to build, test and package software. CMake is used to control the software compilation process using simple platform and compiler independent configuration files, and generate native makefiles and workspaces that can be used in the compiler environment of your choice.
GDB is a debugger, that allows you to see what is going on `inside' another program while it executes or what another program was doing at the moment it crashed.
GCC is a compiler Collection that includes front ends for C, C++, Objective-C, Fortran, Ada, Go, and D, as well as libraries for these languages.
GSL is a numerical library for C and C++ programmers. It is free software under the GNU General Public License. The library provides a wide range of mathematical routines such as random number generators, special functions and least-squares fitting. There are over 1000 functions in total with an extensive test suite.
OpenGL Extension Wrangler Library (GLEW) is a cross-platform open-source C/C++ extension loading library. GLEW provides efficient run-time mechanisms for determining which OpenGL extensions are supported on the target platform.
Libtool is a generic library support script that hides the complexity of using shared libraries behind a consistent, portable interface. To use Libtool, add the new generic library building commands to your Makefile, Makefile.in, or Makefile.am.
Maven is a software project management and comprehension tool. Based on the concept of a project object model (POM), Maven can manage a project's build, reporting and documentation from a central piece of information.
TAU (Tuning And Analysis Utilities) is capable of gathering performance information through instrumentation of functions, methods, basic blocks, and statements as well as event-based sampling. All C++ language features are supported including templates and namespaces.
Clang is a production quality C, Objective-C, C++ and Objective-C++ compiler when targeting X86-32, X86-64, and ARM (other targets may have caveats, but are usually easy to fix). Clang is used in production to build performance-critical software like Google Chrome or Firefox.
OpenCV is a highly optimized library with focus on real-time applications. Cross-Platform C++, Python and Java interfaces support Linux, MacOS, Windows, iOS, and Android.
Libcu++ is the NVIDIA C++ Standard Library for your entire system. It provides a heterogeneous implementation of the C++ Standard Library that can be used in and between CPU and GPU code.
ANTLR (ANother Tool for Language Recognition) is a powerful parser generator for reading, processing, executing, or translating structured text or binary files. It's widely used to build languages, tools, and frameworks. From a grammar, ANTLR generates a parser that can build parse trees and also generates a listener interface that makes it easy to respond to the recognition of phrases of interest.
Oat++ is a light and powerful C++ web framework for highly scalable and resource-efficient web application. It's zero-dependency and easy-portable.
JavaCPP is a program that provides efficient access to native C++ inside Java, not unlike the way some C/C++ compilers interact with assembly language.
Cython is a language that makes writing C extensions for Python as easy as Python itself. Cython is based on Pyrex, but supports more cutting edge functionality and optimizations such as calling C functions and declaring C types on variables and class attributes.
Spdlog is a very fast, header-only/compiled, C++ logging library.
Infer is a static analysis tool for Java, C++, Objective-C, and C. Infer is written in OCaml.
Back to the Top
Java is a popular programming language and development platform(JDK). It reduces costs, shortens development timeframes, drives innovation, and improves application services. With millions of developers running more than 51 billion Java Virtual Machines worldwide.
The Eclipse Foundation is home to a worldwide community of developers, the Eclipse IDE, Jakarta EE and over 375 open source projects, including runtimes, tools and frameworks for Java and other languages.
Getting Started with Java
Oracle Java certifications from Oracle University
Google Developers Training
Google Developers Certification
Java Tutorial by W3Schools
Building Your First Android App in Java
Getting Started with Java in Visual Studio Code
Google Java Style Guide
AOSP Java Code Style for Contributors
Chromium Java style guide
Get Started with OR-Tools for Java
Getting started with Java Tool Installer task for Azure Pipelines
Gradle User Manual
Java SE contains several tools to assist in program development and debugging, and in the monitoring and troubleshooting of production applications.
JDK Development Tools includes the Java Web Start Tools (javaws) Java Troubleshooting, Profiling, Monitoring and Management Tools (jcmd, jconsole, jmc, jvisualvm); and Java Web Services Tools (schemagen, wsgen, wsimport, xjc).
