คู่มือการเรียนรู้ของเครื่อง
1.0.0
หมายเหตุ: คุณสามารถแปลงไฟล์มาร์กดาวน์นี้เป็น PDF ใน VSCode ได้อย่างง่ายดายโดยใช้ส่วนขยาย Markdown PDF ที่มีประโยชน์นี้
กรอบการเรียนรู้ของเครื่อง/การเรียนรู้เชิงลึก
แหล่งเรียนรู้สำหรับ ML
ML Frameworks, ไลบรารี่ และเครื่องมือ
อัลกอริทึม
การพัฒนา PyTorch
การพัฒนาเทนเซอร์โฟลว์
การพัฒนา ML หลัก
การพัฒนาการเรียนรู้เชิงลึก
การพัฒนาการเรียนรู้แบบเสริมกำลัง
การพัฒนาคอมพิวเตอร์วิทัศน์
การพัฒนาการประมวลผลภาษาธรรมชาติ (NLP)
ชีวสารสนเทศศาสตร์
การพัฒนาซียูเอ
การพัฒนา MATLAB
การพัฒนาซี/ซี++
การพัฒนาจาวา
การพัฒนาหลาม
การพัฒนาสกาล่า
อาร์ ดีเวลลอปเม้นท์
จูเลีย ดีเวลลอปเมนท์
กลับไปด้านบน
การเรียนรู้ของเครื่องเป็นสาขาหนึ่งของปัญญาประดิษฐ์ (AI) ที่มุ่งเน้นไปที่การสร้างแอปโดยใช้อัลกอริทึมที่เรียนรู้จากแบบจำลองข้อมูลและปรับปรุงความแม่นยำเมื่อเวลาผ่านไปโดยไม่จำเป็นต้องตั้งโปรแกรม
กลับไปด้านบน
แนวทางปฏิบัติที่ดีที่สุดในการประมวลผลภาษาธรรมชาติ (NLP) โดย Microsoft
หนังสือคู่มือการขับขี่อัตโนมัติโดย Microsoft
Azure Machine Learning - ML เป็นบริการ | ไมโครซอฟต์ อาซัวร์
วิธีเรียกใช้ Jupyter Notebooks ในพื้นที่ทำงาน Azure Machine Learning ของคุณ
การเรียนรู้ของเครื่องและปัญญาประดิษฐ์ | อเมซอนเว็บเซอร์วิส
การกำหนดเวลาสมุดบันทึก Jupyter บนอินสแตนซ์ชั่วคราวของ Amazon SageMaker
AI และการเรียนรู้ของเครื่อง | กูเกิลคลาวด์
การใช้ Jupyter Notebooks กับ Apache Spark บน Google Cloud
การเรียนรู้ของเครื่อง | นักพัฒนาแอปเปิ้ล
ปัญญาประดิษฐ์และระบบอัตโนมัติ | เทสลา
เครื่องมือ Meta AI | เฟสบุ๊ค
บทช่วยสอน PyTorch
บทช่วยสอน TensorFlow
จูปิเตอร์แล็บ
การแพร่กระจายที่เสถียรด้วย Core ML บน Apple Silicon
กลับไปด้านบน
Machine Learning โดย Stanford University โดย Andrew Ng | กูร์เรร่า
หลักสูตรการฝึกอบรม AWS และการรับรองสำหรับการเรียนรู้ของเครื่อง (ML)
โครงการทุนการศึกษา Machine Learning สำหรับ Microsoft Azure | ความอูดาซิตี้
ได้รับการรับรองจาก Microsoft: ผู้ร่วมนักวิทยาศาสตร์ข้อมูล Azure
ได้รับการรับรองจาก Microsoft: รองวิศวกร Azure AI
การฝึกอบรมและการปรับใช้ Azure Machine Learning
การเรียนรู้ของเครื่องและปัญญาประดิษฐ์จาก Google Cloud Training
หลักสูตรข้อขัดข้องของการเรียนรู้ของเครื่องสำหรับ Google Cloud
หลักสูตรการเรียนรู้ของเครื่องออนไลน์ | อูเดมี่
หลักสูตรการเรียนรู้ของเครื่องออนไลน์ | กูร์เรร่า
เรียนรู้การเรียนรู้ของเครื่องด้วยหลักสูตรและชั้นเรียนออนไลน์ | edX
กลับไปด้านบน
การเรียนรู้ของเครื่องเบื้องต้น (PDF)
ปัญญาประดิษฐ์: แนวทางสมัยใหม่ โดย Stuart J. Russel และ Peter Norvig
การเรียนรู้เชิงลึก โดย Ian Goodfellow, Yoshoua Bengio และ Aaron Courville
หนังสือการเรียนรู้ของเครื่องร้อยหน้า โดย Andriy Burkov
การเรียนรู้ของเครื่องโดย Tom M. Mitchell
Programming Collective Intelligence: การสร้างแอปพลิเคชัน Smart Web 2.0 โดย Toby Segaran
การเรียนรู้ของเครื่อง: มุมมองอัลกอริทึม ฉบับพิมพ์ครั้งที่สอง
การจดจำรูปแบบและการเรียนรู้ของเครื่องโดย Christopher M. Bishop
การประมวลผลภาษาธรรมชาติด้วย Python โดย Steven Bird, Ewan Klein และ Edward Loper
Python Machine Learning: แนวทางทางเทคนิคสำหรับการเรียนรู้ของเครื่องสำหรับผู้เริ่มต้น โดย Leonard Eddison
การใช้เหตุผลแบบเบย์และการเรียนรู้ของเครื่องโดย David Barber
การเรียนรู้ของเครื่องสำหรับผู้เริ่มต้นอย่างแท้จริง: บทนำภาษาอังกฤษธรรมดา โดย Oliver Theobald
การเรียนรู้ของเครื่องในทางปฏิบัติโดย Ben Wilson
การเรียนรู้ของเครื่องแบบลงมือปฏิบัติด้วย Scikit-Learn, Keras และ TensorFlow: แนวคิด เครื่องมือ และเทคนิคในการสร้างระบบอัจฉริยะ โดย Aurélien Géron
การเรียนรู้ของเครื่องเบื้องต้นด้วย Python: คู่มือสำหรับนักวิทยาศาสตร์ข้อมูล โดย Andreas C. Müller และ Sarah Guido
การเรียนรู้ของเครื่องสำหรับแฮกเกอร์: กรณีศึกษาและอัลกอริทึมเพื่อให้คุณเริ่มต้นโดย Drew Conway และ John Myles White
องค์ประกอบของการเรียนรู้ทางสถิติ: การทำเหมืองข้อมูล การอนุมาน และการทำนาย โดย Trevor Hastie, Robert Tibshirani และ Jerome Friedman
รูปแบบการเรียนรู้ของเครื่องแบบกระจาย - หนังสือ (อ่านออนไลน์ฟรี) + รหัส
การเรียนรู้ของเครื่องในโลกแห่งความเป็นจริง [บทฟรี]
ความรู้เบื้องต้นเกี่ยวกับการเรียนรู้ทางสถิติ - หนังสือ + รหัส R
องค์ประกอบของการเรียนรู้ทางสถิติ - หนังสือ
Think Bayes - หนังสือ + รหัส Python
การขุดชุดข้อมูลขนาดใหญ่
การเผชิญหน้าครั้งแรกกับการเรียนรู้ของเครื่อง
การเรียนรู้ของเครื่องเบื้องต้น - Alex Smola และ SVN Vishwanathan
ทฤษฎีความน่าจะเป็นของการรู้จำรูปแบบ
ความรู้เบื้องต้นเกี่ยวกับการดึงข้อมูล
การพยากรณ์: หลักการและการปฏิบัติ
การเรียนรู้ของเครื่องเบื้องต้น - อัมโนน ชาชูอา
การเรียนรู้แบบเสริมกำลัง
การเรียนรู้ของเครื่อง
ภารกิจสำหรับ AI
การเขียนโปรแกรม R สำหรับวิทยาศาสตร์ข้อมูล
การทำเหมืองข้อมูล - เครื่องมือและเทคนิคการเรียนรู้ของเครื่องที่ใช้งานได้จริง
การเรียนรู้ของเครื่องด้วย TensorFlow
ระบบการเรียนรู้ของเครื่อง
รากฐานของการเรียนรู้ของเครื่อง - Mehryar Mohri, Afshin Rostamizadeh และ Ameet Talwalkar
การค้นหาที่ขับเคลื่อนด้วย AI - Trey Grainger, Doug Turnbull, Max Irwin -
วิธีการทั้งมวลสำหรับการเรียนรู้ของเครื่อง - Gautam Kunapuli
การดำเนินการทางวิศวกรรมการเรียนรู้ของเครื่อง - เบ็น วิลสัน
การเรียนรู้ของเครื่องที่รักษาความเป็นส่วนตัว - J. Morris Chang, Di Zhuang, G. Dumindu Samaraweera
การเรียนรู้ของเครื่องอัตโนมัติในทางปฏิบัติ - Qingquan Song, Haifeng Jin และ Xia Hu
รูปแบบการเรียนรู้ของเครื่องแบบกระจาย - Yuan Tang
การจัดการโปรเจ็กต์การเรียนรู้ของเครื่อง: จากการออกแบบไปจนถึงการใช้งาน - ไซมอน ทอมป์สัน
การเรียนรู้ของเครื่องเชิงสาเหตุ - โรเบิร์ต เนส
การเพิ่มประสิทธิภาพแบบเบย์ในการดำเนินการ - Quan Nguyen
อัลกอริธึมการเรียนรู้ของเครื่องเชิงลึก) - Vadim Smolyakov
อัลกอริทึมการเพิ่มประสิทธิภาพ - Alaa Khamis
การเพิ่มประสิทธิภาพการไล่ระดับสีในทางปฏิบัติโดย Guillaume Saupin
กลับไปด้านบน
กลับไปด้านบน
TensorFlow เป็นแพลตฟอร์มโอเพ่นซอร์สแบบครบวงจรสำหรับแมชชีนเลิร์นนิง มีระบบนิเวศที่ครอบคลุมและยืดหยุ่นของเครื่องมือ ห้องสมุด และทรัพยากรชุมชน ซึ่งช่วยให้นักวิจัยผลักดันความล้ำสมัยใน ML และนักพัฒนาสามารถสร้างและปรับใช้แอปพลิเคชันที่ขับเคลื่อนด้วย ML ได้อย่างง่ายดาย
Keras เป็น API เครือข่ายประสาทระดับสูงที่เขียนด้วย Python และสามารถทำงานบน TensorFlow, CNTK หรือ Theano ได้ ได้รับการพัฒนาโดยมุ่งเน้นที่การเปิดใช้งานการทดลองที่รวดเร็ว สามารถทำงานบน TensorFlow, Microsoft Cognitive Toolkit, R, Theano หรือ PlaidML
PyTorch เป็นไลบรารีสำหรับการเรียนรู้เชิงลึกเกี่ยวกับข้อมูลอินพุตที่ผิดปกติ เช่น กราฟ พอยต์คลาวด์ และแมนิโฟลด์ พัฒนาโดยห้องปฏิบัติการวิจัย AI ของ Facebook เป็นหลัก
Amazon SageMaker เป็นบริการที่มีการจัดการเต็มรูปแบบซึ่งช่วยให้นักพัฒนาและนักวิทยาศาสตร์ข้อมูลทุกคนสามารถสร้าง ฝึกอบรม และปรับใช้โมเดล Machine Learning (ML) ได้อย่างรวดเร็ว SageMaker ขจัดภาระหนักออกจากแต่ละขั้นตอนของกระบวนการแมชชีนเลิร์นนิง เพื่อให้ง่ายต่อการพัฒนาโมเดลคุณภาพสูง
Azure Databricks เป็นบริการวิเคราะห์ข้อมูลขนาดใหญ่บน Apache Spark ที่รวดเร็วและทำงานร่วมกัน ซึ่งออกแบบมาสำหรับวิทยาศาสตร์ข้อมูลและวิศวกรรมข้อมูล Azure Databricks ตั้งค่าสภาพแวดล้อม Apache Spark ของคุณในไม่กี่นาที ปรับขนาดอัตโนมัติ และทำงานร่วมกันในโครงการที่ใช้ร่วมกันในพื้นที่ทำงานแบบโต้ตอบ Azure Databricks รองรับ Python, Scala, R, Java และ SQL รวมถึงเฟรมเวิร์กและไลบรารีวิทยาศาสตร์ข้อมูล รวมถึง TensorFlow, PyTorch และ scikit-learn
Microsoft Cognitive Toolkit (CNTK) เป็นชุดเครื่องมือโอเพ่นซอร์สสำหรับการเรียนรู้เชิงลึกแบบกระจายในเชิงพาณิชย์ โดยอธิบายโครงข่ายประสาทเทียมว่าเป็นชุดของขั้นตอนการคำนวณผ่านกราฟกำกับ CNTK ช่วยให้ผู้ใช้สามารถรับรู้และรวมประเภทโมเดลยอดนิยม เช่น feed-forward DNN, Convolutional Neural Networks (CNN) และ Recurrent Neural Networks (RNNs/LSTM) CNTK ใช้การเรียนรู้แบบ Stochastic Gradient Descent (SGD, Error Backpropagation) พร้อมการสร้างความแตกต่างอัตโนมัติและการทำงานแบบขนานใน GPU และเซิร์ฟเวอร์หลายตัว
Apple CoreML เป็นเฟรมเวิร์กที่ช่วยผสานรวมโมเดลการเรียนรู้ของเครื่องเข้ากับแอปของคุณ Core ML มอบการนำเสนอแบบครบวงจรสำหรับทุกรุ่น แอปของคุณใช้ Core ML API และข้อมูลผู้ใช้ในการคาดการณ์ และฝึกหรือปรับแต่งโมเดล ทั้งหมดนี้อยู่ในอุปกรณ์ของผู้ใช้ แบบจำลองเป็นผลมาจากการใช้อัลกอริธึมการเรียนรู้ของเครื่องกับชุดข้อมูลการฝึก คุณใช้แบบจำลองเพื่อคาดการณ์ตามข้อมูลที่ป้อนใหม่
Apache OpenNLP เป็นไลบรารีโอเพ่นซอร์สสำหรับชุดเครื่องมือการเรียนรู้ของเครื่องที่ใช้ในการประมวลผลข้อความภาษาธรรมชาติ โดยมี API สำหรับกรณีการใช้งานต่างๆ เช่น การจดจำเอนทิตีที่มีชื่อ, การตรวจจับประโยค, การแท็ก POS (ส่วนหนึ่งของคำพูด), การแยกคุณสมบัติ Tokenization, การแยกส่วน, การแยกวิเคราะห์ และการแก้ไขแกนกลาง
Apache Airflow เป็นแพลตฟอร์มการจัดการเวิร์กโฟลว์โอเพ่นซอร์สที่สร้างขึ้นโดยชุมชนเพื่อเขียนโปรแกรม กำหนดเวลา และตรวจสอบเวิร์กโฟลว์ ติดตั้ง. หลักการ. ปรับขนาดได้ Airflow มีสถาปัตยกรรมแบบโมดูลาร์และใช้คิวข้อความเพื่อจัดระเบียบพนักงานตามจำนวนที่ต้องการ การไหลเวียนของอากาศพร้อมที่จะขยายขนาดไปจนถึงระยะอนันต์
Open Neural Network Exchange (ONNX) เป็นระบบนิเวศแบบเปิดที่ช่วยให้นักพัฒนา AI สามารถเลือกเครื่องมือที่เหมาะสมได้ในขณะที่โปรเจ็กต์ของพวกเขามีการพัฒนา ONNX นำเสนอรูปแบบโอเพ่นซอร์สสำหรับโมเดล AI ทั้งการเรียนรู้เชิงลึกและ ML แบบดั้งเดิม โดยจะกำหนดแบบจำลองกราฟการคำนวณแบบขยายได้ รวมถึงคำจำกัดความของตัวดำเนินการในตัวและประเภทข้อมูลมาตรฐาน
Apache MXNet เป็นเฟรมเวิร์กการเรียนรู้เชิงลึกที่ออกแบบมาเพื่อทั้งประสิทธิภาพและความยืดหยุ่น ช่วยให้คุณสามารถผสมผสานการเขียนโปรแกรมเชิงสัญลักษณ์และความจำเป็นเพื่อเพิ่มประสิทธิภาพและประสิทธิผลสูงสุด ที่แกนหลัก MXNet มีตัวกำหนดตารางเวลาการขึ้นต่อกันแบบไดนามิกที่เทียบเคียงการดำเนินการทั้งเชิงสัญลักษณ์และความจำเป็นได้ทันที เลเยอร์การปรับกราฟให้เหมาะสมที่อยู่ด้านบนทำให้การดำเนินการเชิงสัญลักษณ์รวดเร็วและมีประสิทธิภาพหน่วยความจำ MXNet พกพาสะดวกและมีน้ำหนักเบา โดยปรับขนาดได้อย่างมีประสิทธิภาพตาม GPU หลายตัวและเครื่องหลายเครื่อง รองรับ Python, R, Julia, Scala, Go, Javascript และอีกมากมาย
AutoGluon เป็นชุดเครื่องมือสำหรับการเรียนรู้เชิงลึกที่ทำให้งานการเรียนรู้ของเครื่องเป็นอัตโนมัติ ช่วยให้คุณบรรลุประสิทธิภาพการคาดการณ์ที่แข็งแกร่งในแอปพลิเคชันของคุณได้อย่างง่ายดาย ด้วยโค้ดเพียงไม่กี่บรรทัด คุณสามารถฝึกฝนและปรับใช้โมเดลการเรียนรู้เชิงลึกที่มีความแม่นยำสูงกับข้อมูลแบบตาราง รูปภาพ และข้อความได้
Anaconda เป็นแพลตฟอร์ม Data Science ที่ได้รับความนิยมอย่างมากสำหรับการเรียนรู้ของเครื่องและการเรียนรู้เชิงลึก ซึ่งช่วยให้ผู้ใช้สามารถพัฒนาโมเดล ฝึกอบรม และปรับใช้โมเดลเหล่านั้นได้
