Руководство по машинному обучению
1.0.0
Примечание. Вы можете легко преобразовать этот файл уценки в PDF в VSCode, используя это удобное расширение Markdown PDF.
Платформы машинного обучения/глубокого обучения.
Учебные ресурсы по машинному обучению
Платформы, библиотеки и инструменты машинного обучения
Алгоритмы
Разработка PyTorch
Разработка TensorFlow
Основная разработка машинного обучения
Развитие глубокого обучения
Развитие обучения с подкреплением
Разработка компьютерного зрения
Развитие обработки естественного языка (NLP)
Биоинформатика
Разработка CUDA
МАТЛАБ Разработка
Разработка на C/C++
Java-разработка
Разработка Python
Скала Разработка
Р Девелопмент
Юлия Девелопмент
Вернуться к началу
Машинное обучение — это отрасль искусственного интеллекта (ИИ), ориентированная на создание приложений с использованием алгоритмов, которые обучаются на основе моделей данных и со временем повышают их точность без необходимости программирования.
Вернуться к началу
Рекомендации по обработке естественного языка (NLP) от Microsoft
Книга рецептов автономного вождения от Microsoft
Машинное обучение Azure — машинное обучение как услуга | Microsoft Azure
Как запустить Jupyter Notebooks в рабочей области машинного обучения Azure
Машинное обучение и искусственный интеллект | Веб-сервисы Amazon
Планирование блокнотов Jupyter на эфемерных экземплярах Amazon SageMaker
ИИ и машинное обучение | Google Облако
Использование ноутбуков Jupyter с Apache Spark в Google Cloud
Машинное обучение | Apple Разработчик
Искусственный интеллект и автопилот | Тесла
Мета-инструменты искусственного интеллекта | Фейсбук
Учебники по PyTorch
Учебные пособия по TensorFlow
ЮпитерЛаб
Стабильная диффузия с Core ML на Apple Silicon
Вернуться к началу
Машинное обучение, Стэнфордский университет, Эндрю Нг | Курсера
Обучение и сертификация AWS для курсов машинного обучения (ML)
Стипендиальная программа машинного обучения для Microsoft Azure | Udacity
Сертифицирован Microsoft: научный сотрудник Azure Data Scientist.
Сертифицирован Microsoft: младший инженер Azure AI.
Обучение и развертывание машинного обучения Azure
Обучение Машинное обучение и искусственный интеллект от Google Cloud Training
Ускоренный курс машинного обучения для Google Cloud
Онлайн-курсы машинного обучения | Удеми
Онлайн-курсы машинного обучения | Курсера
Изучите машинное обучение с помощью онлайн-курсов и классов | edX
Вернуться к началу
Введение в машинное обучение (PDF)
Искусственный интеллект: современный подход Стюарт Дж. Рассел и Питер Норвиг
«Глубокое обучение», Ян Гудфеллоу, Йошуа Бенджио и Аарон Курвиль
Стостраничная книга по машинному обучению Андрея Буркова
Машинное обучение Тома М. Митчелла
Программирование коллективного разума: создание приложений Smart Web 2.0 Тоби Сегаран
Машинное обучение: алгоритмическая перспектива, второе издание
Распознавание образов и машинное обучение, Кристофер М. Бишоп
Обработка естественного языка с помощью Python Стивен Берд, Юэн Кляйн и Эдвард Лопер
Машинное обучение Python: технический подход к машинному обучению для начинающих Леонарда Эддисона
Байесовское рассуждение и машинное обучение Дэвида Барбера
Машинное обучение для начинающих: простое введение на английском языке, Оливер Теобальд
Машинное обучение в действии, Бен Уилсон
Практическое машинное обучение с помощью Scikit-Learn, Keras и TensorFlow: концепции, инструменты и методы для создания интеллектуальных систем, Орельен Жерон
Введение в машинное обучение с помощью Python: Руководство для специалистов по данным, Андреас К. Мюллер и Сара Гвидо
Машинное обучение для хакеров: тематические исследования и алгоритмы, которые помогут вам начать работу, Дрю Конвей и Джон Майлз Уайт
«Элементы статистического обучения: интеллектуальный анализ данных, логический вывод и прогнозирование», Тревор Хасти, Роберт Тибширани и Джером Фридман
Распределенные шаблоны машинного обучения — Книга (читать бесплатно онлайн) + Код
Машинное обучение в реальном мире [Бесплатные главы]
Введение в статистическое обучение — Книга + R Code
Элементы статистического обучения - Книга
Думайте по Байесу — Книга + Код Python
Анализ огромных наборов данных
Первое знакомство с машинным обучением
Введение в машинное обучение — Алекс Смола и СВН Вишванатан
Вероятностная теория распознавания образов
Введение в поиск информации
Прогнозирование: принципы и практика
Введение в машинное обучение - Амнон Шашуа
Обучение с подкреплением
Машинное обучение
В поисках ИИ
Программирование на R для науки о данных
Интеллектуальный анализ данных — практические инструменты и методы машинного обучения
Машинное обучение с TensorFlow
Системы машинного обучения
Основы машинного обучения - Мехриар Мори, Афшин Ростамизаде и Амит Талвалкар
Поиск на базе искусственного интеллекта — Трей Грейнджер, Дуг Тернбулл, Макс Ирвин —
Ансамблевые методы машинного обучения - Гаутам Кунапули
Машинное обучение в действии - Бен Уилсон
Машинное обучение с сохранением конфиденциальности - Дж. Моррис Чанг, Ди Чжуан, Г. Думинду Самаравира
Автоматизированное машинное обучение в действии – Цинцюань Сун, Хайфэн Цзинь и Ся Ху
Шаблоны распределенного машинного обучения — Юань Тан
Управление проектами машинного обучения: от проектирования до развертывания - Саймон Томпсон
Причинное машинное обучение — Роберт Несс
Байесовская оптимизация в действии - Куан Нгуен
Подробно об алгоритмах машинного обучения) - Вадим Смоляков
Алгоритмы оптимизации - Алаа Хамис
Практическое повышение градиента от Гийома Сопена
Вернуться к началу
Вернуться к началу
TensorFlow — это комплексная платформа с открытым исходным кодом для машинного обучения. Он имеет комплексную, гибкую экосистему инструментов, библиотек и ресурсов сообщества, которая позволяет исследователям внедрять новейшие достижения в области машинного обучения, а разработчикам легко создавать и развертывать приложения на основе машинного обучения.
Keras — это API нейронных сетей высокого уровня, написанный на Python и способный работать поверх TensorFlow, CNTK или Theano. Он был разработан с упором на возможность быстрого экспериментирования. Он может работать поверх TensorFlow, Microsoft Cognitive Toolkit, R, Theano или PlaidML.
PyTorch — это библиотека для глубокого изучения нерегулярных входных данных, таких как графики, облака точек и многообразия. Первоначально разработан исследовательской лабораторией искусственного интеллекта Facebook.
Amazon SageMaker — это полностью управляемый сервис, который предоставляет каждому разработчику и специалисту по данным возможность быстро создавать, обучать и развертывать модели машинного обучения (ML). SageMaker устраняет тяжелую работу на каждом этапе процесса машинного обучения, упрощая разработку высококачественных моделей.
Azure Databricks — это быстрая служба анализа больших данных на базе Apache Spark для совместной работы, предназначенная для анализа и проектирования данных. Azure Databricks позволяет за считанные минуты настроить среду Apache Spark, выполнить автоматическое масштабирование и совместно работать над общими проектами в интерактивной рабочей области. Azure Databricks поддерживает Python, Scala, R, Java и SQL, а также платформы и библиотеки для обработки данных, включая TensorFlow, PyTorch и scikit-learn.
Microsoft Cognitive Toolkit (CNTK) — это набор инструментов с открытым исходным кодом для распределенного глубокого обучения коммерческого уровня. Он описывает нейронные сети как серию вычислительных шагов через ориентированный граф. CNTK позволяет пользователю легко реализовывать и комбинировать популярные типы моделей, такие как DNN с прямой связью, сверточные нейронные сети (CNN) и рекуррентные нейронные сети (RNN/LSTM). CNTK реализует обучение стохастическому градиентному спуску (SGD, обратное распространение ошибок) с автоматической дифференциацией и распараллеливанием на нескольких графических процессорах и серверах.