Android Studio is the official integrated development environment for Google's Android operating system, built on JetBrains' IntelliJ IDEA software and designed specifically for Android development. Availble on Windows, macOS, Linux, Chrome OS.
IntelliJ IDEA is an IDE for Java, but it also understands and provides intelligent coding assistance for a large variety of other languages such as Kotlin, SQL, JPQL, HTML, JavaScript, etc., even if the language expression is injected into a String literal in your Java code.
NetBeans is an IDE provides Java developers with all the tools needed to create professional desktop, mobile and enterprise applications. Creating, Editing, and Refactoring. The IDE provides wizards and templates to let you create Java EE, Java SE, and Java ME applications.
Java Design Patterns is a collection of the best formalized practices a programmer can use to solve common problems when designing an application or system.
Elasticsearch is a distributed RESTful search engine built for the cloud written in Java.
RxJava is a Java VM implementation of Reactive Extensions: a library for composing asynchronous and event-based programs by using observable sequences. It extends the observer pattern to support sequences of data/events and adds operators that allow you to compose sequences together declaratively while abstracting away concerns about things like low-level threading, synchronization, thread-safety and concurrent data structures.
Guava is a set of core Java libraries from Google that includes new collection types (such as multimap and multiset), immutable collections, a graph library, and utilities for concurrency, I/O, hashing, caching, primitives, strings, and more! It is widely used on most Java projects within Google, and widely used by many other companies as well.
okhttp is a HTTP client for Java and Kotlin developed by Square.
Retrofit is a type-safe HTTP client for Android and Java develped by Square.
LeakCanary is a memory leak detection library for Android develped by Square.
Apache Spark is a unified analytics engine for large-scale data processing. It provides high-level APIs in Scala, Java, Python, and R, and an optimized engine that supports general computation graphs for data analysis. It also supports a rich set of higher-level tools including Spark SQL for SQL and DataFrames, MLlib for machine learning, GraphX for graph processing, and Structured Streaming for stream processing.
Apache Flink is an open source stream processing framework with powerful stream- and batch-processing capabilities with elegant and fluent APIs in Java and Scala.
Fastjson is a Java library that can be used to convert Java Objects into their JSON representation. It can also be used to convert a JSON string to an equivalent Java object.
libGDX is a cross-platform Java game development framework based on OpenGL (ES) that works on Windows, Linux, Mac OS X, Android, your WebGL enabled browser and iOS.
Jenkins is the leading open-source automation server. Built with Java, it provides over 1700 plugins to support automating virtually anything, so that humans can actually spend their time doing things machines cannot.
DBeaver is a free multi-platform database tool for developers, SQL programmers, database administrators and analysts. Supports any database which has JDBC driver (which basically means - ANY database). EE version also supports non-JDBC datasources (MongoDB, Cassandra, Redis, DynamoDB, etc).
Redisson is a Redis Java client with features of In-Memory Data Grid. Over 50 Redis based Java objects and services: Set, Multimap, SortedSet, Map, List, Queue, Deque, Semaphore, Lock, AtomicLong, Map Reduce, Publish / Subscribe, Bloom filter, Spring Cache, Tomcat, Scheduler, JCache API, Hibernate, MyBatis, RPC, and local cache.
GraalVM is a universal virtual machine for running applications written in JavaScript, Python, Ruby, R, JVM-based languages like Java, Scala, Clojure, Kotlin, and LLVM-based languages such as C and C++.
Gradle is a build automation tool for multi-language software development. From mobile apps to microservices, from small startups to big enterprises, Gradle helps teams build, automate and deliver better software, faster. Write in Java, C++, Python or your language of choice.
Apache Groovy is a powerful, optionally typed and dynamic language, with static-typing and static compilation capabilities, for the Java platform aimed at improving developer productivity thanks to a concise, familiar and easy to learn syntax. It integrates smoothly with any Java program, and immediately delivers to your application powerful features, including scripting capabilities, Domain-Specific Language authoring, runtime and compile-time meta-programming and functional programming.
JaCoCo is a free code coverage library for Java, which has been created by the EclEmma team based on the lessons learned from using and integration existing libraries for many years.