PlaidML เป็นคอมไพเลอร์เทนเซอร์ขั้นสูงแบบพกพาสำหรับการเปิดใช้งานการเรียนรู้เชิงลึกบนแล็ปท็อป อุปกรณ์ฝังตัว หรืออุปกรณ์อื่นๆ ที่ฮาร์ดแวร์คอมพิวเตอร์ที่มีอยู่ไม่ได้รับการสนับสนุนอย่างดี หรือชุดซอฟต์แวร์ที่มีอยู่มีข้อจำกัดสิทธิ์การใช้งานที่ไม่อร่อย
OpenCV เป็นไลบรารีที่ได้รับการปรับปรุงให้เหมาะสมที่สุดโดยเน้นไปที่แอปพลิเคชันคอมพิวเตอร์วิทัศน์แบบเรียลไทม์ อินเทอร์เฟซ C++, Python และ Java รองรับ Linux, MacOS, Windows, iOS และ Android
Scikit-Learn เป็นโมดูล Python สำหรับการเรียนรู้ของเครื่องที่สร้างขึ้นจาก SciPy, NumPy และ matplotlib ทำให้ง่ายต่อการใช้งานอัลกอริธึมการเรียนรู้ของเครื่องยอดนิยมมากมายที่มีประสิทธิภาพและเรียบง่าย
Weka เป็นซอฟต์แวร์แมชชีนเลิร์นนิงแบบโอเพ่นซอร์สที่สามารถเข้าถึงได้ผ่านอินเทอร์เฟซผู้ใช้แบบกราฟิก แอปพลิเคชันเทอร์มินัลมาตรฐาน หรือ Java API มีการใช้กันอย่างแพร่หลายสำหรับการสอน การวิจัย และการใช้งานในอุตสาหกรรม มีเครื่องมือในตัวมากมายสำหรับงานแมชชีนเลิร์นนิงมาตรฐาน และยังให้การเข้าถึงกล่องเครื่องมือที่มีชื่อเสียง เช่น scikit-learn, R และ Deeplearning4j ได้อย่างโปร่งใส
Caffe เป็นเฟรมเวิร์กการเรียนรู้เชิงลึกที่สร้างขึ้นโดยคำนึงถึงการแสดงออก ความเร็ว และโมดูลาร์ ได้รับการพัฒนาโดย Berkeley AI Research (BAIR)/The Berkeley Vision and Learning Center (BVLC) และผู้ร่วมให้ข้อมูลในชุมชน
Theano เป็นไลบรารี Python ที่ช่วยให้คุณสามารถกำหนด ปรับให้เหมาะสม และประเมินนิพจน์ทางคณิตศาสตร์ที่เกี่ยวข้องกับอาร์เรย์หลายมิติได้อย่างมีประสิทธิภาพ รวมถึงการบูรณาการอย่างแน่นหนากับ NumPy
nGraph เป็นไลบรารี C++ โอเพ่นซอร์ส คอมไพเลอร์ และรันไทม์สำหรับ Deep Learning nGraph Compiler มีเป้าหมายเพื่อเร่งการพัฒนาปริมาณงาน AI โดยใช้เฟรมเวิร์กการเรียนรู้เชิงลึกและปรับใช้กับฮาร์ดแวร์เป้าหมายที่หลากหลาย โดยมอบอิสระ ประสิทธิภาพ และความสะดวกในการใช้งานแก่นักพัฒนา AI
NVIDIA cuDNN เป็นไลบรารี่ดั้งเดิมที่เร่งด้วย GPU สำหรับโครงข่ายประสาทเชิงลึก cuDNN นำเสนอการใช้งานที่ได้รับการปรับแต่งอย่างดีสำหรับรูทีนมาตรฐาน เช่น การสลับไปข้างหน้าและข้างหลัง การรวมกลุ่ม การทำให้เป็นมาตรฐาน และเลเยอร์การเปิดใช้งาน cuDNN เร่งความเร็วเฟรมเวิร์กการเรียนรู้เชิงลึกที่ใช้กันอย่างแพร่หลาย รวมถึง Caffe2, Chainer, Keras, MATLAB, MxNet, PyTorch และ TensorFlow
Huginn เป็นระบบที่โฮสต์เองสำหรับการสร้างตัวแทนที่ทำงานอัตโนมัติให้คุณทางออนไลน์ สามารถอ่านเว็บ ดูกิจกรรม และดำเนินการในนามของคุณได้ ตัวแทนของ Huginn สร้างและใช้กิจกรรมต่างๆ โดยเผยแพร่ไปตามกราฟที่กำหนดทิศทาง คิดว่าเป็นเวอร์ชันที่แฮ็กได้ของ IFTTT หรือ Zapier บนเซิร์ฟเวอร์ของคุณเอง
Netron เป็นผู้ดูโมเดลโครงข่ายประสาทเทียม การเรียนรู้เชิงลึก และการเรียนรู้ของเครื่อง รองรับ ONNX, TensorFlow Lite, Caffe, Keras, Darknet, PaddlePaddle, ncnn, MNN, Core ML, RKNN, MXNet, MindSpore Lite, TNN, Barracuda, Tengine, CNTK, TensorFlow.js, Caffe2 และ UFF
โดปามีนเป็นกรอบการวิจัยสำหรับการสร้างต้นแบบอย่างรวดเร็วของอัลกอริธึมการเรียนรู้แบบเสริมกำลัง
DALI คือไลบรารีที่เร่งด้วย GPU ซึ่งมีบล็อคส่วนประกอบที่ได้รับการปรับปรุงประสิทธิภาพสูงและกลไกดำเนินการสำหรับการประมวลผลข้อมูลเพื่อเร่งการฝึกอบรมการเรียนรู้เชิงลึกและการอนุมาน
MindSpore Lite เป็นเฟรมเวิร์กการฝึกอบรม/การอนุมานการเรียนรู้เชิงลึกแบบโอเพ่นซอร์สใหม่ที่สามารถใช้กับสถานการณ์บนมือถือ Edge และคลาวด์ได้
Darknet เป็นเฟรมเวิร์กโครงข่ายประสาทเทียมแบบโอเพ่นซอร์สที่เขียนด้วยภาษา C และ CUDA รวดเร็ว ติดตั้งง่าย และรองรับการคำนวณ CPU และ GPU
PaddlePaddle เป็นแพลตฟอร์มการเรียนรู้เชิงลึกที่ใช้งานง่าย มีประสิทธิภาพ ยืดหยุ่น และปรับขนาดได้ ซึ่งเดิมได้รับการพัฒนาโดยนักวิทยาศาสตร์และวิศวกรของ Baidu โดยมีวัตถุประสงค์เพื่อประยุกต์การเรียนรู้เชิงลึกกับผลิตภัณฑ์มากมายที่ Baidu
GoogleNotebookLM เป็นเครื่องมือ AI ทดลองที่ใช้พลังของโมเดลภาษาจับคู่กับเนื้อหาที่มีอยู่ของคุณเพื่อรับข้อมูลเชิงลึกที่สำคัญเร็วขึ้น คล้ายกับผู้ช่วยวิจัยเสมือนจริงที่สามารถสรุปข้อเท็จจริง อธิบายแนวคิดที่ซับซ้อน และระดมความคิดในการเชื่อมโยงใหม่ๆ ตามแหล่งข้อมูลที่คุณเลือก
Unilm คือการฝึกอบรมล่วงหน้าขนาดใหญ่ที่มีการดูแลตนเองทั้งในด้านงาน ภาษา และรูปแบบต่างๆ
Semantic Kernel (SK) เป็น SDK แบบน้ำหนักเบาที่ช่วยให้สามารถผสานรวม AI Large Language Models (LLM) เข้ากับภาษาการเขียนโปรแกรมทั่วไปได้ โมเดลการเขียนโปรแกรมแบบขยายได้ของ SK ผสมผสานฟังก์ชันความหมายของภาษาธรรมชาติ ฟังก์ชันโค้ดเนทิฟแบบดั้งเดิม และหน่วยความจำแบบฝังเพื่อปลดล็อกศักยภาพใหม่และเพิ่มมูลค่าให้กับแอปพลิเคชันด้วย AI
Pandas AI เป็นไลบรารี Python ที่รวมความสามารถด้านปัญญาประดิษฐ์เชิงสร้างสรรค์เข้ากับ Pandas ทำให้ดาต้าเฟรมเป็นการสนทนา
NCNN เป็นเฟรมเวิร์กการอนุมานโครงข่ายประสาทเทียมประสิทธิภาพสูงที่ปรับให้เหมาะกับแพลตฟอร์มมือถือ
MNN เป็นเฟรมเวิร์กการเรียนรู้เชิงลึกที่รวดเร็วและใช้งานง่าย ผ่านการทดสอบการต่อสู้โดยกรณีการใช้งานที่สำคัญทางธุรกิจในอาลีบาบา
MediaPipe ได้รับการปรับให้เหมาะสมสำหรับประสิทธิภาพแบบ end-to-end บนแพลตฟอร์มที่หลากหลาย ดูการสาธิต เรียนรู้เพิ่มเติม ML บนอุปกรณ์ที่ซับซ้อน ทำให้ง่ายขึ้น เราได้สรุปความซับซ้อนของการทำให้ ML บนอุปกรณ์ปรับแต่งได้ พร้อมใช้งานจริง และเข้าถึงได้ข้ามแพลตฟอร์ม
MegEngine เป็นเฟรมเวิร์กการเรียนรู้เชิงลึกที่รวดเร็ว ปรับขนาดได้ และเป็นมิตรกับผู้ใช้ พร้อมด้วยคุณสมบัติหลัก 3 ประการ: เฟรมเวิร์กแบบรวมสำหรับทั้งการฝึกอบรมและการอนุมาน
ML.NET เป็นไลบรารีการเรียนรู้ของเครื่องที่ออกแบบมาให้เป็นแพลตฟอร์มที่ขยายได้ เพื่อให้คุณสามารถใช้เฟรมเวิร์ก ML ยอดนิยมอื่นๆ ได้ (TensorFlow, ONNX, Infer.NET และอื่นๆ) และสามารถเข้าถึงสถานการณ์การเรียนรู้ของเครื่องได้มากขึ้น เช่น การจัดหมวดหมู่รูปภาพ การตรวจจับวัตถุ และอื่นๆ
Ludwig เป็นเฟรมเวิร์กแมชชีนเลิร์นนิงที่เปิดเผยซึ่งทำให้ง่ายต่อการกำหนดไปป์ไลน์แมชชีนเลิร์นนิงโดยใช้ระบบการกำหนดค่าที่ขับเคลื่อนด้วยข้อมูลที่เรียบง่ายและยืดหยุ่น
MMdnn เป็นเครื่องมือข้ามเฟรมเวิร์กที่ครอบคลุมในการแปลง แสดงภาพ และวินิจฉัยโมเดลการเรียนรู้เชิงลึก (DL) "MM" ย่อมาจาก Model Management และ "dnn" เป็นตัวย่อของ Deep Neural Network แปลงโมเดลระหว่าง Caffe, Keras, MXNet, Tensorflow, CNTK, PyTorch Onnx และ CoreML
Horovod เป็นเฟรมเวิร์กการฝึกอบรมการเรียนรู้เชิงลึกแบบกระจายสำหรับ TensorFlow, Keras, PyTorch และ Apache MXNet
Vaex เป็นไลบรารี Python ประสิทธิภาพสูงสำหรับ DataFrames นอกคอร์ที่ขี้เกียจ (คล้ายกับ Pandas) เพื่อแสดงภาพและสำรวจชุดข้อมูลแบบตารางขนาดใหญ่
GluonTS เป็นแพ็คเกจ Python สำหรับการสร้างแบบจำลองอนุกรมเวลาความน่าจะเป็น โดยมุ่งเน้นไปที่โมเดลการเรียนรู้เชิงลึกโดยใช้ PyTorch และ MXNet
MindsDB คือเซิร์ฟเวอร์ ML-SQL ช่วยให้เวิร์กโฟลว์การเรียนรู้ของเครื่องสำหรับฐานข้อมูลและคลังข้อมูลที่ทรงพลังที่สุดโดยใช้ SQL
Jupyter Notebook เป็นเว็บแอปพลิเคชันโอเพ่นซอร์สที่ให้คุณสร้างและแบ่งปันเอกสารที่มีโค้ดสด สมการ การแสดงภาพ และข้อความบรรยาย Jupyter มีการใช้กันอย่างแพร่หลายในอุตสาหกรรมที่ทำการล้างข้อมูลและการแปลงข้อมูล การจำลองเชิงตัวเลข การสร้างแบบจำลองทางสถิติ การสร้างภาพข้อมูล วิทยาศาสตร์ข้อมูล และการเรียนรู้ของเครื่อง
Apache Spark เป็นเครื่องมือวิเคราะห์แบบครบวงจรสำหรับการประมวลผลข้อมูลขนาดใหญ่ โดยให้บริการ API ระดับสูงใน Scala, Java, Python และ R และกลไกที่ได้รับการปรับปรุงซึ่งรองรับกราฟการคำนวณทั่วไปสำหรับการวิเคราะห์ข้อมูล นอกจากนี้ยังรองรับชุดเครื่องมือระดับสูงกว่าที่หลากหลาย รวมถึง Spark SQL สำหรับ SQL และ DataFrames, MLlib สำหรับการเรียนรู้ของเครื่อง, GraphX สำหรับการประมวลผลกราฟ และการสตรีมแบบมีโครงสร้างสำหรับการประมวลผลสตรีม
Apache Spark Connector สำหรับ SQL Server และ Azure SQL เป็นตัวเชื่อมต่อประสิทธิภาพสูงที่ช่วยให้คุณสามารถใช้ข้อมูลธุรกรรมในการวิเคราะห์ Big Data และคงผลลัพธ์ไว้สำหรับการสืบค้นหรือการรายงานเฉพาะกิจ ตัวเชื่อมต่อช่วยให้คุณใช้ฐานข้อมูล SQL ภายในองค์กรหรือในระบบคลาวด์ เป็นแหล่งข้อมูลอินพุตหรือซิงก์ข้อมูลเอาต์พุตสำหรับงาน Spark
Apache PredictionIO เป็นเฟรมเวิร์กแมชชีนเลิร์นนิงแบบโอเพ่นซอร์สสำหรับนักพัฒนา นักวิทยาศาสตร์ข้อมูล และผู้ใช้ปลายทาง รองรับการรวบรวมเหตุการณ์ การปรับใช้อัลกอริธึม การประเมิน การสืบค้นผลลัพธ์การคาดการณ์ผ่าน REST API ขึ้นอยู่กับบริการโอเพ่นซอร์สที่ปรับขนาดได้ เช่น Hadoop, HBase (และ DB อื่นๆ), Elasticsearch, Spark และใช้งานสิ่งที่เรียกว่าสถาปัตยกรรม Lambda
Cluster Manager สำหรับ Apache Kafka(CMAK) เป็นเครื่องมือสำหรับจัดการคลัสเตอร์ Apache Kafka
BigDL คือไลบรารีการเรียนรู้เชิงลึกแบบกระจายสำหรับ Apache Spark ด้วย BigDL ผู้ใช้สามารถเขียนแอปพลิเคชันการเรียนรู้เชิงลึกของตนเป็นโปรแกรม Spark มาตรฐาน ซึ่งสามารถทำงานบนคลัสเตอร์ Spark หรือ Hadoop ที่มีอยู่ได้โดยตรง
Eclipse Deeplearning4J (DL4J) คือชุดของโปรเจ็กต์ที่มีจุดมุ่งหมายเพื่อรองรับความต้องการทั้งหมดของแอปพลิเคชันการเรียนรู้เชิงลึกที่ใช้ JVM (Scala, Kotlin, Clojure และ Groovy) ซึ่งหมายถึงการเริ่มต้นด้วยข้อมูลดิบ โหลดและประมวลผลล่วงหน้าจากทุกที่และทุกรูปแบบ ไปจนถึงการสร้างและปรับแต่งเครือข่ายการเรียนรู้เชิงลึกที่เรียบง่ายและซับซ้อนที่หลากหลาย
Tensorman เป็นโปรแกรมอรรถประโยชน์สำหรับการจัดการคอนเทนเนอร์ Tensorflow ได้ง่ายโดยพัฒนาโดย System76Tensorman ช่วยให้ Tensorflow ทำงานในสภาพแวดล้อมที่แยกออกจากส่วนที่เหลือของระบบ สภาพแวดล้อมเสมือนนี้สามารถทำงานได้อย่างอิสระจากระบบฐาน ทำให้คุณสามารถใช้ Tensorflow เวอร์ชันใดก็ได้บนการกระจาย Linux เวอร์ชันใดก็ได้ที่รองรับรันไทม์ Docker
Numba เป็นโอเพ่นซอร์ส คอมไพเลอร์เพิ่มประสิทธิภาพ NumPy-aware สำหรับ Python ที่สนับสนุนโดย Anaconda, Inc. โดยใช้โปรเจ็กต์คอมไพเลอร์ LLVM เพื่อสร้างโค้ดเครื่องจากไวยากรณ์ Python Numba สามารถคอมไพล์ชุดย่อยขนาดใหญ่ของ Python ที่เน้นตัวเลขได้ รวมถึงฟังก์ชัน NumPy มากมาย นอกจากนี้ Numba ยังรองรับการทำให้ลูปขนานกันโดยอัตโนมัติ การสร้างโค้ดที่เร่งด้วย GPU และการสร้าง ufuncs และการเรียกกลับ C
Chainer เป็นเฟรมเวิร์กการเรียนรู้เชิงลึกที่ใช้ Python โดยมีเป้าหมายเพื่อความยืดหยุ่น โดยให้ API ที่สร้างความแตกต่างอัตโนมัติโดยอิงตามแนวทางแบบกำหนดต่อรัน (กราฟการคำนวณแบบไดนามิก) รวมถึง API ระดับสูงเชิงวัตถุเพื่อสร้างและฝึกโครงข่ายประสาทเทียม นอกจากนี้ยังรองรับ CUDA/cuDNN โดยใช้ CuPy สำหรับการฝึกอบรมและการอนุมานที่มีประสิทธิภาพสูง
XGBoost เป็นไลบรารี่เร่งการไล่ระดับสีแบบกระจายที่ได้รับการปรับปรุงให้มีประสิทธิภาพสูงสุด ยืดหยุ่น และพกพาสะดวก ใช้อัลกอริธึมการเรียนรู้ของเครื่องภายใต้เฟรมเวิร์กการไล่ระดับสี XGBoost นำเสนอทรีแบบขนาน (หรือที่เรียกว่า GBDT, GBM) ที่ช่วยแก้ปัญหาด้านวิทยาศาสตร์ข้อมูลจำนวนมากได้อย่างรวดเร็วและแม่นยำ รองรับการฝึกอบรมแบบกระจายบนเครื่องหลายเครื่อง รวมถึงคลัสเตอร์ AWS, GCE, Azure และ Yarn นอกจากนี้ยังสามารถผสานรวมกับ Flink, Spark และระบบโฟลว์ข้อมูลบนคลาวด์อื่นๆ ได้อีกด้วย