Apple CoreML — это платформа, которая помогает интегрировать модели машинного обучения в ваше приложение. Core ML обеспечивает единое представление для всех моделей. Ваше приложение использует API-интерфейсы Core ML и пользовательские данные для прогнозирования, а также для обучения или точной настройки моделей — и все это на устройстве пользователя. Модель — это результат применения алгоритма машинного обучения к набору обучающих данных. Вы используете модель, чтобы делать прогнозы на основе новых входных данных.
Apache OpenNLP — это библиотека с открытым исходным кодом для набора инструментов на основе машинного обучения, используемого при обработке текста на естественном языке. Он имеет API для таких вариантов использования, как распознавание именованных объектов, обнаружение предложений, тегирование POS (части речи), извлечение функций токенизации, группирование, синтаксический анализ и разрешение корреляций.
Apache Airflow — это платформа управления рабочими процессами с открытым исходным кодом, созданная сообществом для программного создания, планирования и мониторинга рабочих процессов. Установить. Принципы. Масштабируемый. Airflow имеет модульную архитектуру и использует очередь сообщений для управления произвольным количеством рабочих процессов. Воздушный поток готов масштабироваться до бесконечности.
Open Neural Network Exchange (ONNX) — это открытая экосистема, которая позволяет разработчикам ИИ выбирать правильные инструменты по мере развития их проекта. ONNX предоставляет формат с открытым исходным кодом для моделей искусственного интеллекта, как глубокого обучения, так и традиционного машинного обучения. Он определяет расширяемую модель графа вычислений, а также определения встроенных операторов и стандартных типов данных.
Apache MXNet — это платформа глубокого обучения, разработанная для обеспечения эффективности и гибкости. Это позволяет вам сочетать символическое и императивное программирование для максимизации эффективности и производительности. По своей сути MXNet содержит планировщик динамических зависимостей, который автоматически распараллеливает как символьные, так и императивные операции на лету. Уровень оптимизации графа поверх этого обеспечивает быстрое символьное выполнение и эффективное использование памяти. MXNet портативен и легок, эффективно масштабируется до нескольких графических процессоров и нескольких компьютеров. Поддержка Python, R, Julia, Scala, Go, Javascript и других языков.
AutoGluon — это набор инструментов для глубокого обучения, который автоматизирует задачи машинного обучения, позволяя вам легко добиться высокой производительности прогнозирования в ваших приложениях. Всего с помощью нескольких строк кода вы можете обучить и развернуть высокоточные модели глубокого обучения на табличных, графических и текстовых данных.
Anaconda — очень популярная платформа Data Science для машинного и глубокого обучения, которая позволяет пользователям разрабатывать модели, обучать их и развертывать.
PlaidML — это усовершенствованный портативный тензорный компилятор, позволяющий осуществлять глубокое обучение на ноутбуках, встроенных устройствах и других устройствах, где доступное вычислительное оборудование недостаточно поддерживается или доступный стек программного обеспечения содержит неприятные лицензионные ограничения.
OpenCV — это высокооптимизированная библиотека, ориентированная на приложения компьютерного зрения в реальном времени. Интерфейсы C++, Python и Java поддерживают Linux, MacOS, Windows, iOS и Android.
Scikit-Learn — это модуль Python для машинного обучения, созданный на основе SciPy, NumPy и matplotlib, упрощающий применение надежных и простых реализаций многих популярных алгоритмов машинного обучения.
Weka — это программное обеспечение для машинного обучения с открытым исходным кодом, доступ к которому можно получить через графический интерфейс пользователя, стандартные терминальные приложения или API Java. Он широко используется для преподавания, исследований и промышленных приложений, содержит множество встроенных инструментов для стандартных задач машинного обучения, а также предоставляет прозрачный доступ к известным наборам инструментов, таким как scikit-learn, R и Deeplearning4j.
Caffe — это среда глубокого обучения, созданная с учетом экспрессии, скорости и модульности. Он разработан Berkeley AI Research (BAIR)/Центром видения и обучения Беркли (BVLC) и участниками сообщества.
Theano — это библиотека Python, которая позволяет эффективно определять, оптимизировать и оценивать математические выражения, включающие многомерные массивы, включая тесную интеграцию с NumPy.
nGraph — это библиотека C++ с открытым исходным кодом, компилятор и среда выполнения для глубокого обучения. Компилятор nGraph призван ускорить разработку рабочих нагрузок ИИ с использованием любой среды глубокого обучения и развертывания на различных аппаратных объектах. Он обеспечивает свободу, производительность и простоту использования разработчикам ИИ.
NVIDIA cuDNN — это библиотека примитивов с графическим ускорением для глубоких нейронных сетей. cuDNN предоставляет тщательно настроенные реализации для стандартных процедур, таких как прямая и обратная свертка, объединение в пул, уровни нормализации и активации. cuDNN ускоряет широко используемые платформы глубокого обучения, включая Caffe2, Chainer, Keras, MATLAB, MxNet, PyTorch и TensorFlow.
Huginn — это автономная система для создания агентов, выполняющих за вас автоматизированные задачи в Интернете. Он может читать Интернет, следить за событиями и предпринимать действия от вашего имени. Агенты Хьюгинна создают и потребляют события, распространяя их по ориентированному графу. Думайте об этом как о взломанной версии IFTTT или Zapier на вашем собственном сервере.
Netron — средство просмотра моделей нейронных сетей, глубокого обучения и машинного обучения. Он поддерживает ONNX, TensorFlow Lite, Caffe, Keras, Darknet, PaddlePaddle, ncnn, MNN, Core ML, RKNN, MXNet, MindSpore Lite, TNN, Barracuda, Tengine, CNTK, TensorFlow.js, Caffe2 и UFF.
Дофамин — это исследовательская основа для быстрого прототипирования алгоритмов обучения с подкреплением.
DALI — это библиотека с ускорением на графическом процессоре, содержащая высокооптимизированные строительные блоки и механизм выполнения для обработки данных для ускорения обучения глубокому обучению и приложений вывода.
MindSpore Lite — это новая платформа для обучения и вывода глубокого обучения с открытым исходным кодом, которую можно использовать для мобильных, периферийных и облачных сценариев.
Darknet — это платформа нейронных сетей с открытым исходным кодом, написанная на C и CUDA. Он быстрый, простой в установке и поддерживает вычисления на процессоре и графическом процессоре.
PaddlePaddle — это простая в использовании, эффективная, гибкая и масштабируемая платформа глубокого обучения, которая изначально была разработана учеными и инженерами Baidu с целью применения глубокого обучения ко многим продуктам Baidu.
GoogleNotebookLM — это экспериментальный инструмент искусственного интеллекта, использующий возможности языковых моделей в сочетании с существующим контентом для более быстрого получения важной информации. Похоже на виртуального научного сотрудника, который может обобщать факты, объяснять сложные идеи и проводить мозговой штурм новых связей на основе выбранных вами источников.
Unilm — это крупномасштабное предварительное обучение с самоконтролем по задачам, языкам и модальностям.
Семантическое ядро (SK) — это легкий SDK, позволяющий интегрировать модели большого языка искусственного интеллекта (LLM) с традиционными языками программирования. Расширяемая модель программирования SK сочетает в себе семантические функции естественного языка, традиционные собственные функции кода и встроенную память, раскрывая новый потенциал и повышая ценность приложений с искусственным интеллектом.
Pandas AI — это библиотека Python, которая интегрирует возможности генеративного искусственного интеллекта в Pandas, делая фреймы данных диалоговыми.
NCNN — это высокопроизводительная среда вывода нейронных сетей, оптимизированная для мобильной платформы.
MNN — это молниеносно быстрая и легкая среда глубокого обучения, проверенная в критически важных для бизнеса сценариях использования в Alibaba.
MediaPipe оптимизирован для обеспечения сквозной производительности на широком спектре платформ. Посмотреть демо-версии Узнать больше Сложное машинное обучение на устройстве, упрощенное Мы абстрагировались от сложностей, связанных с созданием настраиваемого, готового к использованию и доступного для разных платформ машинного обучения на устройстве.
MegEngine — это быстрая, масштабируемая и удобная для пользователя среда глубокого обучения с тремя ключевыми функциями: Единая среда для обучения и вывода.