Apache JMeter is used to test performance both on static and dynamic resources, Web dynamic applications. It also used to simulate a heavy load on a server, group of servers, network or object to test its strength or to analyze overall performance under different load types.
Junit is a simple framework to write repeatable tests. It is an instance of the xUnit architecture for unit testing frameworks.
Mockito is the most popular Mocking framework for unit tests written in Java.
SpotBugs is a program which uses static analysis to look for bugs in Java code.
SpringBoot is a great tool that helps you to create Spring-powered, production-grade applications and services with absolute minimum fuss. It takes an opinionated view of the Spring platform so that new and existing users can quickly get to the bits they need.
YourKit is a technology leader, creator of the most innovative and intelligent tools for profiling Java & .NET applications.
Back to the Top
Python is an interpreted, high-level programming language. Python is used heavily in the fields of Data Science and Machine Learning.
Python Developer's Guide is a comprehensive resource for contributing to Python – for both new and experienced contributors. It is maintained by the same community that maintains Python.
Azure Functions Python developer guide is an introduction to developing Azure Functions using Python. The content below assumes that you've already read the Azure Functions developers guide.
CheckiO is a programming learning platform and a gamified website that teaches Python through solving code challenges and competing for the most elegant and creative solutions.
Python Institute
PCEP – Certified Entry-Level Python Programmer certification
PCAP – Certified Associate in Python Programming certification
PCPP – Certified Professional in Python Programming 1 certification
PCPP – Certified Professional in Python Programming 2
MTA: Introduction to Programming Using Python Certification
Getting Started with Python in Visual Studio Code
Google's Python Style Guide
Google's Python Education Class
Real Python
The Python Open Source Computer Science Degree by Forrest Knight
Intro to Python for Data Science
Intro to Python by W3schools
Codecademy's Python 3 course
Learn Python with Online Courses and Classes from edX
Python Courses Online from Coursera
Python Package Index (PyPI) is a repository of software for the Python programming language. PyPI helps you find and install software developed and shared by the Python community.
PyCharm is the best IDE I've ever used. With PyCharm, you can access the command line, connect to a database, create a virtual environment, and manage your version control system all in one place, saving time by avoiding constantly switching between windows.
Python Tools for Visual Studio(PTVS) is a free, open source plugin that turns Visual Studio into a Python IDE. It supports editing, browsing, IntelliSense, mixed Python/C++ debugging, remote Linux/MacOS debugging, profiling, IPython, and web development with Django and other frameworks.
Pylance is an extension that works alongside Python in Visual Studio Code to provide performant language support. Under the hood, Pylance is powered by Pyright, Microsoft's static type checking tool.
Pyright is a fast type checker meant for large Python source bases. It can run in a “watch” mode and performs fast incremental updates when files are modified.
Django is a high-level Python Web framework that encourages rapid development and clean, pragmatic design.
Flask is a micro web framework written in Python. It is classified as a microframework because it does not require particular tools or libraries.
Web2py is an open-source web application framework written in Python allowing allows web developers to program dynamic web content. One web2py instance can run multiple web sites using different databases.
AWS Chalice is a framework for writing serverless apps in python. It allows you to quickly create and deploy applications that use AWS Lambda.
Tornado is a Python web framework and asynchronous networking library. Tornado uses a non-blocking network I/O, which can scale to tens of thousands of open connections.
HTTPie is a command line HTTP client that makes CLI interaction with web services as easy as possible. HTTPie is designed for testing, debugging, and generally interacting with APIs & HTTP servers.
Scrapy is a fast high-level web crawling and web scraping framework, used to crawl websites and extract structured data from their pages. It can be used for a wide range of purposes, from data mining to monitoring and automated testing.
Sentry is a service that helps you monitor and fix crashes in realtime. The server is in Python, but it contains a full API for sending events from any language, in any application.
Pipenv is a tool that aims to bring the best of all packaging worlds (bundler, composer, npm, cargo, yarn, etc.) to the Python world.
Python Fire is a library for automatically generating command line interfaces (CLIs) from absolutely any Python object.
Bottle is a fast, simple and lightweight WSGI micro web-framework for Python. It is distributed as a single file module and has no dependencies other than the Python Standard Library.