cuML คือชุดไลบรารีที่ใช้อัลกอริธึมการเรียนรู้ของเครื่องและฟังก์ชันพื้นฐานทางคณิตศาสตร์ที่แชร์ API ที่เข้ากันได้กับโปรเจ็กต์ RAPIDS อื่นๆ cuML ช่วยให้นักวิทยาศาสตร์ข้อมูล นักวิจัย และวิศวกรซอฟต์แวร์สามารถรันงาน ML แบบตารางแบบดั้งเดิมบน GPU ได้โดยไม่ต้องลงรายละเอียดการเขียนโปรแกรม CUDA ในกรณีส่วนใหญ่ Python API ของ cuML จะจับคู่กับ API จาก scikit-learn
Emu คือไลบรารี GPGPU สำหรับ Rust โดยเน้นที่ความสามารถในการพกพา ความเป็นโมดูล และประสิทธิภาพ มันเป็นนามธรรมเฉพาะทางการคำนวณรูปแบบ CUDA บน WebGPU ที่ให้ฟังก์ชันการทำงานเฉพาะเพื่อทำให้ WebGPU รู้สึกเหมือน CUDA มากขึ้น
Scalene เป็นตัวสร้างโปรไฟล์ CPU, GPU และหน่วยความจำประสิทธิภาพสูงสำหรับ Python ที่ทำสิ่งต่าง ๆ มากมายที่ผู้สร้างโปรไฟล์ Python อื่นทำไม่ได้และไม่สามารถทำได้ มันรันลำดับความสำคัญได้เร็วกว่าตัวสร้างโปรไฟล์อื่นๆ ในขณะที่ให้ข้อมูลที่มีรายละเอียดมากกว่ามาก
MLpack เป็นไลบรารีแมชชีนเลิร์นนิง C++ ที่รวดเร็วและยืดหยุ่น ซึ่งเขียนด้วยภาษา C++ และสร้างขึ้นบนไลบรารีพีชคณิตเชิงเส้น Armadillo ไลบรารีการเพิ่มประสิทธิภาพเชิงตัวเลขที่ขยายขนาด และส่วนต่างๆ ของ Boost
Netron เป็นผู้ดูโมเดลโครงข่ายประสาทเทียม การเรียนรู้เชิงลึก และการเรียนรู้ของเครื่อง รองรับ ONNX, TensorFlow Lite, Caffe, Keras, Darknet, PaddlePaddle, ncnn, MNN, Core ML, RKNN, MXNet, MindSpore Lite, TNN, Barracuda, Tengine, CNTK, TensorFlow.js, Caffe2 และ UFF
Lightning เป็นเครื่องมือที่สร้างและฝึกโมเดล PyTorch และเชื่อมต่อกับวงจรการใช้งาน ML โดยใช้เทมเพลต Lightning App โดยไม่ต้องจัดการโครงสร้างพื้นฐาน DIY การจัดการต้นทุน การปรับขนาด ฯลฯ
OpenNN เป็นไลบรารีโครงข่ายประสาทแบบโอเพ่นซอร์สสำหรับการเรียนรู้ของเครื่อง ประกอบด้วยอัลกอริธึมและยูทิลิตี้ที่ซับซ้อนเพื่อจัดการกับโซลูชันปัญญาประดิษฐ์มากมาย
H20 เป็นแพลตฟอร์ม AI Cloud ที่ช่วยแก้ปัญหาทางธุรกิจที่ซับซ้อนและเร่งการค้นพบแนวคิดใหม่ด้วยผลลัพธ์ที่คุณสามารถเข้าใจและเชื่อถือได้
Gensim เป็นไลบรารี Python สำหรับการสร้างแบบจำลองหัวข้อ การทำดัชนีเอกสาร และการดึงข้อมูลความคล้ายคลึงกันด้วยคลังข้อมูลขนาดใหญ่ กลุ่มเป้าหมายคือชุมชนการประมวลผลภาษาธรรมชาติ (NLP) และการเรียกค้นข้อมูล (IR)
llama.cpp เป็นพอร์ตของโมเดล LLaMA ของ Facebook ใน C/C++
hmmlearn คือชุดของอัลกอริธึมสำหรับการเรียนรู้แบบไม่มีผู้ดูแลและการอนุมานของโมเดล Markov ที่ซ่อนอยู่
Nextjournal เป็นสมุดบันทึกสำหรับการวิจัยที่สามารถทำซ้ำได้ มันรันทุกสิ่งที่คุณสามารถใส่ลงในคอนเทนเนอร์ Docker ปรับปรุงขั้นตอนการทำงานของคุณด้วยสมุดบันทึกที่พูดได้หลายภาษา การกำหนดเวอร์ชันอัตโนมัติ และการทำงานร่วมกันแบบเรียลไทม์ ประหยัดเวลาและเงินด้วยการจัดเตรียมตามความต้องการ รวมถึงการรองรับ GPU
IPython มอบสถาปัตยกรรมที่หลากหลายสำหรับการประมวลผลเชิงโต้ตอบด้วย:
Veles เป็นแพลตฟอร์มแบบกระจายสำหรับการพัฒนาแอปพลิเคชันการเรียนรู้เชิงลึกอย่างรวดเร็วซึ่งปัจจุบันพัฒนาโดย Samsung
DyNet เป็นไลบรารีโครงข่ายประสาทเทียมที่พัฒนาโดย Carnegie Mellon University และมหาวิทยาลัยอื่นๆ อีกมากมาย เขียนด้วยภาษา C++ (พร้อมการเชื่อมโยงใน Python) และได้รับการออกแบบให้มีประสิทธิภาพเมื่อทำงานบน CPU หรือ GPU และทำงานได้ดีกับเครือข่ายที่มีโครงสร้างไดนามิกที่เปลี่ยนแปลงสำหรับทุกอินสแตนซ์การฝึกอบรม เครือข่ายประเภทนี้มีความสำคัญอย่างยิ่งในงานประมวลผลภาษาธรรมชาติ และ DyNet ได้ถูกนำมาใช้เพื่อสร้างระบบที่ล้ำสมัยสำหรับการแยกวิเคราะห์วากยสัมพันธ์ การแปลภาษาด้วยเครื่อง การผันคำทางสัณฐานวิทยา และขอบเขตการใช้งานอื่นๆ อีกมากมาย
Ray เป็นเฟรมเวิร์กแบบรวมสำหรับการปรับขนาดแอปพลิเคชัน AI และ Python ประกอบด้วยรันไทม์แบบกระจายหลักและชุดเครื่องมือของไลบรารี (Ray AIR) เพื่อเร่งปริมาณงาน ML
Whisper.cpp เป็นการอนุมานประสิทธิภาพสูงของโมเดลการรู้จำคำพูดอัตโนมัติ Whisper (ASR) ของ OpenAI
ChatGPT Plus เป็นแผนการสมัครสมาชิกนำร่อง ( $20/เดือน ) สำหรับ ChatGPT ซึ่งเป็น AI การสนทนาที่สามารถแชทกับคุณ ตอบคำถามติดตามผล และท้าทายสมมติฐานที่ไม่ถูกต้อง
Auto-GPT คือ "ตัวแทน AI" ที่ตั้งเป้าหมายเป็นภาษาธรรมชาติ สามารถพยายามบรรลุเป้าหมายโดยการแบ่งย่อยออกเป็นงานย่อย และใช้อินเทอร์เน็ตและเครื่องมืออื่นๆ ในลูปอัตโนมัติ ใช้ GPT-4 หรือ GPT-3.5 API ของ OpenAI และเป็นหนึ่งในตัวอย่างแรกของแอปพลิเคชันที่ใช้ GPT-4 เพื่อทำงานแบบอัตโนมัติ
Chatbot UI โดย mckaywrigley เป็นชุดแชทบอทขั้นสูงสำหรับโมเดลการแชทของ OpenAI ที่สร้างขึ้นบน Chatbot UI Lite โดยใช้ Next.js, TypeScript และ Tailwind CSS ChatBot UI เวอร์ชันนี้รองรับทั้งรุ่น GPT-3.5 และ GPT-4 การสนทนาจะถูกจัดเก็บไว้ในเบราว์เซอร์ของคุณ คุณสามารถส่งออกและนำเข้าการสนทนาเพื่อป้องกันข้อมูลสูญหายได้ ดูการสาธิต
Chatbot UI Lite โดย mckaywrigley เป็นชุดเริ่มต้นแชทบอทอย่างง่ายสำหรับโมเดลการแชทของ OpenAI โดยใช้ Next.js, TypeScript และ Tailwind CSS ดูการสาธิต
MiniGPT-4 เป็นการยกระดับความเข้าใจภาษาการมองเห็นด้วยโมเดลภาษาขนาดใหญ่ขั้นสูง
GPT4All คือระบบนิเวศของแชทบอทแบบโอเพ่นซอร์สที่ได้รับการฝึกอบรมเกี่ยวกับชุดข้อมูลผู้ช่วยที่สะอาดจำนวนมหาศาล รวมถึงโค้ด เรื่องราว และบทสนทนาที่อิงจาก LLaMa
GPT4All UI เป็นเว็บแอปพลิเคชัน Flask ที่ให้ UI การแชทสำหรับการโต้ตอบกับแชทบอต GPT4All
Alpaca.cpp เป็นรุ่นที่มีลักษณะคล้าย ChatGPT ที่รวดเร็วในอุปกรณ์ของคุณ โดยผสมผสานโมเดลพื้นฐาน LLaMA เข้ากับการจำลองแบบเปิดของ Stanford Alpaca การปรับแต่งโมเดลพื้นฐานอย่างละเอียดเพื่อให้ปฏิบัติตามคำแนะนำ (คล้ายกับ RLHF ที่ใช้ในการฝึก ChatGPT) และชุดการแก้ไข llama.cpp เพื่อเพิ่มอินเทอร์เฟซการแชท
llama.cpp เป็นพอร์ตของโมเดล LLaMA ของ Facebook ใน C/C++
OpenPlayground เป็นพื้นที่เล่นสำหรับการรันโมเดลที่คล้ายกับ ChatGPT ภายในอุปกรณ์ของคุณ
Vicuna เป็นแชทบอตแบบโอเพ่นซอร์สที่ได้รับการฝึกฝนโดย LLaMA ที่ปรับแต่งอย่างละเอียด เห็นได้ชัดว่าบรรลุคุณภาพ chatgpt มากกว่า 90% และมีค่าใช้จ่าย 300 ดอลลาร์ในการฝึกอบรม
Yeagar ai คือผู้สร้างตัวแทน Langchain ที่ออกแบบมาเพื่อช่วยคุณสร้าง สร้างต้นแบบ และปรับใช้เอเจนต์ที่ขับเคลื่อนด้วย AI ได้อย่างง่ายดาย
Vicuna สร้างขึ้นโดยการปรับแต่งโมเดลพื้นฐาน LLaMA โดยใช้การสนทนาที่ผู้ใช้แชร์ประมาณ 70,000 รายการที่รวบรวมจาก ShareGPT.com ด้วย API สาธารณะ เพื่อให้มั่นใจในคุณภาพของข้อมูล ระบบจะแปลง HTML กลับเป็นมาร์กดาวน์และกรองตัวอย่างที่ไม่เหมาะสมหรือคุณภาพต่ำบางส่วนออก
ShareGPT คือที่สำหรับแบ่งปันการสนทนา ChatGPT ที่ดุเดือดที่สุดของคุณได้ด้วยคลิกเดียว โดยมีการแชร์การสนทนาถึง 198,404 ครั้ง
FastChat เป็นแพลตฟอร์มแบบเปิดสำหรับการฝึกอบรม การให้บริการ และการประเมินแชทบอทที่ใช้โมเดลภาษาขนาดใหญ่
Haystack เป็นเฟรมเวิร์ก NLP แบบโอเพ่นซอร์สเพื่อโต้ตอบกับข้อมูลของคุณโดยใช้โมเดล Transformer และ LLM (GPT-4, ChatGPT และอื่นๆ) มีเครื่องมือที่พร้อมสำหรับการผลิตเพื่อสร้างการตัดสินใจที่ซับซ้อน การตอบคำถาม การค้นหาความหมาย แอปพลิเคชันการสร้างข้อความ และอื่นๆ ได้อย่างรวดเร็ว
StableLM (โมเดลภาษา AI ความเสถียร) คือซีรีส์ภาษา StableLM และจะได้รับการอัปเดตอย่างต่อเนื่องด้วยจุดตรวจสอบใหม่
Dolly ของ Databricks คือโมเดลภาษาขนาดใหญ่ที่ทำตามคำสั่งซึ่งได้รับการฝึกฝนบนแพลตฟอร์มแมชชีนเลิร์นนิงของ Databricks ที่ได้รับอนุญาตให้ใช้ในเชิงพาณิชย์
GPTCach เป็นไลบรารีสำหรับการสร้าง Semantic Cache สำหรับการสืบค้น LLM
AlaC คือเครื่องกำเนิดโค้ดโครงสร้างพื้นฐานปัญญาประดิษฐ์
อะดรีนาลีนเป็นเครื่องมือที่ช่วยให้คุณพูดคุยกับโค้ดเบสของคุณได้ ขับเคลื่อนโดยการวิเคราะห์แบบคงที่ การค้นหาเวกเตอร์ และแบบจำลองภาษาขนาดใหญ่
OpenAssistant เป็นผู้ช่วยทางแชทที่เข้าใจงานต่างๆ สามารถโต้ตอบกับระบบของบุคคลที่สาม และดึงข้อมูลแบบไดนามิกเพื่อดำเนินการดังกล่าว
DoctorGPT เป็นไบนารี่ในตัวที่มีน้ำหนักเบาซึ่งจะตรวจสอบบันทึกแอปพลิเคชันของคุณเพื่อหาปัญหาและวินิจฉัยปัญหาเหล่านั้น
HttpGPT เป็นปลั๊กอิน Unreal Engine 5 ที่อำนวยความสะดวกในการผสานรวมกับบริการที่ใช้ GPT ของ OpenAI (ChatGPT และ DALL-E) ผ่านการร้องขอ REST แบบอะซิงโครนัส ทำให้นักพัฒนาสามารถสื่อสารกับบริการเหล่านี้ได้ง่าย นอกจากนี้ยังมีเครื่องมือแก้ไขเพื่อรวมการสร้างภาพ Chat GPT และ DALL-E ใน Engine โดยตรง
PaLM 2 เป็นโมเดลภาษาขนาดใหญ่รุ่นถัดไปที่สร้างจากมรดกของ Google ในด้านการวิจัยที่ก้าวหน้าในด้านการเรียนรู้ของเครื่องและ AI ที่มีความรับผิดชอบ ประกอบด้วยงานการใช้เหตุผลขั้นสูง รวมถึงโค้ดและคณิตศาสตร์ การจำแนกประเภทและการตอบคำถาม การแปลและความสามารถหลายภาษา และการสร้างภาษาธรรมชาติที่ดีกว่า LLM ที่ล้ำสมัยก่อนหน้านี้ของเรา
Med-PaLM เป็นโมเดลภาษาขนาดใหญ่ (LLM) ที่ได้รับการออกแบบมาเพื่อให้คำตอบคุณภาพสูงสำหรับคำถามทางการแพทย์ โดยใช้ประโยชน์จากโมเดลภาษาขนาดใหญ่ของ Google ซึ่งเราได้ปรับให้เข้ากับขอบเขตทางการแพทย์ด้วยชุดการสาธิตของผู้เชี่ยวชาญทางการแพทย์ที่ดูแลจัดการอย่างระมัดระวัง
Sec-PaLM เป็นโมเดลภาษาขนาดใหญ่ (LLM) ที่เร่งความสามารถในการช่วยเหลือผู้ที่รับผิดชอบในการรักษาองค์กรของตนให้ปลอดภัย โมเดลใหม่เหล่านี้ไม่เพียงแต่ทำให้ผู้คนเข้าใจและจัดการความปลอดภัยได้อย่างเป็นธรรมชาติและสร้างสรรค์มากขึ้นเท่านั้น
กลับไปด้านบน
กลับไปด้านบน
กลับไปด้านบน
Localai เป็น API ที่เป็นโฮสต์ตนเองที่ขับเคลื่อนด้วยตัวเอง การแทนที่แบบดร็อปอินสำหรับ OpenAI ที่ใช้งาน LLMS บนฮาร์ดแวร์เกรดผู้บริโภคโดยไม่จำเป็นต้องใช้ GPU มันเป็น API ในการเรียกใช้โมเดลที่เข้ากันได้กับ GGML: Llama, GPT4ALL, RWKV, Whisper, Vicuna, Koala, GPT4ALL-J, Cerebras, Falcon, Dolly, Starcoder และอื่น ๆ อีกมากมาย
llama.cpp เป็นพอร์ตของรุ่น Llama ของ Facebook ใน C/C ++
Ollama เป็นเครื่องมือในการลุกขึ้นและทำงานกับ Llama 2 และรุ่นภาษาขนาดใหญ่อื่น ๆ ในพื้นที่
Localai เป็น API ที่เป็นโฮสต์ตนเองที่ขับเคลื่อนด้วยตัวเอง การแทนที่แบบดร็อปอินสำหรับ OpenAI ที่ใช้งาน LLMS บนฮาร์ดแวร์เกรดผู้บริโภคโดยไม่จำเป็นต้องใช้ GPU มันเป็น API ในการเรียกใช้โมเดลที่เข้ากันได้กับ GGML: Llama, GPT4ALL, RWKV, Whisper, Vicuna, Koala, GPT4ALL-J, Cerebras, Falcon, Dolly, Starcoder และอื่น ๆ อีกมากมาย
Serge เป็นเว็บอินเตอร์เฟสสำหรับการแชทกับ Alpaca ผ่าน llama.cpp โฮสต์ตัวเองอย่างเต็มที่และ Dockerized ด้วย API ที่ใช้งานง่าย
OpenLLM เป็นแพลตฟอร์มเปิดสำหรับการใช้งานแบบจำลองภาษาขนาดใหญ่ (LLMS) ในการผลิต ปรับแต่งให้บริการปรับใช้และตรวจสอบ LLM ใด ๆ ได้อย่างง่ายดาย
Llama-GPT เป็นแชทบ็อตแบบออฟไลน์แบบออฟไลน์แบบออฟไลน์ ขับเคลื่อนโดย Llama 2. ส่วนตัว 100% โดยไม่มีข้อมูลออกจากอุปกรณ์ของคุณ