ML.NET — это библиотека машинного обучения, спроектированная как расширяемая платформа, позволяющая использовать другие популярные платформы машинного обучения (TensorFlow, ONNX, Infer.NET и другие) и иметь доступ к еще большему количеству сценариев машинного обучения, таких как классификация изображений, обнаружение объектов и многое другое.
Ludwig — это декларативная среда машинного обучения, которая позволяет легко определять конвейеры машинного обучения с помощью простой и гибкой системы конфигурации, управляемой данными.
MMdnn — это комплексный межплатформенный инструмент для преобразования, визуализации и диагностики моделей глубокого обучения (DL). «ММ» означает управление моделями, а «dnn» — аббревиатура глубокой нейронной сети. Преобразование моделей между Caffe, Keras, MXNet, Tensorflow, CNTK, PyTorch Onnx и CoreML.
Horovod — это распределенная платформа обучения глубокому обучению для TensorFlow, Keras, PyTorch и Apache MXNet.
Vaex — это высокопроизводительная библиотека Python для ленивых внешних фреймов данных (аналог Pandas) для визуализации и исследования больших наборов табличных данных.
GluonTS — это пакет Python для вероятностного моделирования временных рядов, ориентированный на модели глубокого обучения на основе PyTorch и MXNet.
MindsDB — это сервер ML-SQL, обеспечивающий рабочие процессы машинного обучения для самых мощных баз данных и хранилищ данных с использованием SQL.
Jupyter Notebook — это веб-приложение с открытым исходным кодом, которое позволяет создавать и обмениваться документами, содержащими живой код, уравнения, визуализации и описательный текст. Jupyter широко используется в отраслях, которые занимаются очисткой и преобразованием данных, численным моделированием, статистическим моделированием, визуализацией данных, наукой о данных и машинным обучением.
Apache Spark — это унифицированная аналитическая система для крупномасштабной обработки данных. Он предоставляет API-интерфейсы высокого уровня на Scala, Java, Python и R, а также оптимизированный механизм, поддерживающий общие графы вычислений для анализа данных. Он также поддерживает богатый набор инструментов более высокого уровня, включая Spark SQL для SQL и DataFrames, MLlib для машинного обучения, GraphX для обработки графов и Structured Streaming для потоковой обработки.
Apache Spark Connector для SQL Server и Azure SQL — это высокопроизводительный соединитель, который позволяет использовать данные транзакций в анализе больших данных и сохранять результаты для специальных запросов или отчетов. Соединитель позволяет использовать любую базу данных SQL, локальную или в облаке, в качестве источника входных данных или приемника выходных данных для заданий Spark.
Apache PredictionIO — это платформа машинного обучения с открытым исходным кодом для разработчиков, специалистов по обработке данных и конечных пользователей. Он поддерживает сбор событий, развертывание алгоритмов, оценку, запрос прогнозируемых результатов через API REST. Он основан на масштабируемых сервисах с открытым исходным кодом, таких как Hadoop, HBase (и других базах данных), Elasticsearch, Spark, и реализует так называемую архитектуру Lambda.
Менеджер кластеров для Apache Kafka (CMAK) — это инструмент для управления кластерами Apache Kafka.
BigDL — это распределенная библиотека глубокого обучения для Apache Spark. С помощью BigDL пользователи могут писать свои приложения глубокого обучения как стандартные программы Spark, которые могут работать непосредственно поверх существующих кластеров Spark или Hadoop.
Eclipse Deeplearning4J (DL4J) — это набор проектов, предназначенных для поддержки всех потребностей приложений глубокого обучения на основе JVM (Scala, Kotlin, Clojure и Groovy). Это означает, что нужно начинать с необработанных данных, загружать и предварительно обрабатывать их из любого места и в любом формате, а затем создавать и настраивать широкий спектр простых и сложных сетей глубокого обучения.
Tensorman — это утилита для простого управления контейнерами Tensorflow, разработанная System76. Tensorman позволяет Tensorflow работать в изолированной среде, изолированной от остальной части системы. Эта виртуальная среда может работать независимо от базовой системы, что позволяет вам использовать любую версию Tensorflow в любой версии дистрибутива Linux, поддерживающего среду выполнения Docker.
Numba — это оптимизирующий компилятор для Python с открытым исходным кодом, поддерживающий NumPy, спонсируемый Anaconda, Inc. Он использует проект компилятора LLVM для генерации машинного кода из синтаксиса Python. Numba может скомпилировать большое подмножество Python с числовым подходом, включая множество функций NumPy. Кроме того, Numba поддерживает автоматическое распараллеливание циклов, генерацию кода с ускорением на графическом процессоре, а также создание ufuncs и обратных вызовов C.
Chainer — это платформа глубокого обучения на основе Python, нацеленная на гибкость. Он предоставляет API-интерфейсы автоматического дифференцирования на основе подхода «Определение за запуском» (динамические вычислительные графы), а также объектно-ориентированные API-интерфейсы высокого уровня для построения и обучения нейронных сетей. Он также поддерживает CUDA/cuDNN с использованием CuPy для высокопроизводительного обучения и вывода.
XGBoost — это оптимизированная распределенная библиотека повышения градиента, разработанная для обеспечения высокой эффективности, гибкости и портативности. Он реализует алгоритмы машинного обучения в рамках платформы Gradient Boosting. XGBoost обеспечивает параллельное повышение уровня дерева (также известное как GBDT, GBM), которое позволяет быстро и точно решить многие проблемы обработки данных. Он поддерживает распределенное обучение на нескольких машинах, включая кластеры AWS, GCE, Azure и Yarn. Кроме того, его можно интегрировать с Flink, Spark и другими облачными системами управления потоками данных.
cuML — это набор библиотек, реализующих алгоритмы машинного обучения и функции математических примитивов, которые используют совместимые API с другими проектами RAPIDS. cuML позволяет ученым, исследователям и разработчикам программного обеспечения выполнять традиционные табличные задачи машинного обучения на графических процессорах, не вдаваясь в подробности программирования CUDA. В большинстве случаев API Python cuML соответствует API из scikit-learn.
Emu — это библиотека GPGPU для Rust, ориентированная на портативность, модульность и производительность. Это специфическая для вычислений абстракция в стиле CUDA над WebGPU, обеспечивающая особую функциональность, благодаря которой WebGPU больше похож на CUDA.
Scalene — это высокопроизводительный профилировщик ЦП, графического процессора и памяти для Python, который делает ряд вещей, которые другие профилировщики Python не делают и не могут сделать. Он работает на несколько порядков быстрее, чем многие другие профилировщики, предоставляя при этом гораздо более подробную информацию.
MLpack — это быстрая и гибкая библиотека машинного обучения C++, написанная на C++ и построенная на основе библиотеки линейной алгебры Armadillo, библиотеки числовой оптимизации Ensmallen и частей Boost.
Netron — средство просмотра моделей нейронных сетей, глубокого обучения и машинного обучения. Он поддерживает ONNX, TensorFlow Lite, Caffe, Keras, Darknet, PaddlePaddle, ncnn, MNN, Core ML, RKNN, MXNet, MindSpore Lite, TNN, Barracuda, Tengine, CNTK, TensorFlow.js, Caffe2 и UFF.
Lightning — это инструмент, который создает и обучает модели PyTorch и подключает их к жизненному циклу машинного обучения с помощью шаблонов приложений Lightning, не занимаясь инфраструктурой DIY, управлением затратами, масштабированием и т. д.
OpenNN — это библиотека нейронных сетей с открытым исходным кодом для машинного обучения. Он содержит сложные алгоритмы и утилиты для работы со многими решениями искусственного интеллекта.
H20 — это облачная платформа искусственного интеллекта, которая решает сложные бизнес-задачи и ускоряет поиск новых идей с результатами, которые вы можете понять и которым можно доверять.
Gensim — это библиотека Python для тематического моделирования, индексирования документов и поиска сходства с большими корпусами. Целевая аудитория — сообщество специалистов по обработке естественного языка (NLP) и поиску информации (IR).
llama.cpp — это порт модели LLaMA Facebook на C/C++.
hmmlearn — это набор алгоритмов для обучения без учителя и вывода скрытых марковских моделей.