CherryPy is a minimalist Python object-oriented HTTP web framework.
Sanic is a Python 3.6+ web server and web framework that's written to go fast.
Pyramid is a small and fast open source Python web framework. It makes real-world web application development and deployment more fun and more productive.
TurboGears is a hybrid web framework able to act both as a Full Stack framework or as a Microframework.
Falcon is a reliable, high-performance Python web framework for building large-scale app backends and microservices with support for MongoDB, Pluggable Applications and autogenerated Admin.
Neural Network Intelligence(NNI) is an open source AutoML toolkit for automate machine learning lifecycle, including Feature Engineering, Neural Architecture Search, Model Compression and Hyperparameter Tuning.
Dash is a popular Python framework for building ML & data science web apps for Python, R, Julia, and Jupyter.
Luigi is a Python module that helps you build complex pipelines of batch jobs. It handles dependency resolution, workflow management, visualization etc. It also comes with Hadoop support built-in.
Locust is an easy to use, scriptable and scalable performance testing tool.
spaCy is a library for advanced Natural Language Processing in Python and Cython.
NumPy is the fundamental package needed for scientific computing with Python.
Pillow is a friendly PIL(Python Imaging Library) fork.
IPython is a command shell for interactive computing in multiple programming languages, originally developed for the Python programming language, that offers enhanced introspection, rich media, additional shell syntax, tab completion, and rich history.
GraphLab Create is a Python library, backed by a C++ engine, for quickly building large-scale, high-performance machine learning models.
Pandas is a fast, powerful, and easy to use open source data structrures, data analysis and manipulation tool, built on top of the Python programming language.
PuLP is an Linear Programming modeler written in python. PuLP can generate LP files and call on use highly optimized solvers, GLPK, COIN CLP/CBC, CPLEX, and GUROBI, to solve these linear problems.
Matplotlib is a 2D plotting library for creating static, animated, and interactive visualizations in Python. Matplotlib produces publication-quality figures in a variety of hardcopy formats and interactive environments across platforms.
Scikit-Learn is a simple and efficient tool for data mining and data analysis. It is built on NumPy,SciPy, and mathplotlib.
Back to the Top
Scala is a combination of object-oriented and functional programming in one concise, high-level language. Scala's static types help avoid bugs in complex applications, and its JVM and JavaScript runtimes let you build high-performance systems with easy access to huge ecosystems of libraries.
Scala Style Guide
Databricks Scala Style Guide
Data Science using Scala and Spark on Azure
Creating a Scala Maven application for Apache Spark in HDInsight using IntelliJ
Intro to Spark DataFrames using Scala with Azure Databricks
Using Scala to Program AWS Glue ETL Scripts
Using Flink Scala shell with Amazon EMR clusters
AWS EMR and Spark 2 using Scala from Udemy
Using the Google Cloud Storage connector with Apache Spark
Write and run Spark Scala jobs on Cloud Dataproc for Google Cloud
Scala Courses and Certifications from edX
Scala Courses from Coursera
Top Scala Courses from Udemy
Apache Spark is a unified analytics engine for large-scale data processing. It provides high-level APIs in Scala, Java, Python, and R, and an optimized engine that supports general computation graphs for data analysis. It also supports a rich set of higher-level tools including Spark SQL for SQL and DataFrames, MLlib for machine learning, GraphX for graph processing, and Structured Streaming for stream processing.
Apache Spark Connector for SQL Server and Azure SQL is a high-performance connector that enables you to use transactional data in big data analytics and persists results for ad-hoc queries or reporting. The connector allows you to use any SQL database, on-premises or in the cloud, as an input data source or output data sink for Spark jobs.
Azure Databricks is a fast and collaborative Apache Spark-based big data analytics service designed for data science and data engineering. Azure Databricks, sets up your Apache Spark environment in minutes, autoscale, and collaborate on shared projects in an interactive workspace. Azure Databricks supports Python, Scala, R, Java, and SQL, as well as data science frameworks and libraries including TensorFlow, PyTorch, and scikit-learn.