LLAMA2 WebUI เป็นเครื่องมือในการเรียกใช้ LLAMA 2 ใด ๆ ในพื้นที่ที่มี Gradio UI บน GPU หรือ CPU จากทุกที่ (Linux/Windows/Mac) ใช้ llama2-wrapper เป็นแบ็กเอนด์ Llama2 ในพื้นที่ของคุณสำหรับตัวแทนกำเนิด/แอพ
LLAMA2.C เป็นเครื่องมือในการฝึกอบรมสถาปัตยกรรม LLAMA 2 LLM ใน Pytorch จากนั้นอนุมานด้วยไฟล์ C 700-Line หนึ่งไฟล์ (run.c)
alpaca.cpp เป็นรุ่นที่เหมือน Chatgpt ที่รวดเร็วในอุปกรณ์ของคุณ มันรวมโมเดลมูลนิธิ Llama เข้ากับการทำซ้ำของ Stanford Alpaca การปรับแต่งโมเดลพื้นฐานเพื่อปฏิบัติตามคำแนะนำ (คล้ายกับ RLHF ที่ใช้ฝึก CHATGPT) และชุดของการดัดแปลง Llama.cpp เพื่อเพิ่มอินเทอร์เฟซแชท
GPT4ALL เป็นระบบนิเวศของแชทบอทโอเพ่นซอร์สที่ผ่านการฝึกอบรมเกี่ยวกับคอลเล็กชั่นข้อมูลผู้ช่วยที่สะอาดจำนวนมากรวมถึงรหัสเรื่องราวและบทสนทนาตาม Llama
MinIGPT-4 เป็นความเข้าใจในการมองเห็นด้วยวิสัยทัศน์ด้วยแบบจำลองภาษาขนาดใหญ่ขั้นสูง
Lollms Webui เป็นฮับสำหรับรุ่น LLM (รุ่นภาษาขนาดใหญ่) มันมีจุดมุ่งหมายเพื่อให้อินเทอร์เฟซที่ใช้งานง่ายเพื่อเข้าถึงและใช้ประโยชน์จากรุ่น LLM ต่างๆสำหรับงานที่หลากหลาย ไม่ว่าคุณต้องการความช่วยเหลือในการเขียนการเข้ารหัสการจัดระเบียบข้อมูลการสร้างภาพหรือค้นหาคำตอบสำหรับคำถามของคุณ
LM Studio เป็นเครื่องมือในการค้นพบดาวน์โหลดและเรียกใช้ LLM ในท้องถิ่น
Gradio Web UI เป็นเครื่องมือสำหรับรุ่นภาษาขนาดใหญ่ รองรับ Transformers, GPTQ, Llama.cpp (GGML/GGUF), รุ่น Llama
OpenPlayGround เป็น PlayFround สำหรับใช้รุ่นที่มีลักษณะคล้ายแชท GPT ในอุปกรณ์ของคุณ
Vicuna เป็นแชทบอทโอเพ่นซอร์สที่ได้รับการฝึกฝนโดยการปรับจูนลามะ เห็นได้ชัดว่ามีคุณภาพมากกว่า 90% ของ CHATGPT และมีค่าใช้จ่าย $ 300 ในการฝึกอบรม
Yeagar AI เป็นผู้สร้างตัวแทน Langchain ที่ออกแบบมาเพื่อช่วยให้คุณสร้างต้นแบบและปรับใช้ตัวแทนที่ขับเคลื่อนด้วย AI ได้อย่างง่ายดาย
KoboldCPP เป็นซอฟต์แวร์การสร้างข้อความ AI ที่ใช้งานง่ายสำหรับรุ่น GGML มันเป็นตัวเองที่มีการแจกจ่ายจาก CONCEDO ซึ่งสร้าง LLAMA.CPP และเพิ่มจุดสิ้นสุด Kobold API ที่หลากหลายการสนับสนุนรูปแบบเพิ่มเติมความเข้ากันได้ย้อนหลังรวมถึง UI แฟนซีที่มีเรื่องราวถาวรเครื่องมือแก้ไขบันทึกรูปแบบหน่วยความจำโลกโลกโลกโลก ข้อมูลบันทึกของผู้แต่งอักขระและสถานการณ์
กลับไปด้านบน
Fuzzy Logic เป็นวิธีการแก้ปัญหาที่ช่วยให้การประมวลผลการตัดสินใจขั้นสูงมากขึ้นและการรวมเข้ากับการเขียนโปรแกรมตามกฎ
สถาปัตยกรรมของระบบลอจิกฟัซซี่ ที่มา: ResearchGate
Support Vector Machine (SVM) เป็นรูปแบบการเรียนรู้ของเครื่องภายใต้การดูแลที่ใช้อัลกอริทึมการจำแนกประเภทสำหรับปัญหาการจำแนกประเภทสองกลุ่ม
รองรับเครื่องเวกเตอร์ (SVM) ที่มา: OpenClipart
เครือข่ายประสาทเป็นชุดย่อยของการเรียนรู้ของเครื่องจักรและเป็นหัวใจของอัลกอริทึมการเรียนรู้ลึก ชื่อ/โครงสร้างได้รับแรงบันดาลใจจากสมองมนุษย์คัดลอกกระบวนการที่เซลล์ประสาท/โหนดทางชีวภาพส่งสัญญาณซึ่งกันและกัน
เครือข่ายประสาทลึก ที่มา: IBM
เครือข่าย Neural Neural (R-CNN) เป็นอัลกอริทึมการตรวจจับวัตถุที่แบ่งส่วนภาพเป็นครั้งแรกเพื่อค้นหากล่องขอบเขตที่เกี่ยวข้องที่อาจเกิดขึ้นจากนั้นเรียกใช้อัลกอริทึมการตรวจจับเพื่อค้นหาวัตถุที่เป็นไปได้มากที่สุดในกล่องขอบเขตเหล่านั้น
เครือข่ายประสาท Convolutional ที่มา: CS231N
Neural Networks Recurrent (RNNS) เป็นประเภทของเครือข่ายประสาทเทียมซึ่งใช้ข้อมูลตามลำดับหรือข้อมูลอนุกรมเวลา
เครือข่ายประสาทกำเริบ ที่มา: slideteam
Multilayer Perceptrons (MLPS) เป็นเครือข่ายประสาทหลายชั้นที่ประกอบด้วย perceptrons หลายชั้นพร้อมการเปิดใช้งานเกณฑ์
Multilayer Perceptrons ที่มา: Deepai
สุ่มป่าเป็นอัลกอริทึมการเรียนรู้ของเครื่องที่ใช้กันทั่วไปซึ่งรวมเอาท์พุทของต้นไม้ตัดสินใจหลายต้นเพื่อให้ได้ผลลัพธ์เดียว ต้นไม้ตัดสินใจในป่าไม่สามารถตัดแต่งได้สำหรับการสุ่มตัวอย่างดังนั้นการเลือกทำนาย ความสะดวกในการใช้งานและความยืดหยุ่นทำให้เกิดการยอมรับเนื่องจากจัดการทั้งปัญหาการจำแนกและการถดถอย
ป่าสุ่ม ที่มา: Wikimedia
ต้นไม้ตัดสินใจเป็นแบบจำลองโครงสร้างต้นไม้สำหรับการจำแนกและการถดถอย
** ต้นไม้ตัดสินใจ ที่มา: CMU
Naive Bayes เป็นอัลกอริทึมการเรียนรู้ของเครื่องจักรที่ใช้แก้ไขปัญหา Calssification มันขึ้นอยู่กับการประยุกต์ใช้ทฤษฎีบทของเบย์ที่มีสมมติฐานความเป็นอิสระที่แข็งแกร่งระหว่างคุณสมบัติ
ทฤษฎีบทของเบย์ ที่มา: Mathisfun
กลับไปด้านบน
Pytorch เป็นเฟรมเวิร์กการเรียนรู้ที่ลึกล้ำโอเพ่นซอร์สที่เร่งเส้นทางจากการวิจัยไปจนถึงการผลิตที่ใช้สำหรับแอปพลิเคชันเช่นการมองเห็นคอมพิวเตอร์และการประมวลผลภาษาธรรมชาติ Pytorch ได้รับการพัฒนาโดย AI Research Lab ของ Facebook
เริ่มต้นด้วย pytorch
เอกสาร Pytorch
ฟอรัมการสนทนา Pytorch
หลักสูตร Pytorch Top Online | Coursera
หลักสูตร Pytorch Top Online | Udemy
เรียนรู้ Pytorch ด้วยหลักสูตรออนไลน์และชั้นเรียน | EDX
Pytorch Fundamentals - เรียนรู้ | เอกสาร Microsoft
แนะนำการเรียนรู้อย่างลึกซึ้งกับ Pytorch | ความดี
การพัฒนา Pytorch ใน Visual Studio Code
Pytorch on Azure - การเรียนรู้อย่างลึกซึ้งกับ Pytorch | Microsoft Azure
Pytorch - Azure Databricks | เอกสาร Microsoft
การเรียนรู้อย่างลึกซึ้งกับ Pytorch | Amazon Web Services (AWS)
เริ่มต้นใช้งาน Pytorch บน Google Cloud
Pytorch Mobile เป็นเวิร์กโฟลว์ ML แบบครบวงจรตั้งแต่การฝึกอบรมไปจนถึงการปรับใช้สำหรับอุปกรณ์มือถือ iOS และ Android
Torchscript เป็นวิธีในการสร้างโมเดลที่ปรับแต่งได้และปรับให้เหมาะสมจากรหัส pytorch สิ่งนี้ช่วยให้โปรแกรม Torchscript ใด ๆ ถูกบันทึกจากกระบวนการ Python และโหลดในกระบวนการที่ไม่มีการพึ่งพา Python
Torchserve เป็นเครื่องมือที่ยืดหยุ่นและใช้งานง่ายสำหรับการให้บริการรุ่น Pytorch
Keras เป็น Neural Networks API ระดับสูงที่เขียนด้วย Python และสามารถวิ่งบน TensorFlow, CNTK หรือ Theano.it ได้รับการพัฒนาโดยมุ่งเน้นที่การเปิดใช้งานการทดลองอย่างรวดเร็ว มันมีความสามารถในการทำงานบน Tensorflow, Microsoft Cognitive Toolkit, R, Theano หรือ PlaidML
ONNX Runtime เป็นข้ามแพลตฟอร์มการอนุมาน ML ประสิทธิภาพสูงและตัวเร่งความเร็วการฝึกอบรม รองรับแบบจำลองจากกรอบการเรียนรู้ลึกเช่น Pytorch และ Tensorflow/Keras รวมถึงไลบรารีการเรียนรู้ของเครื่องคลาสสิกเช่น Scikit-Learn, LightGBM, XGBOOST ฯลฯ
Kornia เป็นห้องสมุดวิสัยทัศน์คอมพิวเตอร์ที่แตกต่างกันซึ่งประกอบด้วยชุดของกิจวัตรและโมดูลที่แตกต่างกันเพื่อแก้ปัญหา CV ทั่วไป (การมองเห็นคอมพิวเตอร์)
Pytorch-NLP เป็นห้องสมุดสำหรับการประมวลผลภาษาธรรมชาติ (NLP) ใน Python มันถูกสร้างขึ้นด้วยการวิจัยล่าสุดในใจและได้รับการออกแบบตั้งแต่วันแรกเพื่อรองรับการสร้างต้นแบบอย่างรวดเร็ว Pytorch-NLP มาพร้อมกับการฝังตัวที่ผ่านการฝึกอบรมมาก่อนตัวอย่างตัวอย่างโหลดตัวอักษรตัวชี้วัดโมดูลเครือข่ายประสาทและตัวเข้ารหัสข้อความ
Ignite เป็นห้องสมุดระดับสูงเพื่อช่วยในการฝึกอบรมและประเมินเครือข่ายประสาทใน Pytorch อย่างยืดหยุ่นและโปร่งใส
Hummingbird เป็นห้องสมุดสำหรับรวบรวมโมเดล ML แบบดั้งเดิมที่ได้รับการฝึกฝนไว้ในการคำนวณเทนเซอร์ ช่วยให้ผู้ใช้สามารถใช้ประโยชน์จากกรอบเครือข่ายประสาทได้อย่างราบรื่น (เช่น Pytorch) เพื่อเร่งรุ่น ML แบบดั้งเดิม
Deep Graph Library (DGL) เป็นแพ็คเกจ Python ที่สร้างขึ้นเพื่อการใช้งานง่าย ๆ ของกราฟ Neural Network Family บน Pytorch และเฟรมเวิร์กอื่น ๆ
Tensorly เป็น API ระดับสูงสำหรับวิธีการเทนเซอร์และเครือข่ายประสาทเทนเซอร์ที่ลึกลงไปใน Python ที่มีจุดมุ่งหมายเพื่อให้การเรียนรู้แบบเทนเซอร์ง่ายขึ้น
Gpytorch เป็นไลบรารีกระบวนการเกาส์เซียนที่ใช้โดยใช้ Pytorch ออกแบบมาเพื่อสร้างโมเดลกระบวนการเกาส์ที่ยืดหยุ่นและยืดหยุ่นได้
Poutyne เป็นกรอบที่คล้าย Keras สำหรับ Pytorch และจัดการกับรหัสการต้มที่จำเป็นในการฝึกอบรมเครือข่ายประสาท
Forte เป็นชุดเครื่องมือสำหรับการสร้างท่อส่ง NLP ที่มีส่วนประกอบที่เป็นส่วนประกอบอินเตอร์เฟสข้อมูลที่สะดวกและการโต้ตอบข้ามงาน
Torchmetrics เป็นตัวชี้วัดการเรียนรู้ของเครื่องสำหรับแอพพลิเคชั่น Pytorch ที่ปรับขนาดได้
Captum เป็นไลบรารีโอเพ่นซอร์สและขยายได้สำหรับการตีความแบบจำลองที่สร้างขึ้นบน pytorch
Transformer เป็นการประมวลผลภาษาธรรมชาติที่ล้ำสมัยสำหรับ Pytorch, Tensorflow และ Jax
ไฮดราเป็นกรอบสำหรับการกำหนดค่าแอปพลิเคชันที่ซับซ้อนอย่างหรูหรา
เร่งความเร็วเป็นวิธีง่ายๆในการฝึกอบรมและใช้โมเดล Pytorch ด้วย Multi-GPU, TPU, ความแม่นยำผสม
เรย์เป็นเฟรมเวิร์กที่รวดเร็วและง่ายดายสำหรับการสร้างและใช้งานแอพพลิเคชั่นแบบกระจาย
Parlai เป็นแพลตฟอร์มที่เป็นเอกภาพสำหรับการแบ่งปันการฝึกอบรมและการประเมินรูปแบบการโต้ตอบในหลาย ๆ งาน
Pytorchvideo เป็นห้องสมุดการเรียนรู้อย่างลึกซึ้งสำหรับการวิจัยการทำความเข้าใจวิดีโอ โฮสต์รุ่นที่เน้นวิดีโอชุดข้อมูลท่อฝึกอบรมและอื่น ๆ
Opacus เป็นห้องสมุดที่ช่วยให้โมเดล Pytorch ฝึกอบรมที่มีความเป็นส่วนตัวที่แตกต่างกัน
Pytorch Lightning เป็นห้องสมุด ML ที่คล้าย Keras สำหรับ Pytorch มันออกจากการฝึกอบรมหลักและตรรกะการตรวจสอบให้คุณและทำให้ส่วนที่เหลือเป็นไปโดยอัตโนมัติ
Pytorch Geometric Temporal เป็นไลบรารีส่วนขยายชั่วคราว (แบบไดนามิก) สำหรับ Pytorch Geometric
Pytorch Geometric เป็นไลบรารีสำหรับการเรียนรู้อย่างลึกซึ้งเกี่ยวกับข้อมูลอินพุตที่ผิดปกติเช่นกราฟจุดเมฆจุดและท่อร่วม
Raster Vision เป็นกรอบโอเพนซอร์สสำหรับการเรียนรู้อย่างลึกซึ้งเกี่ยวกับภาพดาวเทียมและภาพถ่ายทางอากาศ
Crypten เป็นกรอบสำหรับการรักษาความเป็นส่วนตัว ML เป้าหมายคือการทำให้เทคนิคการคำนวณที่ปลอดภัยสามารถเข้าถึงได้โดยผู้ปฏิบัติงาน ML
Optuna เป็นเฟรมเวิร์กการเพิ่มประสิทธิภาพแบบโอเพนซอร์สไฮเปอร์พารามิเตอร์เพื่อค้นหาพารามิเตอร์ไฮเปอร์พารามิเตอร์โดยอัตโนมัติ
Pyro เป็นภาษาการเขียนโปรแกรมความน่าจะเป็นสากล (PPL) ที่เขียนใน Python และได้รับการสนับสนุนโดย Pytorch ในแบ็กเอนด์
Albumentations เป็นไลบรารีการเพิ่มภาพที่รวดเร็วและขยายได้สำหรับงาน CV ที่แตกต่างกันเช่นการจำแนกประเภทการแบ่งส่วนการตรวจจับวัตถุและการประมาณค่าท่าทาง
Skorch เป็นห้องสมุดระดับสูงสำหรับ Pytorch ที่ให้ความเข้ากันได้กับ Scikit-learn เต็มรูปแบบ
MMF เป็นเฟรมเวิร์กแบบแยกส่วนสำหรับการวิจัยวิสัยทัศน์และภาษาหลายรูปแบบจากการวิจัย Facebook AI (FAIR)
AdaptDL เป็นการฝึกอบรมการเรียนรู้อย่างลึกซึ้งและการจัดตารางเวลาที่ปรับเปลี่ยนทรัพยากร
Polyaxon เป็นแพลตฟอร์มสำหรับการสร้างการฝึกอบรมและการตรวจสอบแอพพลิเคชั่นการเรียนรู้เชิงลึกขนาดใหญ่
TextBrewer เป็นชุดเครื่องมือกลั่นความรู้ที่ใช้ pytorch สำหรับการประมวลผลภาษาธรรมชาติ
Adverch เป็นกล่องเครื่องมือสำหรับการวิจัยความแข็งแกร่งของฝ่ายตรงข้าม มันมีโมดูลสำหรับการสร้างตัวอย่างที่เป็นปฏิปักษ์และป้องกันการโจมตี
NEMO เป็นชุดเครื่องมือ AA สำหรับ AI การสนทนา
Clinicadl เป็นกรอบสำหรับการจำแนกประเภทของโรคอัลไซเมอร์ที่ทำซ้ำได้
Baselines3 ที่เสถียร 3 (SB3) เป็นชุดของการใช้งานที่เชื่อถือได้ของอัลกอริทึมการเรียนรู้การเสริมแรงใน Pytorch
Torchio เป็นชุดของเครื่องมือในการอ่านอย่างมีประสิทธิภาพประมวลผลตัวอย่างการเพิ่มและเขียนภาพการแพทย์ 3 มิติในแอปพลิเคชันการเรียนรู้เชิงลึกที่เขียนใน Pytorch