Nextjournal — это блокнот для воспроизводимых исследований. Он запускает все, что вы можете поместить в контейнер Docker. Улучшите свой рабочий процесс с помощью многоязычных блокнотов, автоматического управления версиями и совместной работы в режиме реального времени. Экономьте время и деньги благодаря предоставлению ресурсов по требованию, включая поддержку графических процессоров.
IPython предоставляет богатую архитектуру для интерактивных вычислений, включающую:
Veles — это распределенная платформа для быстрой разработки приложений глубокого обучения, разрабатываемая в настоящее время компанией Samsung.
DyNet — это библиотека нейронных сетей, разработанная Университетом Карнеги-Меллон и многими другими. Он написан на C++ (с привязками на Python) и предназначен для эффективной работы как на ЦП, так и на графическом процессоре, а также для хорошей работы с сетями с динамическими структурами, которые изменяются для каждого экземпляра обучения. Сети такого типа особенно важны для задач обработки естественного языка, и DyNet использовался для создания современных систем синтаксического анализа, машинного перевода, морфологической флексии и многих других областей применения.
Ray — это единая платформа для масштабирования приложений AI и Python. Он состоит из базовой распределенной среды выполнения и набора библиотек (Ray AIR) для ускорения рабочих нагрузок машинного обучения.
Whisper.cpp — это высокопроизводительный вывод модели автоматического распознавания речи (ASR) OpenAI Whisper.
ChatGPT Plus — это пилотный план подписки ( 20 долларов США в месяц ) для ChatGPT, диалогового ИИ, который может общаться с вами, отвечать на дополнительные вопросы и оспаривать неверные предположения.
Auto-GPT — это «агент искусственного интеллекта», который, если задать цель на естественном языке, может попытаться достичь ее, разбив ее на подзадачи и используя Интернет и другие инструменты в автоматическом цикле. Он использует API-интерфейсы OpenAI GPT-4 или GPT-3.5 и является одним из первых примеров приложения, использующего GPT-4 для выполнения автономных задач.
Пользовательский интерфейс чат-бота от mckaywrigley — это расширенный набор чат-ботов для моделей чата OpenAI, созданный на основе Chatbot UI Lite с использованием Next.js, TypeScript и Tailwind CSS. Эта версия пользовательского интерфейса ChatBot поддерживает модели GPT-3.5 и GPT-4. Разговоры сохраняются локально в вашем браузере. Вы можете экспортировать и импортировать разговоры, чтобы защититься от потери данных. Посмотрите демо.
Chatbot UI Lite от mckaywrigley — это простой стартовый набор чат-бота для модели чата OpenAI с использованием Next.js, TypeScript и Tailwind CSS. Посмотрите демо.
MiniGPT-4 — это улучшение понимания языка с помощью расширенных моделей большого языка.
GPT4All — это экосистема чат-ботов с открытым исходным кодом, обученная на огромных коллекциях чистых данных помощников, включая код, истории и диалоги, на основе LLaMa.
GPT4All UI — это веб-приложение Flask, предоставляющее пользовательский интерфейс чата для взаимодействия с чат-ботом GPT4All.
Alpaca.cpp — это быстрая модель, похожая на ChatGPT, локально на вашем устройстве. Он сочетает в себе базовую модель LLaMA с открытой репродукцией Stanford Alpaca, тонкой настройкой базовой модели для выполнения инструкций (сродни RLHF, используемой для обучения ChatGPT) и набором модификаций llama.cpp для добавления интерфейса чата.
llama.cpp — это порт модели LLaMA Facebook на C/C++.
OpenPlayground — это площадка для локального запуска моделей, подобных ChatGPT, на вашем устройстве.
Vicuna — чат-бот с открытым исходным кодом, обученный с помощью тонкой настройки LLaMA. Судя по всему, он обеспечивает качество чатгпта более 90%, а его обучение стоит 300 долларов.
Yeagar ai — это программа для создания агентов Langchain, призванная помочь вам с легкостью создавать, создавать прототипы и развертывать агенты на базе искусственного интеллекта.
Vicuna создается путем тонкой настройки базовой модели LLaMA с использованием примерно 70 тысяч общих разговоров пользователей, собранных на ShareGPT.com с общедоступными API. Чтобы обеспечить качество данных, он преобразует HTML обратно в уценку и отфильтровывает некоторые неподходящие или некачественные образцы.
ShareGPT — это место, где можно одним щелчком мыши поделиться своими самыми дикими разговорами в ChatGPT. На данный момент опубликовано 198 404 беседы.
FastChat — это открытая платформа для обучения, обслуживания и оценки чат-ботов на основе больших языковых моделей.
Haystack — это платформа НЛП с открытым исходным кодом для взаимодействия с вашими данными с использованием моделей Transformer и LLM (GPT-4, ChatGPT и т. д.). Он предлагает готовые к использованию инструменты для быстрого создания сложных решений, ответов на вопросы, семантического поиска, приложений для генерации текста и многого другого.
StableLM (Stability AI Language Models) — это серия языковых моделей StableLM, которая будет постоянно обновляться новыми контрольными точками.
Dolly от Databricks — это большая языковая модель, основанная на инструкциях, обученная на платформе машинного обучения Databricks, которая лицензирована для коммерческого использования.
GPTCach — это библиотека для создания семантического кэша для запросов LLM.
AlaC — это инфраструктура искусственного интеллекта как генератор кода.
Adrenaline — это инструмент, который позволяет вам общаться с вашей кодовой базой. Он основан на статическом анализе, векторном поиске и больших языковых моделях.
OpenAssistant — это помощник на основе чата, который понимает задачи, может взаимодействовать со сторонними системами и для этого динамически получать информацию.
DoctorGPT — это легкий автономный двоичный файл, который отслеживает журналы приложений на наличие проблем и диагностирует их.
HttpGPT — это плагин Unreal Engine 5, который облегчает интеграцию со службами OpenAI на основе GPT (ChatGPT и DALL-E) посредством асинхронных запросов REST, упрощая разработчикам взаимодействие с этими службами. Он также включает инструменты редактора для интеграции Chat GPT и создания изображений DALL-E непосредственно в движке.
PaLM 2 — это модель большого языка нового поколения, основанная на наследии Google в области революционных исследований в области машинного обучения и ответственного искусственного интеллекта. Он включает в себя сложные задачи на рассуждение, в том числе кодирование и математику, классификацию и ответы на вопросы, перевод и владение несколькими языками, а также генерацию естественного языка лучше, чем наши предыдущие современные программы LLM.
Med-PaLM — это большая языковая модель (LLM), предназначенная для предоставления высококачественных ответов на медицинские вопросы. Он использует возможности больших языковых моделей Google, которые мы адаптировали к медицинской сфере с помощью набора тщательно подобранных демонстраций медицинских экспертов.
Sec-PaLM — это большие языковые модели (LLM), которые ускоряют оказание помощи людям, ответственным за обеспечение безопасности своих организаций. Эти новые модели не только дают людям более естественный и творческий способ понимания безопасности и управления ею.
Вернуться к началу
Вернуться к началу
Вернуться на вершину
Localai-это самостоятельный, местный, совместимый с OpenAI API. Замена погружения в OpenAI Rown LLMS на оборудовании потребительского уровня без графического процессора не требуется. Это API для управления GGML-совместимыми моделями: Llama, GPT4ALL, RWKV, Whisper, Vicuna, Koala, GPT4All-J, Cerebras, Falcon, Dolly, StarCoder и многих других.
Llama.cpp - это модель Llama в Facebook в C/C ++.
Ollama - это инструмент для работы с Llama 2 и другими крупными языковыми моделями на местном уровне.
Localai-это самостоятельный, местный, совместимый с OpenAI API. Замена погружения в OpenAI Rown LLMS на оборудовании потребительского уровня без графического процессора не требуется. Это API для управления GGML-совместимыми моделями: Llama, GPT4ALL, RWKV, Whisper, Vicuna, Koala, GPT4All-J, Cerebras, Falcon, Dolly, StarCoder и многих других.
Serge - это веб -интерфейс для общения с Alpaca через llama.cpp. Полностью самостоятельно и докеризован, с простым в использовании API.
OpenLLM - это открытая платформа для эксплуатации больших языковых моделей (LLMS) в производстве. Настраивать, подавать, развернуть и с легкостью контролировать любые LLMS.