Apache PredictionIO is an open source machine learning framework for developers, data scientists, and end users. It supports event collection, deployment of algorithms, evaluation, querying predictive results via REST APIs. It is based on scalable open source services like Hadoop, HBase (and other DBs), Elasticsearch, Spark and implements what is called a Lambda Architecture.
Cluster Manager for Apache Kafka(CMAK) is a tool for managing Apache Kafka clusters.
BigDL is a distributed deep learning library for Apache Spark. With BigDL, users can write their deep learning applications as standard Spark programs, which can directly run on top of existing Spark or Hadoop clusters.
Eclipse Deeplearning4J (DL4J) is a set of projects intended to support all the needs of a JVM-based(Scala, Kotlin, Clojure, and Groovy) deep learning application. This means starting with the raw data, loading and preprocessing it from wherever and whatever format it is in to building and tuning a wide variety of simple and complex deep learning networks.
Play Framework is a web framework combines productivity and performance making it easy to build scalable web applications with Java and Scala.
Dotty is a research compiler that will become Scala 3.
AWScala is a tool that enables Scala developers to easily work with Amazon Web Services in the Scala way.
Scala.js is a compiler that converts Scala to JavaScript.
Polynote is an experimental polyglot notebook environment. Currently, it supports Scala and Python (with or without Spark), SQL, and Vega.
Scala Native is an optimizing ahead-of-time compiler and lightweight managed runtime designed specifically for Scala.
Gitbucket is a Git platform powered by Scala with easy installation, high extensibility & GitHub API compatibility.
Finagle is a fault tolerant, protocol-agnostic RPC system
Gatling is a load test tool. It officially supports HTTP, WebSocket, Server-Sent-Events and JMS.
Scalatra is a tiny Scala high-performance, async web framework, inspired by Sinatra.
Back to the Top
R is an open source software environment for statistical computing and graphics. It compiles and runs on a wide variety of platforms such as Windows and MacOS.
An Introduction to R
Google's R Style Guide
R developer's guide to Azure
Running R at Scale on Google Compute Engine
Running R on AWS
RStudio Server Pro for AWS
Learn R by Codecademy
Learn R Programming with Online Courses and Lessons by edX
R Language Courses by Coursera
Learn R For Data Science by Udacity
RStudio is an integrated development environment for R and Python, with a console, syntax-highlighting editor that supports direct code execution, and tools for plotting, history, debugging and workspace management.
Shiny is a newer package from RStudio that makes it incredibly easy to build interactive web applications with R.
Rmarkdown is a package helps you create dynamic analysis documents that combine code, rendered output (such as figures), and prose.
Rplugin is R Language supported plugin for the IntelliJ IDE.
Plotly is an R package for creating interactive web graphics via the open source JavaScript graphing library plotly.js.
Metaflow is a Python/R library that helps scientists and engineers build and manage real-life data science projects. Metaflow was originally developed at Netflix to boost productivity of data scientists who work on a wide variety of projects from classical statistics to state-of-the-art deep learning.
Prophet is a procedure for forecasting time series data based on an additive model where non-linear trends are fit with yearly, weekly, and daily seasonality, plus holiday effects. It works best with time series that have strong seasonal effects and several seasons of historical data.
LightGBM is a gradient boosting framework that uses tree based learning algorithms, used for ranking, classification and many other machine learning tasks.
Dash is a Python framework for building analytical web applications in Python, R, Julia, and Jupyter.
MLR is Machine Learning in R.
ML workspace is an all-in-one web-based IDE specialized for machine learning and data science. It is simple to deploy and gets you started within minutes to productively built ML solutions on your own machines. ML workspace is the ultimate tool for developers preloaded with a variety of popular data science libraries (Tensorflow, PyTorch, Keras, and MXnet) and dev tools (Jupyter, VS Code, and Tensorboard) perfectly configured, optimized, and integrated.
CatBoost is a fast, scalable, high performance Gradient Boosting on Decision Trees library, used for ranking, classification, regression and other machine learning tasks for Python, R, Java, C++. Supports computation on CPU and GPU.
Plumber is a tool that allows you to create a web API by merely decorating your existing R source code with special comments.