Pysyft เป็นห้องสมุด Python สำหรับการเข้ารหัสความเป็นส่วนตัวเพื่อการเรียนรู้อย่างลึกซึ้ง
Flair เป็นกรอบการทำงานที่ง่ายมากสำหรับการประมวลผลภาษาธรรมชาติที่ทันสมัย (NLP)
Glow เป็นคอมไพเลอร์ ML ที่เร่งประสิทธิภาพของกรอบการเรียนรู้ลึกบนแพลตฟอร์มฮาร์ดแวร์ที่แตกต่างกัน
Fairscale เป็นไลบรารีส่วนขยาย Pytorch สำหรับประสิทธิภาพสูงและการฝึกอบรมขนาดใหญ่สำหรับเครื่อง/หลายโหนดหนึ่งหรือหลายโหนด
Monai เป็นกรอบการเรียนรู้อย่างลึกซึ้งที่ให้ความสามารถพื้นฐานที่เหมาะสมที่สุดสำหรับการพัฒนาเวิร์กโฟลว์การฝึกอบรมด้านการดูแลสุขภาพ
PFRL เป็นห้องสมุดการเรียนรู้การเสริมแรงอย่างลึกล้ำที่ใช้อัลกอริทึมการเสริมแรงลึกที่ล้ำสมัยใน Python โดยใช้ Pytorch
Einops เป็นการดำเนินการเทนเซอร์ที่ยืดหยุ่นและทรงพลังสำหรับรหัสที่อ่านได้และเชื่อถือได้
Pytorch3D เป็นห้องสมุดการเรียนรู้อย่างลึกซึ้งที่ให้ส่วนประกอบที่มีประสิทธิภาพและสามารถนำกลับมาใช้ใหม่ได้สำหรับการวิจัยการมองเห็นคอมพิวเตอร์ 3 มิติด้วย Pytorch
Ensemble Pytorch เป็นเฟรมเวิร์กวงดนตรีแบบครบวงจรสำหรับ Pytorch เพื่อปรับปรุงประสิทธิภาพและความแข็งแกร่งของรูปแบบการเรียนรู้เชิงลึกของคุณ
เบา ๆ เป็นกรอบการมองเห็นคอมพิวเตอร์สำหรับการเรียนรู้ที่ดูแลตนเอง
สูงกว่าเป็นห้องสมุดที่อำนวยความสะดวกในการดำเนินการตามอัลกอริทึมการเรียนรู้เมตาการเรียนรู้ที่ซับซ้อนโดยพลการโดยพลการ
Horovod เป็นห้องสมุดฝึกอบรมแบบกระจายสำหรับกรอบการเรียนรู้อย่างลึกซึ้ง Horovod ตั้งเป้าหมายที่จะทำให้ DL กระจายอย่างรวดเร็วและใช้งานง่าย
Pennylane เป็นห้องสมุดสำหรับควอนตัม ML ความแตกต่างอัตโนมัติและการเพิ่มประสิทธิภาพของการคำนวณควอนตัมแบบไฮบริดควอนตัม
Detectron2 เป็นแพลตฟอร์มรุ่นต่อไปของ Fair สำหรับการตรวจจับวัตถุและการแบ่งส่วน
Fastai เป็นห้องสมุดที่ทำให้การฝึกอบรมง่ายขึ้นอย่างรวดเร็วและแม่นยำโดยใช้แนวทางปฏิบัติที่ดีที่สุดที่ทันสมัย
กลับไปด้านบน
TensorFlow เป็นแพลตฟอร์มโอเพนซอร์สแบบครบวงจรสำหรับการเรียนรู้ของเครื่อง มันมีระบบนิเวศที่ครอบคลุมและยืดหยุ่นของเครื่องมือห้องสมุดและทรัพยากรชุมชนที่ช่วยให้นักวิจัยผลักดันให้ทันสมัยใน ML และนักพัฒนาสร้างและปรับใช้แอพพลิเคชั่น ML ได้อย่างง่ายดาย
เริ่มต้นด้วย tensorflow
บทช่วยสอน Tensorflow
ใบรับรองนักพัฒนา TensorFlow เทนเซอร์โฟลว์
ชุมชน Tensorflow
รุ่น TensorFlow & ชุดข้อมูล
เมฆ tensorflow
การศึกษาการเรียนรู้ของเครื่องจักร เทนเซอร์โฟลว์
หลักสูตร Top Tensorflow ออนไลน์ | Coursera
หลักสูตร Top Tensorflow ออนไลน์ | Udemy
การเรียนรู้อย่างลึกซึ้งกับ TensorFlow | Udemy
การเรียนรู้อย่างลึกซึ้งกับ TensorFlow | EDX
อินโทรไปยัง Tensorflow สำหรับการเรียนรู้ลึก | ความดี
Intro to TensorFlow: หลักสูตรการเรียนรู้ของเครื่องจักร นักพัฒนา Google
ฝึกอบรมและปรับใช้โมเดล Tensorflow - Azure Machine Learning
ใช้โมเดลการเรียนรู้ของเครื่องในฟังก์ชั่น Azure ด้วย Python และ Tensorflow | Microsoft Azure
การเรียนรู้อย่างลึกซึ้งกับ TensorFlow | Amazon Web Services (AWS)
Tensorflow - Amazon EMR | เอกสาร AWS
Tensorflow Enterprise | กูเกิลคลาวด์
TensorFlow Lite เป็นกรอบการเรียนรู้ที่ลึกซึ้งโอเพ่นซอร์สสำหรับการปรับใช้รูปแบบการเรียนรู้ของเครื่องบนอุปกรณ์มือถือและอุปกรณ์ IoT
tensorflow.js เป็นไลบรารี JavaScript ที่ให้คุณพัฒนาหรือดำเนินการโมเดล ML ใน JavaScript และใช้ ML โดยตรงในฝั่งไคลเอ็นต์เบราว์เซอร์ฝั่งเซิร์ฟเวอร์ผ่าน Node.js, Mobile Native ผ่าน React Native, Desktop Native ผ่านอิเล็กตรอนและแม้กระทั่งบน IoT อุปกรณ์ผ่าน Node.js บน Raspberry Pi
TensorFlow_macos เป็นรุ่น Tensorflow และ Tensorflow รุ่นที่ปรับให้เหมาะกับ Mac สำหรับ MacOS 11.0+ เร่งความเร็วโดยใช้เฟรมเวิร์ก ML ของ Apple
Google Colaboratory เป็นสภาพแวดล้อมสมุดบันทึก Jupyter ฟรีที่ไม่ต้องติดตั้งและทำงานทั้งหมดในคลาวด์ช่วยให้คุณสามารถเรียกใช้รหัส TensorFlow ในเบราว์เซอร์ของคุณด้วยการคลิกเพียงครั้งเดียว
เครื่องมือ What-if เป็นเครื่องมือสำหรับการตรวจสอบแบบจำลองการเรียนรู้ของเครื่องโดยปราศจากรหัสมีประโยชน์สำหรับการทำความเข้าใจแบบจำลองการดีบักและความเป็นธรรม มีอยู่ในสมุดบันทึก Tensorboard และ Jupyter หรือ Colab
Tensorboard เป็นชุดเครื่องมือสร้างภาพเพื่อทำความเข้าใจการดีบักและเพิ่มประสิทธิภาพโปรแกรม TensorFlow
Keras เป็น Neural Networks API ระดับสูงที่เขียนด้วย Python และสามารถวิ่งบน TensorFlow, CNTK หรือ Theano.it ได้รับการพัฒนาโดยมุ่งเน้นที่การเปิดใช้งานการทดลองอย่างรวดเร็ว มันมีความสามารถในการทำงานบน Tensorflow, Microsoft Cognitive Toolkit, R, Theano หรือ PlaidML
XLA (พีชคณิตเชิงเส้นเร่ง) เป็นคอมไพเลอร์เฉพาะโดเมนสำหรับพีชคณิตเชิงเส้นที่ปรับการคำนวณ tensorflow ให้เหมาะสม ผลลัพธ์คือการปรับปรุงความเร็วการใช้หน่วยความจำและการพกพาบนเซิร์ฟเวอร์และแพลตฟอร์มมือถือ
ML PERF เป็นชุดเกณฑ์มาตรฐาน ML ที่กว้างสำหรับการวัดประสิทธิภาพของกรอบซอฟต์แวร์ ML, เครื่องเร่งฮาร์ดแวร์ ML และแพลตฟอร์มคลาวด์ ML
สนามเด็กเล่น Tensorflow เป็นสภาพแวดล้อมการพัฒนาสำหรับคนจรจัดด้วยเครือข่ายประสาทในเบราว์เซอร์ของคุณ
TPU Research Cloud (TRC) เป็นโปรแกรมช่วยให้นักวิจัยสามารถสมัครเพื่อเข้าถึงกลุ่ม TPU เมฆมากกว่า 1,000 ตัวโดยไม่มีค่าใช้จ่ายเพื่อช่วยเร่งความเร็วในการพัฒนาคลื่นลูกต่อไป
MLIR เป็นตัวแทนระดับกลางและกรอบคอมไพเลอร์ใหม่
Lattice เป็นห้องสมุดสำหรับโซลูชัน ML ที่ยืดหยุ่นควบคุมและตีความได้พร้อมข้อ จำกัด รูปร่างแบบสามัญสำนึก
Tensorflow Hub เป็นห้องสมุดสำหรับการเรียนรู้ของเครื่องที่นำกลับมาใช้ใหม่ได้ ดาวน์โหลดและนำรุ่นที่ผ่านการฝึกอบรมมาใช้ซ้ำด้วยรหัสจำนวนน้อยที่สุด
Tensorflow Cloud เป็นไลบรารีเพื่อเชื่อมต่อสภาพแวดล้อมในท้องถิ่นของคุณกับ Google Cloud
ชุดเครื่องมือเพิ่มประสิทธิภาพแบบจำลอง TensorFlow เป็นชุดเครื่องมือสำหรับการปรับโมเดล ML ให้เหมาะสมสำหรับการปรับใช้และการดำเนินการ
TensorFlow ผู้แนะนำเป็นห้องสมุดสำหรับการสร้างโมเดลระบบผู้แนะนำ
TensorFlow Text เป็นคอลเลกชันของคลาสที่เกี่ยวข้องกับข้อความและ NLP และ OPS พร้อมใช้กับ TensorFlow 2
Tensorflow Graphics เป็นไลบรารีของฟังก์ชันกราฟิกคอมพิวเตอร์ตั้งแต่กล้องไฟและวัสดุไปจนถึงการแสดงผล
Tensorflow Federated เป็นเฟรมเวิร์กโอเพ่นซอร์สสำหรับการเรียนรู้ของเครื่องและการคำนวณอื่น ๆ เกี่ยวกับข้อมูลการกระจายอำนาจ
ความน่าจะเป็นของ Tensorflow เป็นห้องสมุดสำหรับการใช้เหตุผลเชิงความน่าจะเป็นและการวิเคราะห์ทางสถิติ
Tensor2tensor เป็นห้องสมุดของรูปแบบการเรียนรู้ลึกและชุดข้อมูลที่ออกแบบมาเพื่อให้การเรียนรู้ลึกเข้าถึงได้ง่ายขึ้นและเร่งการวิจัย ML
Tensorflow Privacy เป็นไลบรารี Python ที่มีการใช้งานของ TensorFlow Optimizers สำหรับรูปแบบการเรียนรู้ของเครื่องฝึกอบรมที่มีความเป็นส่วนตัวที่แตกต่างกัน
การจัดอันดับ TensorFlow เป็นห้องสมุดสำหรับเทคนิคการเรียนรู้ถึงระดับ (LTR) บนแพลตฟอร์ม TensorFlow
Tensorflow Agent เป็นห้องสมุดสำหรับการเรียนรู้การเสริมแรงใน TensorFlow
Tensorflow Addons เป็นที่เก็บข้อมูลของการมีส่วนร่วมที่สอดคล้องกับรูปแบบ API ที่ได้รับการยอมรับเป็นอย่างดี แต่ใช้ฟังก์ชันการทำงานใหม่ที่ไม่สามารถใช้งานได้ใน Core Tensorflow ซึ่งดูแลโดย Sig Addons Tensorflow สนับสนุนผู้ประกอบการจำนวนมากเลเยอร์การวัดการสูญเสียและการปรับให้เหมาะสม
TensorFlow I/O เป็นชุดข้อมูลการสตรีมและส่วนขยายของระบบไฟล์ดูแลโดย SIG IO
Tensorflow Quantum เป็นไลบรารีการเรียนรู้ของเครื่องควอนตัมสำหรับการสร้างต้นแบบอย่างรวดเร็วของแบบจำลอง ML แบบไฮบริดควอนตัมคลาสสิก
โดปามีนเป็นกรอบการวิจัยสำหรับการสร้างต้นแบบอย่างรวดเร็วของอัลกอริทึมการเรียนรู้การเสริมแรง
TRFL เป็นห้องสมุดสำหรับการสร้างบล็อกการเรียนรู้การเสริมแรงที่สร้างขึ้นโดย DeepMind
Mesh Tensorflow เป็นภาษาสำหรับการเรียนรู้แบบกระจายลึกสามารถระบุการคำนวณเทนเซอร์แบบกระจายระดับกว้าง
RaggedTensors เป็น API ที่ทำให้ง่ายต่อการจัดเก็บและจัดการข้อมูลที่มีรูปร่างที่ไม่สม่ำเสมอรวมถึงข้อความ (คำ, ประโยค, อักขระ) และชุดความยาวตัวแปร
Unicode OPS เป็น API ที่รองรับการทำงานกับข้อความ Unicode โดยตรงใน TensorFlow
Magenta เป็นโครงการวิจัยที่สำรวจบทบาทของการเรียนรู้ของเครื่องในกระบวนการสร้างงานศิลปะและดนตรี
นิวเคลียสเป็นไลบรารีของ Python และ C ++ รหัสที่ออกแบบมาเพื่อให้ง่ายต่อการอ่านเขียนและวิเคราะห์ข้อมูลในรูปแบบไฟล์จีโนมทั่วไปเช่น SAM และ VCF
Sonnet เป็นห้องสมุดจาก DeepMind สำหรับการสร้างเครือข่ายประสาท
การเรียนรู้ที่มีโครงสร้างของระบบประสาทเป็นกรอบการเรียนรู้เพื่อฝึกอบรมเครือข่ายประสาทโดยใช้ประโยชน์จากสัญญาณที่มีโครงสร้างนอกเหนือจากการป้อนข้อมูลคุณลักษณะ
การแก้ไขแบบจำลองเป็นห้องสมุดที่ช่วยสร้างและฝึกอบรมโมเดลในลักษณะที่ลดหรือกำจัดอันตรายของผู้ใช้ที่เกิดจากอคติประสิทธิภาพพื้นฐาน
ตัวบ่งชี้ความเป็นธรรมเป็นห้องสมุดที่ช่วยให้สามารถคำนวณตัวชี้วัดความเป็นธรรมที่ระบุได้ง่ายสำหรับตัวแยกประเภทไบนารีและตัวแยกประเภทหลายระดับ
การตัดสินใจ Forests เป็นอัลกอริทึมที่ทันสมัยสำหรับการฝึกอบรมการให้บริการและการตีความแบบจำลองที่ใช้ป่าการตัดสินใจสำหรับการจำแนกประเภทการถดถอยและการจัดอันดับ
กลับไปด้านบน
Core ML เป็นเฟรมเวิร์ก Apple สำหรับการรวมโมเดลการเรียนรู้ของเครื่องเข้ากับแอพที่ทำงานบนอุปกรณ์ Apple (รวมถึง iOS, WatchOs, MacOS และ TVOS) Core ML แนะนำรูปแบบไฟล์สาธารณะ (.MLMODEL) สำหรับชุด ML แบบกว้างรวมถึงเครือข่ายประสาทลึก (ทั้งแบบ convolutional และกำเริบ) วงดนตรีต้นไม้ที่มีการเพิ่มและโมเดลเชิงเส้นทั่วไป โมเดลในรูปแบบนี้สามารถรวมเข้ากับแอพผ่าน XCode โดยตรง
รู้เบื้องต้นเกี่ยวกับ Core ML
การรวมโมเดล ML หลักเข้ากับแอปของคุณ
รุ่น Core ML
การอ้างอิงหลัก ML API
ข้อกำหนด ML หลัก
ฟอรัมนักพัฒนา Apple สำหรับ Core ML
หลักสูตร ML Top Core Online | Udemy
หลักสูตร ML Top Core Online | Coursera
IBM Watson Services สำหรับ Core ML | IBM
สร้างสินทรัพย์ Core ML โดยใช้การตรวจสอบด้วยภาพ IBM Maximo IBM
Core ML Tools เป็นโครงการที่มีเครื่องมือสนับสนุนสำหรับการแปลงโมเดล ML Core ML การแก้ไขและการตรวจสอบ
Create ML เป็นเครื่องมือที่ให้วิธีการใหม่ในการฝึกอบรมแบบจำลองการเรียนรู้ของเครื่องบน Mac ของคุณ มันใช้ความซับซ้อนจากการฝึกอบรมแบบจำลองในขณะที่สร้างโมเดล ML Core ที่ทรงพลัง
TensorFlow_macos เป็นรุ่น Tensorflow และ Tensorflow รุ่นที่ปรับให้เหมาะกับ Mac สำหรับ MacOS 11.0+ เร่งความเร็วโดยใช้เฟรมเวิร์ก ML ของ Apple
Apple Vision เป็นเฟรมเวิร์กที่ดำเนินการตรวจจับใบหน้าและใบหน้าการตรวจจับข้อความการจดจำบาร์โค้ดการลงทะเบียนรูปภาพและการติดตามคุณสมบัติทั่วไป Vision ยังอนุญาตให้ใช้โมเดล ML Core Core Custom สำหรับงานเช่นการจำแนกประเภทหรือการตรวจจับวัตถุ
Keras เป็น Neural Networks API ระดับสูงที่เขียนด้วย Python และสามารถวิ่งบน TensorFlow, CNTK หรือ Theano.it ได้รับการพัฒนาโดยมุ่งเน้นที่การเปิดใช้งานการทดลองอย่างรวดเร็ว มันมีความสามารถในการทำงานบน Tensorflow, Microsoft Cognitive Toolkit, R, Theano หรือ PlaidML