Llama-GPT-это самостоятельный, офлайн-чат-чат-бот. Основанный на Llama 2. 100% Private, без данных, не оставляя вашего устройства.
Llama2 Webui - это инструмент для запуска любого LLAMA 2 локально с пользовательским интерфейсом Gradio на графическом процессоре или процессоре из любого места (Linux/Windows/Mac). Используйте llama2-wrapper в качестве местного бэкэнда Llama2 для генеративных агентов/приложений.
LLAMA2.C-это инструмент для обучения архитектуры LLAMA 2 LLM в Pytorch, а затем выводит его с одним простым файлом C 700 линий C (run.c).
Alpaca.cpp-быстрая модель, похожая на Chatgpt, локально на вашем устройстве. Он сочетает в себе модель фонда Llama с открытым воспроизведением Стэнфордской альпаки, точной настройкой базовой модели, чтобы подчиняться инструкциям (сродни RLHF, используемому для обучения CHATGPT) и набора модификаций Llama.cpp для добавления интерфейса чата.
GPT4All-это экосистема чат-ботов с открытым исходным кодом, обученные массовым коллекциям данных по чистому помощнику, включая код, истории и диалог, основанные на ламе.
Minigpt-4-это улучшающее понимание зрения с расширенными большими языковыми моделями
Lollms Webui - это концентратор для моделей LLM (модель большой языка). Он направлен на предоставление удобного интерфейса для доступа и использования различных моделей LLM для широкого спектра задач. Если вам нужна помощь в написании, кодировании, организации данных, генерации изображений или поиском ответов на ваши вопросы.
LM Studio - это инструмент для обнаружения, загрузки и запуска локальных LLMS.
Gradio Web UI - это инструмент для крупных языковых моделей. Поддерживает трансформаторы, gptq, llama.cpp (ggml/gguf), модели Llama.
OpenPlayGround-это PlayFround для запуска моделей, похожих на ChatGPT, локально на вашем устройстве.
Vicuna - чат -бот с открытым исходным кодом, обученный тонкой настройкой Llama. Это, по -видимому, достигает более 90% качества CHATGPT и стоит 300 долларов на обучение.
Yeagar AI-создатель агента Langchain, разработанный, чтобы помочь вам с легкостью создать, прототип и развернуть агентов с AI.
Koboldcpp-это простое в использовании программное обеспечение для создания текста AI для моделей GGML. Это единственный самостоятельный, распределяемый от Concedo, который создает Llama.cpp и добавляет универсальную конечную точку API Kobold, дополнительную поддержку формата, обратная совместимость, а также причудливый пользовательский интерфейс с постоянными историями, редактирование инструментов, сохранение форматов, память, мир, мир, мир, мир, мир Информация, записка автора, персонажи и сценарии.
Вернуться на вершину
Fuzzy Logic-это эвристический подход, который обеспечивает более продвинутую обработку решений и лучшую интеграцию с программированием на основе правил.
Архитектура нечеткой логической системы. Источник: ResearchGate
Support Vector Machine (SVM)-это контролируемая модель машинного обучения, которая использует алгоритмы классификации для задач классификации двух групп.
Поддержка векторной машины (SVM). Источник: OpenClipart
Нейронные сети являются подмножеством машинного обучения и лежат в основе алгоритмов глубокого обучения. Название/структура вдохновлена человеческим мозгом, копирующим процесс, который биологические нейроны/узлы сигнализируют друг другу.
Глубокая нейронная сеть. Источник: IBM
Свещательные нейронные сети (R-CNN)-это алгоритм обнаружения объекта, который сначала сегментирует изображение, чтобы найти потенциальные соответствующие ограничительные ящики, а затем запустить алгоритм обнаружения, чтобы найти наиболее вероятные объекты в этих ограничивающих коробках.
Сверточные нейронные сети. Источник: CS231N
Рецидивирующие нейронные сети (RNNS) - это тип искусственной нейронной сети, которая использует последовательные данные или данные временных рядов.
Повторяющиеся нейронные сети. Источник: Slideteam
Многослойные персептроны (MLP) представляют собой многослойные нейронные сети, состоящие из нескольких слоев персептронов с пороговой активацией.
Многослойные персептроны. Источник: Дипай
Случайный лес является общепринятым алгоритмом машинного обучения, который сочетает в себе выходные данные о нескольких деревьях принятия решений для достижения одного результата. Дерево решений в лесу не может быть обрезано для отбора проб и, следовательно, выбора прогнозирования. Его простота использования и гибкость вызвали его внедрение, поскольку он решает как классификацию, так и проблемы с регрессией.
Случайный лес. Источник: Викимедия
Деревья решений являются моделями структурированных деревьями для классификации и регрессии.
** Деревья решений. Источник: CMU
Наивный Байеса - это алгоритм машинного обучения, который используется решаемые задачи CALSSICATICE. Он основан на применении теоремы Байеса с сильными предположениями об независимости между функциями.
Теорема Байеса. Источник: Mathisfun
Вернуться на вершину
Pytorch-это структура глубокого обучения с открытым исходным кодом, которая ускоряет путь от исследований к производству, используемой для таких приложений, как компьютерное зрение и обработка естественного языка. Pytorch разрабатывается Facebook AI Research Lab.
Начало работы с Pytorch
Документация Pytorch
Дискуссионный форум Pytorch
Top Pytorch Courses Online | Курсера
Top Pytorch Courses Online | Удеми
Изучить питор с онлайн -курсами и классами | edX
Основы Pytorch - Учитесь | Microsoft Docs
Вступление в глубокое обучение с Pytorch | Udacity
Разработка Pytorch в коде Visual Studio
Pytorch On Azure - глубокое обучение с Pytorch | Microsoft Azure
Pytorch - Azure Databricks | Microsoft Docs
Глубокое обучение с Pytorch | Веб-сервисы Amazon (AWS)
Начало работы с Pytorch в Google Cloud
Pytorch Mobile-это сквозный рабочий процесс ML от обучения до развертывания для мобильных устройств iOS и Android.
TorchScript - это способ создания сериализуемых и оптимизируемых моделей из кода Pytorch. Это позволяет сохранению любой программы TorchScript из процесса Python и загруженной в процессе, где нет зависимости от питона.
TorchServe - это гибкий и простой в использовании инструмент для обслуживания моделей Pytorch.
Keras-это API нейронных сетей высокого уровня, написанный на Python и способный работать на вершине Tensorflow, CNTK или Theano. Он был разработан с акцентом на обеспечение быстрых экспериментов. Он способен работать поверх Tensorflow, Microsoft Cognitive Toolkit, R, Theano или Plaidml.
Onnx Runtime-это кроссплатформенный, высокопроизводительный вывод ML и ускоритель обучения. Он поддерживает модели из структур глубокого обучения, таких как Pytorch и Tensorflow/Keras, а также классические библиотеки машинного обучения, такие как Scikit-Learn, Lightgbm, XGBOOST и т. Д.
Kornia - это библиотека дифференцируемого компьютерного зрения, которая состоит из набора подпрограмм и дифференцируемых модулей для решения общих задач CV (Computer Vision).
Pytorch-NLP-это библиотека для обработки естественного языка (NLP) в Python. Он построен с учетом самых последних исследований и был разработан с первого дня для поддержки быстрого прототипирования. Pytorch-NLP поставляется с предварительно обученными встраиваниями, пробоотборниками, наборами данных, метриками, модулями нейронной сети и текстовыми кодерами.
Ignite-это библиотека высокого уровня, чтобы помочь в обучении и оценке нейронных сетей в Pytorch гибко и прозрачно.
Hummingbird - это библиотека для компиляции обученных традиционных моделей ML в тензорные вычисления. Это позволяет пользователям плавно использовать фреймворки нейронной сети (например, Pytorch) для ускорения традиционных моделей ML.
Deep Graph Library (DGL) - это пакет Python, созданный для легкой реализации семейства моделей нейронной сети графиков, а также Pytorch и других фреймворков.
Tensorly - это API высокого уровня для тензорных методов и глубоких тензурированных нейронных сетей в Python, целью которого является упростить обучение тензора.
GPYTORCH - это библиотека процессов Гаусса, реализованная с использованием Pytorch, предназначенная для создания масштабируемых, гибких моделей процессов Гаусса.