Drake is an R-focused pipeline toolkit for reproducibility and high-performance computing.
DiagrammeR is a package you can create, modify, analyze, and visualize network graph diagrams. The output can be incorporated into R Markdown documents, integrated with Shiny web apps, converted to other graph formats, or exported as image files.
Knitr is a general-purpose literate programming engine in R, with lightweight API's designed to give users full control of the output without heavy coding work.
Broom is a tool that converts statistical analysis objects from R into tidy format.
Back to the Top
Julia is a high-level, high-performance dynamic language for technical computing. Julia programs compile to efficient native code for multiple platforms via LLVM.
JuliaHub contains over 4,000 Julia packages for use by the community.
Julia Observer
Julia Manual
JuliaLang Essentials
Julia Style Guide
Julia By Example
JuliaLang Gitter
DataFrames Tutorial using Jupyter Notebooks
Julia Academy
Julia Meetup groups
Julia on Microsoft Azure
JuliaPro is a free and fast way to setup Julia for individual researchers, engineers, scientists, quants, traders, economists, students and others. Julia developers can build better software quicker and easier while benefiting from Julia's unparalleled high performance. It includes 2600+ open source packages or from a curated list of 250+ JuliaPro packages. Curated packages are tested, documented and supported by Julia Computing.
Juno is a powerful, free IDE based on Atom for the Julia language.
Debugger.jl is the Julia debuggin tool.
Profile (Stdlib) is a module provides tools to help developers improve the performance of their code. When used, it takes measurements on running code, and produces output that helps you understand how much time is spent on individual line's.
Revise.jl allows you to modify code and use the changes without restarting Julia. With Revise, you can be in the middle of a session and then update packages, switch git branches, and/or edit the source code in the editor of your choice; any changes will typically be incorporated into the very next command you issue from the REPL. This can save you the overhead of restarting Julia, loading packages, and waiting for code to JIT-compile.
JuliaGPU is a Github organization created to unify the many packages for programming GPUs in Julia. With its high-level syntax and flexible compiler, Julia is well positioned to productively program hardware accelerators like GPUs without sacrificing performance.
IJulia.jl is the Julia kernel for Jupyter.
AWS.jl is a Julia interface for Amazon Web Services.
CUDA.jl is a package for the main programming interface for working with NVIDIA CUDA GPUs using Julia. It features a user-friendly array abstraction, a compiler for writing CUDA kernels in Julia, and wrappers for various CUDA libraries.
XLA.jl is a package for compiling Julia to XLA for Tensor Processing Unit(TPU).
Nanosoldier.jl is a package for running JuliaCI services on MIT's Nanosoldier cluster.
Julia for VSCode is a powerful extension for the Julia language.
JuMP.jl is a domain-specific modeling language for mathematical optimization embedded in Julia.
Optim.jl is a univariate and multivariate optimization in Julia.
RCall.jl is a package that allows you to call R functions from Julia.
JavaCall.jl is a package that allows you to call Java functions from Julia.
PyCall.jl is a package that allows you to call Python functions from Julia.
MXNet.jl is the Apache MXNet Julia package. MXNet.jl brings flexible and efficient GPU computing and state-of-art deep learning to Julia.
Knet is the Koç University deep learning framework implemented in Julia by Deniz Yuret and collaborators. It supports GPU operation and automatic differentiation using dynamic computational graphs for models defined in plain Julia.
Distributions.jl is a Julia package for probability distributions and associated functions.
DataFrames.jl is a tool for working with tabular data in Julia.
Flux.jl is an elegant approach to machine learning. It's a 100% pure-Julia stack, and provides lightweight abstractions on top of Julia's native GPU and AD support.
IRTools.jl is a simple and flexible IR format, expressive enough to work with both lowered and typed Julia code, as well as external IRs.
Cassette.jl is a Julia package that provides a mechanism for dynamically injecting code transformation passes into Julia's just-in-time (JIT) compilation cycle, enabling post hoc analysis and modification of "Cassette-unaware" Julia programs without requiring manual source annotation or refactoring of the target code.
Back to the Top
Distributed under the Creative Commons Attribution 4.0 International (CC BY 4.0) Public License.