XGBOOST เป็นไลบรารีการเพิ่มระดับการไล่ระดับสีแบบกระจายที่ได้รับการปรับให้เหมาะสมซึ่งออกแบบมาให้มีประสิทธิภาพสูงยืดหยุ่นและพกพาได้ มันใช้อัลกอริทึมการเรียนรู้ของเครื่องภายใต้กรอบการส่งเสริมการไล่ระดับสี XGBOOST ให้การส่งเสริมต้นไม้แบบขนาน (หรือที่เรียกว่า GBDT, GBM) ที่แก้ปัญหาวิทยาศาสตร์ข้อมูลจำนวนมากในวิธีที่รวดเร็วและแม่นยำ รองรับการฝึกอบรมแบบกระจายในหลายเครื่องรวมถึง AWS, GCE, Azure และกลุ่มเส้นด้าย นอกจากนี้ยังสามารถรวมเข้ากับ Flink, Spark และระบบ Dataflow อื่น ๆ
LIBSVM เป็นซอฟต์แวร์แบบบูรณาการสำหรับการจัดหมวดหมู่เวกเตอร์รองรับ (C-SVC, NU-SVC), การถดถอย (Epsilon-SVR, NU-SVR) และการประมาณค่าการกระจาย (SVM คลาสเดียว) รองรับการจำแนกประเภทหลายชั้น
Scikit-Learn เป็นเครื่องมือที่ง่ายและมีประสิทธิภาพสำหรับการขุดข้อมูลและการวิเคราะห์ข้อมูล มันถูกสร้างขึ้นบน numpy, scipy และ mathplotlib
Xcode รวมถึงนักพัฒนาทุกอย่างที่จำเป็นต้องสร้างแอพพลิเคชั่นที่ยอดเยี่ยมสำหรับ Mac, iPhone, iPad, Apple TV และ Apple Watch XCode ให้นักพัฒนาทำงานแบบครบวงจรสำหรับการออกแบบส่วนต่อประสานผู้ใช้การเข้ารหัสการทดสอบและการดีบัก Xcode ถูกสร้างขึ้นเป็นแอพสากลที่ทำงานได้ 100% บนซีพียูที่ใช้ Intel และ Apple Silicon มันมี MacOS SDK แบบครบวงจรที่มีเฟรมเวิร์ก, คอมไพเลอร์, debuggers และเครื่องมืออื่น ๆ ที่คุณต้องการในการสร้างแอพที่ทำงานบน Apple Silicon และ Intel X86_64 CPU
Swiftui เป็นชุดเครื่องมืออินเทอร์เฟซผู้ใช้ที่ให้มุมมองการควบคุมและโครงสร้างเค้าโครงสำหรับการประกาศส่วนต่อประสานผู้ใช้แอปของคุณ Framework Swiftui ให้บริการตัวจัดการเหตุการณ์สำหรับการส่งก๊อกน้ำท่าทางและอินพุตประเภทอื่น ๆ ไปยังแอปพลิเคชันของคุณ
UIKIT เป็นเฟรมเวิร์กให้โครงสร้างพื้นฐานที่จำเป็นสำหรับแอพ iOS หรือ TVOS ของคุณ มันมีสถาปัตยกรรมหน้าต่างและมุมมองสำหรับการใช้งานอินเทอร์เฟซของคุณโครงสร้างพื้นฐานการจัดการเหตุการณ์สำหรับการส่งมอบมัลติทัชและอินพุตประเภทอื่น ๆ ไปยังแอพของคุณและการวนรอบหลักที่จำเป็นในการจัดการการโต้ตอบระหว่างผู้ใช้ระบบและแอพของคุณ
AppKit เป็นชุดเครื่องมืออินเทอร์เฟซผู้ใช้กราฟิกที่มีวัตถุทั้งหมดที่คุณต้องการใช้งานส่วนต่อประสานผู้ใช้สำหรับแอพ MacOS เช่น Windows, แผงปุ่ม, ปุ่ม, เมนู, Scrollers และเขตข้อมูลข้อความและจัดการรายละเอียดทั้งหมดให้คุณได้อย่างมีประสิทธิภาพ วาดบนหน้าจอสื่อสารกับอุปกรณ์ฮาร์ดแวร์และบัฟเฟอร์หน้าจอล้างพื้นที่ของหน้าจอก่อนที่จะวาดและมุมมองคลิป
ARKIT เป็นชุดเครื่องมือพัฒนาซอฟต์แวร์เพื่อให้นักพัฒนาสามารถสร้างแอพเสริมความเป็นจริงสำหรับ iOS ที่พัฒนาโดย Apple เวอร์ชันล่าสุด ARKIT 3.5 ใช้ประโยชน์จากเครื่องสแกน LIDAR ใหม่และระบบตรวจจับความลึกบน iPad Pro (2020) เพื่อรองรับแอพ AR รุ่นใหม่ที่ใช้เรขาคณิตฉากสำหรับการทำความเข้าใจฉากที่เพิ่มขึ้นและการบดเคี้ยววัตถุ
RealityKit เป็นกรอบในการใช้การจำลอง 3 มิติที่มีประสิทธิภาพสูงและการแสดงผลกับข้อมูลที่จัดทำโดยกรอบ ARKIT เพื่อรวมวัตถุเสมือนจริงเข้ากับโลกแห่งความเป็นจริง
SceneKit เป็นกรอบกราฟิก 3D ระดับสูงที่ช่วยให้คุณสร้างฉากเคลื่อนไหวและเอฟเฟกต์ 3 มิติในแอพ iOS ของคุณ
เครื่องมือเป็นเครื่องมือวิเคราะห์และทดสอบประสิทธิภาพที่ทรงพลังและยืดหยุ่นซึ่งเป็นส่วนหนึ่งของชุดเครื่องมือ XCode มันถูกออกแบบมาเพื่อช่วยให้คุณโปรไฟล์ iOS, watchos, TVOS และแอพ MacOS กระบวนการและอุปกรณ์ของคุณเพื่อให้เข้าใจและเพิ่มประสิทธิภาพพฤติกรรมและประสิทธิภาพของพวกเขาให้ดีขึ้น
Cocoapods เป็นตัวจัดการการพึ่งพาสำหรับ Swift และ Objective-C ที่ใช้ในโครงการ XCode โดยการระบุการพึ่งพาสำหรับโครงการของคุณในไฟล์ข้อความอย่างง่าย จากนั้น Cocoapods จะแก้ไขการพึ่งพาระหว่างไลบรารีซ้ำการดึงซอร์สโค้ดสำหรับการพึ่งพาทั้งหมดและสร้างและดูแลพื้นที่ทำงาน XCode เพื่อสร้างโครงการของคุณ
AppCode กำลังตรวจสอบคุณภาพของรหัสของคุณอย่างต่อเนื่อง มันเตือนคุณถึงข้อผิดพลาดและกลิ่นและแนะนำการแก้ไขอย่างรวดเร็วเพื่อแก้ไขโดยอัตโนมัติ AppCode มีการตรวจสอบรหัสจำนวนมากสำหรับ Objective-C, Swift, C/C ++ และการตรวจสอบรหัสจำนวนหนึ่งสำหรับภาษาที่รองรับอื่น ๆ
กลับไปด้านบน
การเรียนรู้อย่างลึกล้ำเป็นชุดย่อยของการเรียนรู้ของเครื่องซึ่งเป็นเครือข่ายประสาทที่มีสามชั้นขึ้นไป เครือข่ายประสาทเหล่านี้พยายามจำลองพฤติกรรมของสมองมนุษย์แม้ว่าจะห่างไกลจากความสามารถของมัน สิ่งนี้ช่วยให้เครือข่ายประสาท "เรียนรู้" จากข้อมูลจำนวนมาก การเรียนรู้สามารถควบคุมได้กึ่งผู้ดูแลหรือไม่ได้รับการดูแล
หลักสูตรการเรียนรู้ออนไลน์อย่างลึกซึ้ง NVIDIA
หลักสูตรการเรียนรู้ลึกชั้นบนออนไลน์ Coursera
หลักสูตรการเรียนรู้ลึกชั้นบนออนไลน์ Udemy
เรียนรู้การเรียนรู้อย่างลึกซึ้งด้วยหลักสูตรออนไลน์และบทเรียน EDX
หลักสูตรการเรียนรู้เชิงลึกออนไลน์ Nanodegree | ความดี
หลักสูตรการเรียนรู้ของเครื่องโดย Andrew NG | Coursera
หลักสูตรวิศวกรรมการเรียนรู้ของเครื่องจักรสำหรับการผลิต (MLOPS) หลักสูตรโดย Andrew NG | Coursera
วิทยาศาสตร์ข้อมูล: การเรียนรู้ลึกและเครือข่ายประสาทใน Python | Udemy
ทำความเข้าใจกับการเรียนรู้ของเครื่องด้วย Python | Pluralsight
วิธีคิดเกี่ยวกับอัลกอริทึมการเรียนรู้ของเครื่อง | Pluralsight
หลักสูตรการเรียนรู้ลึก สแตนฟอร์ดออนไลน์
การเรียนรู้ลึก - UW Professional & Continuing Education
หลักสูตรการเรียนรู้ออนไลน์อย่างลึกซึ้ง มหาวิทยาลัยฮาร์วาร์ด
การเรียนรู้ของเครื่องจักรสำหรับทุกหลักสูตร ดาต้าแคมป์
หลักสูตรผู้เชี่ยวชาญด้านปัญญาประดิษฐ์: Platinum Edition | Udemy
หลักสูตรปัญญาประดิษฐ์ชั้นนำออนไลน์ | Coursera
เรียนรู้ปัญญาประดิษฐ์ด้วยหลักสูตรออนไลน์และบทเรียน EDX
ประกาศนียบัตรวิชาชีพด้านวิทยาศาสตร์คอมพิวเตอร์สำหรับปัญญาประดิษฐ์ | EDX
โปรแกรม Nanodegree ปัญญาประดิษฐ์
หลักสูตรปัญญาประดิษฐ์ (AI) หลักสูตรออนไลน์ | ความดี
แนะนำหลักสูตรปัญญาประดิษฐ์ | ความดี
Edge AI สำหรับหลักสูตรนักพัฒนา IoT | ความดี
การใช้เหตุผล: ต้นไม้เป้าหมายและระบบผู้เชี่ยวชาญตามกฎ mit opencourseware
ระบบผู้เชี่ยวชาญและปัญญาประดิษฐ์ประยุกต์
ระบบอัตโนมัติ - Microsoft AI
รู้เบื้องต้นเกี่ยวกับ Microsoft Project Bonsai
การสอนเครื่องจักรด้วยแพลตฟอร์มระบบ Autonomous Microsoft
การฝึกอบรมระบบการเดินเรืออิสระ การค้นหา AMC
หลักสูตรรถยนต์อิสระชั้นนำออนไลน์ | Udemy
ระบบควบคุมประยุกต์ 1: รถยนต์อัตโนมัติ: Math + PID + MPC | Udemy
เรียนรู้หุ่นยนต์อัตโนมัติด้วยหลักสูตรออนไลน์และบทเรียน | EDX
โปรแกรม Nanodegree ปัญญาประดิษฐ์
ระบบออนไลน์หลักสูตรและโปรแกรมออนไลน์ | ความดี
Edge AI สำหรับหลักสูตรนักพัฒนา IoT | ความดี
ระบบอัตโนมัติ MOOC และหลักสูตรออนไลน์ฟรี | รายการ MOOC
หุ่นยนต์และระบบบัณฑิตระบบอิสระ standford ออนไลน์
ห้องปฏิบัติการระบบอัตโนมัติมือถือ mit opencourseware
Nvidia Cudnn เป็นห้องสมุดที่เร่งด้วย GPU ของดั้งเดิมสำหรับเครือข่ายประสาทลึก CUDNN ให้การใช้งานที่ปรับสูงสำหรับกิจวัตรมาตรฐานเช่นการยึดไปข้างหน้าและย้อนหลังการรวมการรวมการทำให้เป็นมาตรฐานและเลเยอร์การเปิดใช้งาน CUDNN เร่งกรอบการเรียนรู้ที่ใช้กันอย่างแพร่หลายรวมถึง Caffe2, Chainer, Keras, Matlab, MxNet, Pytorch และ Tensorflow
NVIDIA DLSS (การเรียนรู้อย่างลึกซึ้ง Super Sampling) เป็นภาพลักษณ์ทางโลกในการเพิ่มระดับเทคโนโลยีการเรนเดอร์ AI ที่เพิ่มประสิทธิภาพกราฟิกโดยใช้โปรเซสเซอร์ Tensor Core AI เฉพาะบน GeForce RTX ™ GPU DLSS ใช้พลังของเครือข่ายประสาทการเรียนรู้อย่างลึกซึ้งเพื่อเพิ่มอัตราเฟรมและสร้างภาพที่สวยงามและคมชัดสำหรับเกมของคุณ
AMD FidelityFX Super Resolution (FSR) เป็นโอเพนซอร์สโซลูชันที่มีคุณภาพสูงสำหรับการผลิตเฟรมความละเอียดสูงจากอินพุตความละเอียดต่ำ มันใช้ชุดของอัลกอริทึมการเรียนรู้ลึกที่ทันสมัยโดยเน้นเฉพาะในการสร้างขอบคุณภาพสูงให้การปรับปรุงประสิทธิภาพขนาดใหญ่เมื่อเทียบกับการแสดงผลที่ความละเอียดดั้งเดิมโดยตรง FSR ช่วยให้“ ประสิทธิภาพการปฏิบัติ” สำหรับการดำเนินการเรนเดอร์ที่มีราคาแพงเช่นการติดตามรังสีฮาร์ดแวร์สำหรับสถาปัตยกรรม AMD RDNA ™และ AMD RDNA ™ 2
Intel XE Super Sampling (XESS) เป็นภาพชั่วคราวที่เพิ่มระดับเทคโนโลยีการเรนเดอร์ AI ที่เพิ่มประสิทธิภาพของกราฟิกคล้ายกับ DLSS ของ NVIDIA สถาปัตยกรรม ARC GPU ของ Intel (ต้นปี 2022) จะมี GPU ที่มี XE-cores เฉพาะเพื่อเรียกใช้ XESS GPU จะมีเมทริกซ์เมทริกซ์ XE Extensions Matrix (XMX) สำหรับการประมวลผล AI ที่เร่งด้วยฮาร์ดแวร์ XESS จะสามารถทำงานบนอุปกรณ์ที่ไม่มี XMX รวมถึงกราฟิกแบบรวมแม้ว่าประสิทธิภาพของ XESS จะต่ำกว่าในการ์ดกราฟิกที่ไม่ใช่ Intel เนื่องจากจะใช้พลังงานจากคำสั่ง DP4A
Jupyter Notebook เป็นเว็บแอปพลิเคชันโอเพนซอร์ซที่อนุญาตให้คุณสร้างและแชร์เอกสารที่มีรหัสสดสมการการสร้างภาพและข้อความบรรยาย 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.
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. ติดตั้ง. Principles. Scalable. Airflow has a modular architecture and uses a message queue to orchestrate an arbitrary number of workers. Airflow is ready to scale to infinity.
Open Neural Network Exchange(ONNX) is an open ecosystem that empowers AI developers to choose the right tools as their project evolves. ONNX provides an open source format for AI models, both deep learning and traditional ML. It defines an extensible computation graph model, as well as definitions of built-in operators and standard data types.
Apache MXNet is a deep learning framework designed for both efficiency and flexibility. It allows you to mix symbolic and imperative programming to maximize efficiency and productivity. At its core, MXNet contains a dynamic dependency scheduler that automatically parallelizes both symbolic and imperative operations on the fly. A graph optimization layer on top of that makes symbolic execution fast and memory efficient. MXNet is portable and lightweight, scaling effectively to multiple GPUs and multiple machines. Support for Python, R, Julia, Scala, Go, Javascript and more.
AutoGluon is toolkit for Deep learning that automates machine learning tasks enabling you to easily achieve strong predictive performance in your applications. With just a few lines of code, you can train and deploy high-accuracy deep learning models on tabular, image, and text data.
Anaconda is a very popular Data Science platform for machine learning and deep learning that enables users to develop models, train them, and deploy them.
PlaidML is an advanced and portable tensor compiler for enabling deep learning on laptops, embedded devices, or other devices where the available computing hardware is not well supported or the available software stack contains unpalatable license restrictions.