Poutyne-это керас, подобная рамки для Pytorch и обрабатывает большую часть кодекса, необходимого для обучения нейронных сетей.
Forte-это инструментарий для создания трубопроводов NLP с композиционными компонентами, удобными интерфейсами данных и взаимодействием поперечной задачи.
Torchmetrics - это метрики машинного обучения для распределенных, масштабируемых приложений Pytorch.
Captum - это расширяемая библиотека с открытым исходным кодом для интерпретации модели, построенной на Pytorch.
Transformer-это современная обработка естественного языка для Pytorch, Tensorflow и Jax.
Hydra - это структура для элегантной настройки сложных приложений.
Accelerate-это простой способ обучения и использования моделей Pytorch с мульти-GPU, TPU, смешанным назначением.
Ray - это быстрая и простая структура для строительства и запуска распределенных приложений.
Parlai является единой платформой для обмена, обучения и оценки диалоговых моделей во многих задачах.
Pytorchvideo - это библиотека глубокого обучения для исследования видео. Размещают различные модели, ориентированные на видео, наборы данных, тренировочные трубопроводы и многое другое.
Opacus - это библиотека, которая позволяет обучать модели Pytorch с дифференциальной конфиденциальностью.
Pytorch Lightning-это библиотека ML, похожая на керас для Pytorch. Это оставляет вам основную обучение и логику проверки и автоматизирует остальные.
Pytorch Geometric Temperal - это временная (динамическая) библиотека расширения для геометрического Pytorch.
Geometric Pytorch - это библиотека для глубокого обучения нерегулярным входным данным, таким как графики, точечные облака и многообразии.
Raster Vision - это структура с открытым исходным кодом для глубокого обучения на спутниковых и воздушных образах.
Crypten - это структура для сохранения конфиденциальности ML. Его цель - сделать безопасные вычислительные методы доступными для практикующих ML.
Optuna - это структура оптимизации с открытым исходным кодом для автоматизации поиска гиперпараметра.
Pyro - это универсальный вероятностный язык программирования (PPL), написанный на Python и поддерживаемый Pytorch на бэкэнд.
Ольмируемые - это быстрая и расширяемая библиотека увеличения изображений для различных задач CV, таких как классификация, сегментация, обнаружение объекта и оценка позы.
Skorch-это библиотека высокого уровня для Pytorch, которая обеспечивает полную совместимость Scikit-Learn.
MMF - это модульная структура для мультимодальных исследований Vision & Language MultiModal из Facebook AI Research (FAIR).
AdaptDL-это ресурсная адаптивная структура обучения и расписания в области глубокого обучения.
Polyaxon-это платформа для создания, обучения и мониторинга крупномасштабных приложений глубокого обучения.
TextBrewer-это набор инструментов дистилляции знаний на основе Pytorch для обработки естественного языка
Advertorch - это набор инструментов для исследований на состязательной устойчивости. Он содержит модули для создания состязательных примеров и защиты от атак.
Nemo - это инструментарий AA для разговорного ИИ.
Clinicadl - это основа для воспроизводимой классификации болезни Альцгеймера
Стабильные базовые показатели3 (SB3) - это набор надежных реализаций алгоритмов обучения подкреплению в Pytorch.
Torchio - это набор инструментов для эффективного чтения, предварительной обработки, выборки, увеличения и написания трехмерных медицинских изображений в приложениях глубокого обучения, написанных в Pytorch.
Pysyft - это библиотека Python для зашифрованного, конфиденциального, сохраняющего глубокое обучение.
Flair-очень простая основа для современной обработки естественного языка (NLP).
Glow - это компилятор ML, который ускоряет производительность карт глубокого обучения на разных аппаратных платформах.
Fairscale - это библиотека расширения Pytorch для высокопроизводительной и крупномасштабной тренировки на одном или нескольких машинах/узлах.
Monai-это глубокая структура обучения, которая предоставляет оптимизированные домены основополагающие возможности для разработки рабочих процессов обучения визуализации здравоохранения.
PFRL-это библиотека обучения в глубоком подкреплении, которая реализует различные современные алгоритмы глубокого подкрепления в Python с использованием Pytorch.
Einops - это гибкие и мощные тензоры для читаемого и надежного кода.
Pytorch3d - это библиотека глубокого обучения, которая обеспечивает эффективные, повторно используемые компоненты для исследования 3D компьютерного зрения с Pytorch.
Ensemble Pytorch является единой ансамблевой рамки для Pytorch для повышения производительности и надежности вашей модели глубокого обучения.
Слегка является структурой компьютерного зрения для самоотверженного обучения.
High-это библиотека, которая облегчает реализацию произвольно сложных алгоритмов мета-обучения на основе градиента и вложенных петлей оптимизации с почти ванилью Pytorch.
Horovod - это распределенная учебная библиотека для рамках глубокого обучения. Horovod стремится сделать распределенный DL быстро и простым в использовании.
Pennylane-это библиотека для квантовой ML, автоматической дифференциации и оптимизации гибридных квантово-классических вычислений.
Detectron2 является платформой следующего поколения Fair для обнаружения объектов и сегментации.
Fastai - это библиотека, которая упрощает обучение быстрым и точным нейронным сетям, используя современные лучшие практики.
Вернуться на вершину
Tensorflow-это сквозная платформа с открытым исходным кодом для машинного обучения. Он имеет комплексную гибкую экосистему инструментов, библиотек и ресурсов сообщества, которая позволяет исследователям подталкивать современное в ML, а разработчики легко создают и развертывают приложения ML.
Начало работы с TensorFlow
Tensorflow Tutorials
Сертификат разработчика TensorFlow | ТензорФлоу
Сообщество Tensorflow
Tensorflow Models & Datazets
Tensorflow Cloud
Образование машинного обучения | ТензорФлоу
Лучшие курсы Tensorflow Online | Курсера
Лучшие курсы Tensorflow Online | Удеми
Глубокое обучение с Tensorflow | Удеми
Глубокое обучение с Tensorflow | edX
Intro to Tensorflow для глубокого обучения | Udacity
Intro to Tensorflow: курс сбоя машинного обучения | Разработчики Google
Обучить и развернуть модель Tensorflow - Azure Machine Learning
Применить модели машинного обучения в функциях Azure с Python и Tensorflow | Microsoft Azure
Глубокое обучение с Tensorflow | Веб-сервисы Amazon (AWS)
Tensorflow - Amazon EMR | AWS документация
Tensorflow Enterprise | Google Облако
Tensorflow Lite - это структура глубокого обучения с открытым исходным кодом для развертывания моделей машинного обучения на мобильных и IoT -устройствах.
Tensorflow.js - это библиотека JavaScript, которая позволяет вам разрабатывать или выполнять модели ML в JavaScript и использовать ML непосредственно на стороне клиента браузера, на стороне сервера через node.js, мобильный собственный через Rayct Partin Устройства через node.js на Raspberry Pi.
TensorFlow_macos-это Mac-оптимизированная версия Addons TensorFlow и TensorFlow для MacOS 11.0+, ускоренная с использованием Framework Apple ML Compute.
Google Colaboratory - это бесплатная ноутбука Jupyter, которая не требует настройки и полностью работает в облаке, что позволяет вам выполнять код TensorFlow в вашем браузере с одним щелчком.
Инструмент What-IF является инструментом для проведения пробуждения моделей машинного обучения, полезного для понимания модели, отладки и справедливости. Доступно в ноутбуках Tensorboard и Jupyter или Colab.
Tensorboard - это набор инструментов визуализации для понимания, отладки и оптимизации программ TensorFlow.
Keras-это API нейронных сетей высокого уровня, написанный на Python и способный работать на вершине Tensorflow, CNTK или Theano. Он был разработан с акцентом на обеспечение быстрых экспериментов. Он способен работать поверх Tensorflow, Microsoft Cognitive Toolkit, R, Theano или Plaidml.
XLA (ускоренная линейная алгебра) является специфическим для домена компилятор для линейной алгебры, которая оптимизирует вычисления TensorFlow. Результатами являются улучшения скорости, использования памяти и переносимости на серверных и мобильных платформах.
ML PERF - это широкий набор ML Betenchmark для измерения производительности программных рамок ML, оборудования ML и облачных платформ ML.
Playground TensorFlow - это среда разработки, чтобы ворваться с нейронной сетью в вашем браузере.
TPU Research Cloud (TRC) - это программа, позволяющая исследователям подавать заявку на доступ к кластеру из более чем 1000 облачных TPU бесплатно, чтобы помочь им ускорить следующую волну исследований.
MLIR - это новая среда промежуточного представления и компилятора.
Решетка-это библиотека для гибких, контролируемых и интерпретируемых решений ML с ограничениями формы здравого смысла.
Tensorflow Hub - это библиотека для многоразового машинного обучения. Загрузите и повторно используйте последние обученные модели с минимальным количеством кода.
Tensorflow Cloud - это библиотека для подключения вашей локальной среды к Google Cloud.
Tensorflow Model Optimization Toolkit - это набор инструментов для оптимизации моделей ML для развертывания и выполнения.
Tensorflow Reageermes - это библиотека для моделей системного здания.
Tensorflow Text- это коллекция классов, связанных с текстами и NLP и OP, готовыми к использованию с TensorFlow 2.
Tensorflow Graphics - это библиотека функциональности компьютерной графики, начиная от камер, светильников и материалов до рендереров.
Tensorflow Federated - это структура с открытым исходным кодом для машинного обучения и других вычислений по децентрализованным данным.
Вероятность TensorFlow является библиотекой для вероятностных рассуждений и статистического анализа.
Tensor2tensor - это библиотека моделей глубокого обучения и наборов данных, предназначенная для того, чтобы сделать глубокое обучение более доступным и ускорить исследования ML.
Конфиденциальность TensorFlow - это библиотека Python, которая включает в себя реализации оптимизаторов TensorFlow для моделей обучения машинного обучения с дифференциальной конфиденциальностью.
Рейтинг Tensorflow-это библиотека для методов обучения в Rank (LTR) на платформе TensorFlow.
Tensorflow Agents - это библиотека для обучения подкреплению в Tensorflow.
Tensorflow Addons-это репозиторий вкладов, которые соответствуют хорошо зарекомендовавшим себя шаблона API, но внедряют новые функции, недоступные в Core Tensorflow, поддерживаемая SIG-аддонами. Tensorflow изначально поддерживает большое количество операторов, слоев, показателей, потерь и оптимизаторов.
Tensorflow ввод/вывод - это набор данных, потоковая передача и расширения файловой системы, поддерживаемый SIG IO.
Tensorflow Quantum-это библиотека квантового машинного обучения для быстрого прототипирования гибридных квантовых моделей ML.
Дофамин является исследовательской структурой для быстрого прототипирования алгоритмов обучения подкреплению.
TRFL - это библиотека для подкрепления строительных блоков, созданных DeepMind.
Mesh Tensorflow - это язык для распределенного глубокого обучения, способного указать широкий класс расчетных вычислений с распределенным тензором.
RaggedTensors-это API, который позволяет легко хранить и манипулировать данными с неоднородной формой, включая текст (слова, предложения, символы) и партии переменной длины.
Unicode Ops - это API, который поддерживает работу с текстом Unicode непосредственно в TensorFlow.
Magenta - это исследовательский проект, изучающий роль машинного обучения в процессе создания искусства и музыки.
Ядро - это библиотека кода Python и C ++, предназначенная для того, чтобы облегчить чтение, запись и анализ данных в форматах общих файлов геномики, таких как SAM и VCF.
Сонет - это библиотека от DeepMind для построения нейронных сетей.
Нейронное структурированное обучение - это учебная структура для обучения нейронных сетей путем использования структурированных сигналов в дополнение к входу признаков.
Модельное исправление - это библиотека, которая помогает создавать и обучать модели таким образом, чтобы уменьшить или устранять вред пользователя, возникающий в результате основных предвзятости производительности.
Индикаторы справедливости-это библиотека, которая обеспечивает легкие вычисления общеизвестных показателей справедливости для бинарных и мультиклассных классификаторов.
Решения Forests-это современные алгоритмы для обучения, обслуживания и интерпретации моделей, которые используют леса принятия решений для классификации, регрессии и ранжирования.
Вернуться на вершину
Core ML - это Apple Framework для интеграции моделей машинного обучения в приложения, работающие на устройствах Apple (включая iOS, WatchOS, MacOS и TVOS). Core ML вводит общедоступный формат файла (.mlmodel) для широкого набора методов ML, включая глубокие нейронные сети (как сверточные, так и рецидивирующие), ансамблы деревьев с повышением и обобщенные линейные модели. Модели в этом формате могут быть непосредственно интегрированы в приложения через XCode.
Введение в Core ML
Интеграция модели Core ML в ваше приложение
Core ML -модели
Ссылка на API Core ML
Спецификация ядра ML
Форумы разработчиков Apple для Core ML
Top Core ML Courses Online | Удеми
Top Core ML Courses Online | Курсера
IBM Watson Services для Core ML | IBM
Создать основные активы ML с использованием визуального осмотра IBM Maximo | IBM
Core ML Tools - это проект, который содержит вспомогательные инструменты для преобразования, редактирования и проверки Core ML ML.
Create ML - это инструмент, который предоставляет новые способы учебного машинного обучения на вашем Mac. Он выводит сложность из модельной тренировки при создании мощных моделей ML ML.
TensorFlow_macos-это Mac-оптимизированная версия Addons TensorFlow и TensorFlow для MacOS 11.0+, ускоренная с использованием Framework Apple ML Compute.
Apple Vision - это структура, которая выполняет обнаружение лица и лицом к лицу, обнаружение текста, распознавание штрих -кода, регистрацию изображений и общее отслеживание функций. Vision также позволяет использовать пользовательские модели Core ML для таких задач, как классификация или обнаружение объекта.
Keras-это API нейронных сетей высокого уровня, написанный на Python и способный работать на вершине Tensorflow, CNTK или Theano. Он был разработан с акцентом на обеспечение быстрых экспериментов. Он способен работать поверх Tensorflow, Microsoft Cognitive Toolkit, R, Theano или Plaidml.
XGBOOST - это оптимизированная библиотека повышения распределенного градиента, предназначенная для высокоэффективной, гибкой и портативной. Он реализует алгоритмы машинного обучения в рамках повышения градиента. XGBOOST обеспечивает параллельное повышение дерева (также известное как GBDT, GBM), которое быстро и точно решает многие проблемы с наукой о данных. Он поддерживает распределенную подготовку на нескольких машинах, включая AWS, GCE, Azure и пряжу. Кроме того, он может быть интегрирован с Flink, Spark и другими системами облачных данных.
LIBSVM-это интегрированное программное обеспечение для поддержки Vector Classification, (C-SVC, NU-SVC), регрессия (Epsilon-SVR, NU-SVR) и оценка распределения (одноклассный SVM). Он поддерживает многоклассную классификацию.
Scikit-Learn-это простой и эффективный инструмент для интеллектуального анализа данных и анализа данных. Он построен на Numpy, Scipy и Mathplotlib.
Xcode включает в себя все, что разработчики должны создавать отличные приложения для Mac, iPhone, iPad, Apple TV и Apple Watch. Xcode предоставляет разработчикам унифицированный рабочий процесс для дизайна пользовательского интерфейса, кодирования, тестирования и отладки. Xcode построен как универсальное приложение, которое на 100% на 100% изначально на базе Intel и Apple Silicon. Он включает в себя унифицированный MacOS SDK, который включает в себя все фреймворки, компиляторы, отладчики и другие инструменты, необходимые для создания приложений, которые изначально работают на Apple Silicon и процессоре Intel X86_64.
Swiftui - это инструментарий пользовательского интерфейса, который предоставляет представления, элементы управления и структуры макетов для объявления пользовательского интерфейса вашего приложения. Framework Swiftui предоставляет обработчики событий для доставки TAP, жестов и других типов ввода в ваше приложение.
Uikit - это структура, обеспечивая необходимую инфраструктуру для ваших приложений для iOS или TVOS. Он предоставляет архитектуру окна и представления для реализации вашего интерфейса, инфраструктуры обработки событий для доставки многокачественных и других типов ввода в ваше приложение, а также основной цикл Run, необходимый для управления взаимодействиями между пользователем, системой и вашим приложением.