OpenCV is a highly optimized library with focus on real-time computer vision applications. The C++, Python, and Java interfaces support Linux, MacOS, Windows, iOS, and Android.
Scikit-Learn is a Python module for machine learning built on top of SciPy, NumPy, and matplotlib, making it easier to apply robust and simple implementations of many popular machine learning algorithms.
Weka is an open source machine learning software that can be accessed through a graphical user interface, standard terminal applications, or a Java API. It is widely used for teaching, research, and industrial applications, contains a plethora of built-in tools for standard machine learning tasks, and additionally gives transparent access to well-known toolboxes such as scikit-learn, R, and Deeplearning4j.
Caffe is a deep learning framework made with expression, speed, and modularity in mind. It is developed by Berkeley AI Research (BAIR)/The Berkeley Vision and Learning Center (BVLC) and community contributors.
Theano is a Python library that allows you to define, optimize, and evaluate mathematical expressions involving multi-dimensional arrays efficiently including tight integration with NumPy.
Microsoft Project Bonsai is a low-code AI platform that speeds AI-powered automation development and part of the Autonomous Systems suite from Microsoft. Bonsai is used to build AI components that can provide operator guidance or make independent decisions to optimize process variables, improve production efficiency, and reduce downtime.
Microsoft AirSim is a simulator for drones, cars and more, built on Unreal Engine (with an experimental Unity release). AirSim is open-source, cross platform, and supports software-in-the-loop simulation with popular flight controllers such as PX4 & ArduPilot and hardware-in-loop with PX4 for physically and visually realistic simulations. It is developed as an Unreal plugin that can simply be dropped into any Unreal environment. AirSim is being developed as a platform for AI research to experiment with deep learning, computer vision and reinforcement learning algorithms for autonomous vehicles.
CARLA is an open-source simulator for autonomous driving research. CARLA has been developed from the ground up to support development, training, and validation of autonomous driving systems. In addition to open-source code and protocols, CARLA provides open digital assets (urban layouts, buildings, vehicles) that were created for this purpose and can be used freely.
ROS/ROS2 bridge for CARLA(package) is a bridge that enables two-way communication between ROS and CARLA. The information from the CARLA server is translated to ROS topics. In the same way, the messages sent between nodes in ROS get translated to commands to be applied in CARLA.
ROS Toolbox is a tool that provides an interface connecting MATLAB® and Simulink® with the Robot Operating System (ROS and ROS 2), enabling you to create a network of ROS nodes. The toolbox includes MATLAB functions and Simulink blocks to import, analyze, and play back ROS data recorded in rosbag files. You can also connect to a live ROS network to access ROS messages.
Robotics Toolbox™ provides a toolbox that brings robotics specific functionality(designing, simulating, and testing manipulators, mobile robots, and humanoid robots) to MATLAB, exploiting the native capabilities of MATLAB (linear algebra, portability, graphics). The toolbox also supports mobile robots with functions for robot motion models (bicycle), path planning algorithms (bug, distance transform, D*, PRM), kinodynamic planning (lattice, RRT), localization (EKF, particle filter), map building (EKF) and simultaneous localization and mapping (EKF), and a Simulink model a of non-holonomic vehicle. The Toolbox also including a detailed Simulink model for a quadrotor flying robot.
Image Processing Toolbox™ is a tool that provides a comprehensive set of reference-standard algorithms and workflow apps for image processing, analysis, visualization, and algorithm development. You can perform image segmentation, image enhancement, noise reduction, geometric transformations, image registration, and 3D image processing.
Computer Vision Toolbox™ is a tool that provides algorithms, functions, and apps for designing and testing computer vision, 3D vision, and video processing systems. You can perform object detection and tracking, as well as feature detection, extraction, and matching. You can automate calibration workflows for single, stereo, and fisheye cameras. For 3D vision, the toolbox supports visual and point cloud SLAM, stereo vision, structure from motion, and point cloud processing.
Robotics Toolbox™ is a tool that provides a toolbox that brings robotics specific functionality(designing, simulating, and testing manipulators, mobile robots, and humanoid robots) to MATLAB, exploiting the native capabilities of MATLAB (linear algebra, portability, graphics). The toolbox also supports mobile robots with functions for robot motion models (bicycle), path planning algorithms (bug, distance transform, D*, PRM), kinodynamic planning (lattice, RRT), localization (EKF, particle filter), map building (EKF) and simultaneous localization and mapping (EKF), and a Simulink model a of non-holonomic vehicle. The Toolbox also including a detailed Simulink model for a quadrotor flying robot.
Model Predictive Control Toolbox™ is a tool that provides functions, an app, and Simulink® blocks for designing and simulating controllers using linear and nonlinear model predictive control (MPC). The toolbox lets you specify plant and disturbance models, horizons, constraints, and weights. By running closed-loop simulations, you can evaluate controller performance.
Predictive Maintenance Toolbox™ is a tool that lets you manage sensor data, design condition indicators, and estimate the remaining useful life (RUL) of a machine. The toolbox provides functions and an interactive app for exploring, extracting, and ranking features using data-based and model-based techniques, including statistical, spectral, and time-series analysis.
Vision HDL Toolbox™ is a tool that provides pixel-streaming algorithms for the design and implementation of vision systems on FPGAs and ASICs. It provides a design framework that supports a diverse set of interface types, frame sizes, and frame rates. The image processing, video, and computer vision algorithms in the toolbox use an architecture appropriate for HDL implementations.
Automated Driving Toolbox™ is a MATLAB tool that provides algorithms and tools for designing, simulating, and testing ADAS and autonomous driving systems. You can design and test vision and lidar perception systems, as well as sensor fusion, path planning, and vehicle controllers. Visualization tools include a bird's-eye-view plot and scope for sensor coverage, detections and tracks, and displays for video, lidar, and maps. The toolbox lets you import and work with HERE HD Live Map data and OpenDRIVE® road networks. It also provides reference application examples for common ADAS and automated driving features, including FCW, AEB, ACC, LKA, and parking valet. The toolbox supports C/C++ code generation for rapid prototyping and HIL testing, with support for sensor fusion, tracking, path planning, and vehicle controller algorithms.
UAV Toolbox is an application that provides tools and reference applications for designing, simulating, testing, and deploying unmanned aerial vehicle (UAV) and drone applications. You can design autonomous flight algorithms, UAV missions, and flight controllers. The Flight Log Analyzer app lets you interactively analyze 3D flight paths, telemetry information, and sensor readings from common flight log formats.
Navigation Toolbox™ is a tool that provides algorithms and analysis tools for motion planning, simultaneous localization and mapping (SLAM), and inertial navigation. The toolbox includes customizable search and sampling-based path planners, as well as metrics for validating and comparing paths. You can create 2D and 3D map representations, generate maps using SLAM algorithms, and interactively visualize and debug map generation with the SLAM map builder app.
Lidar Toolbox™ is a tool that provides algorithms, functions, and apps for designing, analyzing, and testing lidar processing systems. You can perform object detection and tracking, semantic segmentation, shape fitting, lidar registration, and obstacle detection. Lidar Toolbox supports lidar-camera cross calibration for workflows that combine computer vision and lidar processing.
Mapping Toolbox™ is a tool that provides algorithms and functions for transforming geographic data and creating map displays. You can visualize your data in a geographic context, build map displays from more than 60 map projections, and transform data from a variety of sources into a consistent geographic coordinate system.
Back to the Top
Reinforcement Learning is a subset of machine learning, which is a neural network with three or more layers. These neural networks attempt to simulate the behavior of the human brain,though, far from matching its ability. This allows the neural networks to "learn" from a process in which a model learns to become more accurate for performing an action in an environment based on feedback in order to maximize the reward. The Learning can be supervised, semi-supervised or unsupervised.