Appkit - это графический интерфейс пользовательского интерфейса, который содержит все объекты, необходимые для реализации пользовательского интерфейса для приложения MacOS, такого как Windows, панели, кнопки, меню, прокрутки и текстовые поля, и он обрабатывает все детали для вас, поскольку оно эффективно Нарисует на экране, общается с аппаратными устройствами и экранами, очищает области экрана перед рисунком и зажигает представления.
Arkit-это набор инструментов разработки программного обеспечения, позволяющий разработчикам создавать приложения с дополненной реальностью для iOS, разработанных Apple. Последняя версия Arkit 3.5 использует новую систему Scanner и Dexit Debin System на iPad Pro (2020), чтобы поддержать новое поколение AR -приложений, которые используют геометрию сцены для улучшения понимания сцены и окклюзии объекта.
RealityKit-это структура для реализации высокопроизводительного 3D-моделирования и рендеринга с информацией, предоставленной Arkit Framework для беспрепятственной интеграции виртуальных объектов в реальное мир.
SceneKit-это 3D-графическая структура высокого уровня, которая помогает вам создавать 3D-анимированные сцены и эффекты в ваших приложениях для iOS.
Instruments-это мощный и гибкий инструмент анализа и тестирования производительности, который является частью набора инструментов Xcode. Он предназначен для того, чтобы помочь вам профилировать ваши приложения для iOS, WatchOS, TVOS и MacOS, процессы и устройства, чтобы лучше понять и оптимизировать их поведение и производительность.
Cocoapods-это диспетчер зависимости для Swift и Objective-C, используемый в проектах XCode, указав зависимости для вашего проекта в простом текстовом файле. Затем кокоподы рекурсивно разрешают зависимости между библиотеками, извлекают исходный код для всех зависимостей, а также создает и поддерживает рабочее пространство Xcode для создания вашего проекта.
AppCode постоянно контролирует качество вашего кода. Он предупреждает вас о ошибках и запахах и предлагает быстрого исправления их автоматически. AppCode предоставляет много инспекций кода для Objective-C, Swift, C/C ++ и ряд инспекций кода для других поддерживаемых языков.
Вернуться на вершину
Глубокое обучение - это подмножество машинного обучения, которое по сути представляет собой нейронную сеть с тремя или более слоями. Эти нейронные сети пытаются имитировать поведение человеческого мозга, хотя и далеко не соответствовать его способности. Это позволяет нейронным сетям «учиться» из больших объемов данных. Обучение может быть контролировано, полуоттеснято или не контролируется.
Глубокое обучение онлайн курсы | NVIDIA
Лучшие курсы глубокого обучения онлайн | Курсера
Лучшие курсы глубокого обучения онлайн | Удеми
Узнайте глубокое обучение с помощью онлайн -курсов и уроков | edX
Глубокое обучение онлайн курс Nanodegree | Udacity
Курс машинного обучения от Эндрю Нг | Курсера
Машиностроение машиностроения для производства (MLOPS) Курс от Andrew NG | Курсера
Наука данных: глубокое обучение и нейронные сети в Python | Удеми
Понимание машинного обучения с помощью Python | Плюралсайт
Как подумать об алгоритмах машинного обучения | Плюралсайт
Курсы глубокого обучения | Стэнфорд онлайн
Глубокое обучение - UW Profession
Глубокое обучение онлайн курсы | Гарвардский университет
Машинное обучение для всех курсов | DataCamp
Эксперт по искусственному интеллекту: Платиновое издание | Удеми
Лучшие курсы искусственного интеллекта онлайн | Курсера
Изучите искусственный интеллект с онлайн -курсами и уроками | edX
Профессиональный сертификат в области компьютерных наук для искусственного интеллекта | edX
Программа искусственного интеллекта нанодегри
Искусственный интеллект (AI) онлайн -курсы | Udacity
Вступление в курс искусственного интеллекта | Udacity
Edge AI для курса разработчиков IoT | Udacity
Рассуждение: деревья целей и экспертные системы, основанные на правилах | MIT Opencourseware
Экспертные системы и прикладное искусственный интеллект
Автономные системы - Microsoft AI
Введение в Microsoft Project Bonsai
Обучение машины с платформой Microsoft Autonomous Systems
Автономное обучение морских систем | AMC Search
Лучшие автономные курсы автомобилей онлайн | Удеми
Прикладные системы управления 1: Автономные автомобили: Math + PID + MPC | Удеми
Изучить автономную робототехнику с онлайн -курсами и уроками | edX
Программа искусственного интеллекта нанодегри
Автономные системы онлайн курсы и программы | Udacity
Edge AI для курса разработчиков IoT | Udacity
Автономные системы MOOC и бесплатные онлайн -курсы | MOOC список
Робототехника и автономные системы выпускников | Стэндфорд онлайн
Мобильные автономные системы лаборатория | MIT Opencourseware
NVIDIA CUDNN-это библиотека примитивов с ускорением GPU для глубоких нейронных сетей. Cudnn предоставляет высоко настроенные реализации для стандартных процедур, таких как прямая и обратная свертка, объединение, нормализация и активационные слои. Cudnn ускоряется широко используемые рамки глубокого обучения, включая Caffe2, Chainer, Keras, Matlab, Mxnet, Pytorch и Tensorflow.
NVIDIA DLSS (Super Sampling Debount Learning) представляет собой технологию рендеринга AI с массовым массовым изображением, которая повышает производительность графики с использованием выделенных процессоров AI AI в GeForce RTX ™. DLSS использует силу глубокой нейронной сети для повышения частоты кадров и создания красивых, острых изображений для ваших игр.
Super Resolution AMD FidelityFX (FSR)-это высококачественное решение для производства кадров высокого разрешения от входов с более низким разрешением. Он использует коллекцию передовых алгоритмов глубокого обучения с особым акцентом на создание высококачественных краев, что дает значительные улучшения производительности по сравнению с непосредственным разрешением на собственном разрешении. FSR обеспечивает «практическую производительность» для дорогостоящих операций рендеринга, таких как трассировка аппаратного лучей для архитектур AMD RDNA ™ и AMD RDNA ™ 2.
Super Sampling Intel XE (XESS) - это временная технология AI -рендеринга с AI, которая повышает производительность графики, аналогичную DLSS NVIDIA (Super Sampling). Архитектура графических процессоров Intel (начало 2022 года) будет иметь графические процессоры, которые представляют выделенные xe-cores для запуска XESS. У графических процессоров будет иметь двигатели матрицы матрицы XE (XMX) для обработки искусственного искусства. XESS сможет работать на устройствах без XMX, включая интегрированную графику, однако производительность XESS будет ниже на графических картах, не связанных с Intel, потому что она будет питаться под инструкцией DP4A.
Notebook Jupyter-это веб-приложение с открытым исходным кодом, которое позволяет создавать и обмениваться документами, которые содержат живой код, уравнения, визуализации и повествовательный текст. Юпитер широко используется в отраслях, которые делают очистку и преобразование данных, численное моделирование, статистическое моделирование, визуализацию данных, науку данных и машинное обучение.
Apache Spark-это единый аналитический двигатель для крупномасштабной обработки данных. Он обеспечивает высокоуровневые API в Scala, Java, Python и R, а также оптимизированный двигатель, который поддерживает общие графики вычислений для анализа данных. 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. Установить. Principles. Масштабируемый. 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 | Удеми
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 | Удеми
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 | Удеми
Understanding Machine Learning with Python | Плюралсайт
How to Think About Machine Learning Algorithms | Плюралсайт
Deep Learning Courses | Stanford Online
Deep Learning - UW Professional & Continuing Education
Deep Learning Online Courses | Гарвардский университет
Machine Learning for Everyone Courses | DataCamp
Artificial Intelligence Expert Course: Platinum Edition | Удеми
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 | Удеми
Applied Control Systems 1: autonomous cars: Math + PID + MPC | Удеми
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. Установить. Principles. Масштабируемый. 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 | Удеми
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 | Удеми
Introduction to Natural Language Processing (NLP) | Удеми
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 | Плюралсайт
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
Национальный центр биотехнологической информации
Online Courses in Bioinformatics |ISCB - International Society for Computational Biology
Bioinformatics | Coursera
Top Bioinformatics Courses | Удеми
Biometrics Courses | Удеми
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 | Массачусетский технологический институт
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
Программа сертификации MathWorks
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 | Гарвардский университет
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.