Top Reinforcement Learning Courses | Coursera
Top Reinforcement Learning Courses | Udemy
Top Reinforcement Learning Courses | Udacity
Reinforcement Learning Courses | Stanford Online
Deep Learning Online Courses | NVIDIA
Top Deep Learning Courses Online | Coursera
Top Deep Learning Courses Online | Udemy
Learn Deep Learning with Online Courses and Lessons | edX
Deep Learning Online Course Nanodegree | Udacity
Machine Learning Course by Andrew Ng | Coursera
Machine Learning Engineering for Production (MLOps) course by Andrew Ng | Coursera
Data Science: Deep Learning and Neural Networks in Python | Udemy
Understanding Machine Learning with Python | Pluralsight
How to Think About Machine Learning Algorithms | Pluralsight
Deep Learning Courses | Stanford Online
Deep Learning - UW Professional & Continuing Education
Deep Learning Online Courses | Harvard University
Machine Learning for Everyone Courses | DataCamp
Artificial Intelligence Expert Course: Platinum Edition | Udemy
Top Artificial Intelligence Courses Online | Coursera
Learn Artificial Intelligence with Online Courses and Lessons | edX
Professional Certificate in Computer Science for Artificial Intelligence | edX
Artificial Intelligence Nanodegree program
Artificial Intelligence (AI) Online Courses | Udacity
Intro to Artificial Intelligence Course | Udacity
Edge AI for IoT Developers Course | Udacity
Reasoning: Goal Trees and Rule-Based Expert Systems | MIT OpenCourseWare
Expert Systems and Applied Artificial Intelligence
Autonomous Systems - Microsoft AI
Introduction to Microsoft Project Bonsai
Machine teaching with the Microsoft Autonomous Systems platform
Autonomous Maritime Systems Training | AMC Search
Top Autonomous Cars Courses Online | Udemy
Applied Control Systems 1: autonomous cars: Math + PID + MPC | Udemy
Learn Autonomous Robotics with Online Courses and Lessons | edX
Artificial Intelligence Nanodegree program
Autonomous Systems Online Courses & Programs | Udacity
Edge AI for IoT Developers Course | Udacity
Autonomous Systems MOOC and Free Online Courses | MOOC List
Robotics and Autonomous Systems Graduate Program | Standford Online
Mobile Autonomous Systems Laboratory | MIT OpenCourseWare
OpenAI is an open source Python library for developing and comparing reinforcement learning algorithms by providing a standard API to communicate between learning algorithms and environments, as well as a standard set of environments compliant with that API.
ReinforcementLearning.jl is a collection of tools for doing reinforcement learning research in Julia.
Reinforcement Learning Toolbox™ is a tool that provides an app, functions, and a Simulink® block for training policies using reinforcement learning algorithms, including DQN, PPO, SAC, and DDPG. You can use these policies to implement controllers and decision-making algorithms for complex applications such as resource allocation, robotics, and autonomous systems.
Amazon SageMaker is a fully managed service that provides every developer and data scientist with the ability to build, train, and deploy machine learning (ML) models quickly.
AWS RoboMaker is a service that provides a fully-managed, scalable infrastructure for simulation that customers use for multi-robot simulation and CI/CD integration with regression testing in simulation.
TensorFlow is an end-to-end open source platform for machine learning. It has a comprehensive, flexible ecosystem of tools, libraries and community resources that lets researchers push the state-of-the-art in ML and developers easily build and deploy ML powered applications.
Keras is a high-level neural networks API, written in Python and capable of running on top of TensorFlow, CNTK, or Theano.It was developed with a focus on enabling fast experimentation. It is capable of running on top of TensorFlow, Microsoft Cognitive Toolkit, R, Theano, or PlaidML.
PyTorch is a library for deep learning on irregular input data such as graphs, point clouds, and manifolds. Primarily developed by Facebook's AI Research lab.
Scikit-Learn is a simple and efficient tool for data mining and data analysis. It is built on NumPy,SciPy, and mathplotlib.
NVIDIA cuDNN is a GPU-accelerated library of primitives for deep neural networks. cuDNN provides highly tuned implementations for standard routines such as forward and backward convolution, pooling, normalization, and activation layers. cuDNN accelerates widely used deep learning frameworks, including Caffe2, Chainer, Keras, MATLAB, MxNet, PyTorch, and TensorFlow.
Jupyter Notebook is an open-source web application that allows you to create and share documents that contain live code, equations, visualizations and narrative text. Jupyter is used widely in industries that do data cleaning and transformation, numerical simulation, statistical modeling, data visualization, data science, and machine learning.
Apache Spark is a unified analytics engine for large-scale data processing. It provides high-level APIs in Scala, Java, Python, and R, and an optimized engine that supports general computation graphs for data analysis. It also supports a rich set of higher-level tools including Spark SQL for SQL and DataFrames, MLlib for machine learning, GraphX for graph processing, and Structured Streaming for stream processing.
Apache Spark Connector for SQL Server and Azure SQL is a high-performance connector that enables you to use transactional data in big data analytics and persists results for ad-hoc queries or reporting. The connector allows you to use any SQL database, on-premises or in the cloud, as an input data source or output data sink for Spark jobs.
Apache PredictionIO is an open source machine learning framework for developers, data scientists, and end users. It supports event collection, deployment of algorithms, evaluation, querying predictive results via REST APIs. It is based on scalable open source services like Hadoop, HBase (and other DBs), Elasticsearch, Spark and implements what is called a Lambda Architecture.
Cluster Manager for Apache Kafka(CMAK) is a tool for managing Apache Kafka clusters.
BigDL is a distributed deep learning library for Apache Spark. With BigDL, users can write their deep learning applications as standard Spark programs, which can directly run on top of existing Spark or Hadoop clusters.
Eclipse Deeplearning4J (DL4J) is a set of projects intended to support all the needs of a JVM-based(Scala, Kotlin, Clojure, and Groovy) deep learning application. This means starting with the raw data, loading and preprocessing it from wherever and whatever format it is in to building and tuning a wide variety of simple and complex deep learning networks.
Deep Learning Toolbox™ is a tool that provides a framework for designing and implementing deep neural networks with algorithms, pretrained models, and apps. You can use convolutional neural networks (ConvNets, CNNs) and long short-term memory (LSTM) networks to perform classification and regression on image, time-series, and text data. You can build network architectures such as generative adversarial networks (GANs) and Siamese networks using automatic differentiation, custom training loops, and shared weights. With the Deep Network Designer app, you can design, analyze, and train networks graphically. It can exchange models with TensorFlow™ and PyTorch through the ONNX format and import models from TensorFlow-Keras and Caffe. The toolbox supports transfer learning with DarkNet-53, ResNet-50, NASNet, SqueezeNet and many other pretrained models.
Deep Learning HDL Toolbox™ is a tool that provides functions and tools to prototype and implement deep learning networks on FPGAs and SoCs. It provides pre-built bitstreams for running a variety of deep learning networks on supported Xilinx® and Intel® FPGA and SoC devices. Profiling and estimation tools let you customize a deep learning network by exploring design, performance, and resource utilization tradeoffs.
Parallel Computing Toolbox™ is a tool that lets you solve computationally and data-intensive problems using multicore processors, GPUs, and computer clusters. High-level constructs such as parallel for-loops, special array types, and parallelized numerical algorithms enable you to parallelize MATLAB® applications without CUDA or MPI programming. The toolbox lets you use parallel-enabled functions in MATLAB and other toolboxes. You can use the toolbox with Simulink® to run multiple simulations of a model in parallel. Programs and models can run in both interactive and batch modes.
XGBoost is an optimized distributed gradient boosting library designed to be highly efficient, flexible and portable. It implements machine learning algorithms under the Gradient Boosting framework. XGBoost provides a parallel tree boosting (also known as GBDT, GBM) that solve many data science problems in a fast and accurate way. It supports distributed training on multiple machines, including AWS, GCE, Azure, and Yarn clusters. Also, it can be integrated with Flink, Spark and other cloud dataflow systems.
LIBSVM is an integrated software for support vector classification, (C-SVC, nu-SVC), regression (epsilon-SVR, nu-SVR) and distribution estimation (one-class SVM). It supports multi-class classification.
Azure Databricks is a fast and collaborative Apache Spark-based big data analytics service designed for data science and data engineering. Azure Databricks, sets up your Apache Spark environment in minutes, autoscale, and collaborate on shared projects in an interactive workspace. Azure Databricks supports Python, Scala, R, Java, and SQL, as well as data science frameworks and libraries including TensorFlow, PyTorch, and scikit-learn.
Microsoft Cognitive Toolkit (CNTK) is an open-source toolkit for commercial-grade distributed deep learning. It describes neural networks as a series of computational steps via a directed graph. CNTK allows the user to easily realize and combine popular model types such as feed-forward DNNs, convolutional neural networks (CNNs) and recurrent neural networks (RNNs/LSTMs). CNTK implements stochastic gradient descent (SGD, error backpropagation) learning with automatic differentiation and parallelization across multiple GPUs and servers.
Tensorflow_macOS is a Mac-optimized version of TensorFlow and TensorFlow Addons for macOS 11.0+ accelerated using Apple's ML Compute framework.
Apache Airflow is an open-source workflow management platform created by the community to programmatically author, schedule and monitor workflows. ติดตั้ง. Principles. Scalable. Airflow has a modular architecture and uses a message queue to orchestrate an arbitrary number of workers. Airflow is ready to scale to infinity.
Open Neural Network Exchange(ONNX) is an open ecosystem that empowers AI developers to choose the right tools as their project evolves. ONNX provides an open source format for AI models, both deep learning and traditional ML. It defines an extensible computation graph model, as well as definitions of built-in operators and standard data types.
Apache MXNet is a deep learning framework designed for both efficiency and flexibility. It allows you to mix symbolic and imperative programming to maximize efficiency and productivity. At its core, MXNet contains a dynamic dependency scheduler that automatically parallelizes both symbolic and imperative operations on the fly. A graph optimization layer on top of that makes symbolic execution fast and memory efficient. MXNet is portable and lightweight, scaling effectively to multiple GPUs and multiple machines. Support for Python, R, Julia, Scala, Go, Javascript and more.
AutoGluon is toolkit for Deep learning that automates machine learning tasks enabling you to easily achieve strong predictive performance in your applications. With just a few lines of code, you can train and deploy high-accuracy deep learning models on tabular, image, and text data.
Anaconda is a very popular Data Science platform for machine learning and deep learning that enables users to develop models, train them, and deploy them.
PlaidML is an advanced and portable tensor compiler for enabling deep learning on laptops, embedded devices, or other devices where the available computing hardware is not well supported or the available software stack contains unpalatable license restrictions.
OpenCV is a highly optimized library with focus on real-time computer vision applications. The C++, Python, and Java interfaces support Linux, MacOS, Windows, iOS, and Android.
Scikit-Learn is a Python module for machine learning built on top of SciPy, NumPy, and matplotlib, making it easier to apply robust and simple implementations of many popular machine learning algorithms.
Weka is an open source machine learning software that can be accessed through a graphical user interface, standard terminal applications, or a Java API. It is widely used for teaching, research, and industrial applications, contains a plethora of built-in tools for standard machine learning tasks, and additionally gives transparent access to well-known toolboxes such as scikit-learn, R, and Deeplearning4j.
Caffe is a deep learning framework made with expression, speed, and modularity in mind. It is developed by Berkeley AI Research (BAIR)/The Berkeley Vision and Learning Center (BVLC) and community contributors.
Theano is a Python library that allows you to define, optimize, and evaluate mathematical expressions involving multi-dimensional arrays efficiently including tight integration with NumPy.
Microsoft Project Bonsai is a low-code AI platform that speeds AI-powered automation development and part of the Autonomous Systems suite from Microsoft. Bonsai is used to build AI components that can provide operator guidance or make independent decisions to optimize process variables, improve production efficiency, and reduce downtime.
Microsoft AirSim is a simulator for drones, cars and more, built on Unreal Engine (with an experimental Unity release). AirSim is open-source, cross platform, and supports software-in-the-loop simulation with popular flight controllers such as PX4 & ArduPilot and hardware-in-loop with PX4 for physically and visually realistic simulations. It is developed as an Unreal plugin that can simply be dropped into any Unreal environment. AirSim is being developed as a platform for AI research to experiment with deep learning, computer vision and reinforcement learning algorithms for autonomous vehicles.
CARLA is an open-source simulator for autonomous driving research. CARLA has been developed from the ground up to support development, training, and validation of autonomous driving systems. In addition to open-source code and protocols, CARLA provides open digital assets (urban layouts, buildings, vehicles) that were created for this purpose and can be used freely.
ROS/ROS2 bridge for CARLA(package) is a bridge that enables two-way communication between ROS and CARLA. The information from the CARLA server is translated to ROS topics. In the same way, the messages sent between nodes in ROS get translated to commands to be applied in CARLA.
ROS Toolbox is a tool that provides an interface connecting MATLAB® and Simulink® with the Robot Operating System (ROS and ROS 2), enabling you to create a network of ROS nodes. The toolbox includes MATLAB functions and Simulink blocks to import, analyze, and play back ROS data recorded in rosbag files. You can also connect to a live ROS network to access ROS messages.
Robotics Toolbox™ provides a toolbox that brings robotics specific functionality(designing, simulating, and testing manipulators, mobile robots, and humanoid robots) to MATLAB, exploiting the native capabilities of MATLAB (linear algebra, portability, graphics). The toolbox also supports mobile robots with functions for robot motion models (bicycle), path planning algorithms (bug, distance transform, D*, PRM), kinodynamic planning (lattice, RRT), localization (EKF, particle filter), map building (EKF) and simultaneous localization and mapping (EKF), and a Simulink model a of non-holonomic vehicle. The Toolbox also including a detailed Simulink model for a quadrotor flying robot.
Image Processing Toolbox™ is a tool that provides a comprehensive set of reference-standard algorithms and workflow apps for image processing, analysis, visualization, and algorithm development. You can perform image segmentation, image enhancement, noise reduction, geometric transformations, image registration, and 3D image processing.
Computer Vision Toolbox™ is a tool that provides algorithms, functions, and apps for designing and testing computer vision, 3D vision, and video processing systems. You can perform object detection and tracking, as well as feature detection, extraction, and matching. You can automate calibration workflows for single, stereo, and fisheye cameras. For 3D vision, the toolbox supports visual and point cloud SLAM, stereo vision, structure from motion, and point cloud processing.
Robotics Toolbox™ is a tool that provides a toolbox that brings robotics specific functionality(designing, simulating, and testing manipulators, mobile robots, and humanoid robots) to MATLAB, exploiting the native capabilities of MATLAB (linear algebra, portability, graphics). The toolbox also supports mobile robots with functions for robot motion models (bicycle), path planning algorithms (bug, distance transform, D*, PRM), kinodynamic planning (lattice, RRT), localization (EKF, particle filter), map building (EKF) and simultaneous localization and mapping (EKF), and a Simulink model a of non-holonomic vehicle. The Toolbox also including a detailed Simulink model for a quadrotor flying robot.
Model Predictive Control Toolbox™ is a tool that provides functions, an app, and Simulink® blocks for designing and simulating controllers using linear and nonlinear model predictive control (MPC). The toolbox lets you specify plant and disturbance models, horizons, constraints, and weights. By running closed-loop simulations, you can evaluate controller performance.
Predictive Maintenance Toolbox™ is a tool that lets you manage sensor data, design condition indicators, and estimate the remaining useful life (RUL) of a machine. The toolbox provides functions and an interactive app for exploring, extracting, and ranking features using data-based and model-based techniques, including statistical, spectral, and time-series analysis.
Vision HDL Toolbox™ is a tool that provides pixel-streaming algorithms for the design and implementation of vision systems on FPGAs and ASICs. It provides a design framework that supports a diverse set of interface types, frame sizes, and frame rates. The image processing, video, and computer vision algorithms in the toolbox use an architecture appropriate for HDL implementations.
Automated Driving Toolbox™ is a MATLAB tool that provides algorithms and tools for designing, simulating, and testing ADAS and autonomous driving systems. You can design and test vision and lidar perception systems, as well as sensor fusion, path planning, and vehicle controllers. Visualization tools include a bird's-eye-view plot and scope for sensor coverage, detections and tracks, and displays for video, lidar, and maps. The toolbox lets you import and work with HERE HD Live Map data and OpenDRIVE® road networks. It also provides reference application examples for common ADAS and automated driving features, including FCW, AEB, ACC, LKA, and parking valet. The toolbox supports C/C++ code generation for rapid prototyping and HIL testing, with support for sensor fusion, tracking, path planning, and vehicle controller algorithms.
Navigation Toolbox™ is a tool that provides algorithms and analysis tools for motion planning, simultaneous localization and mapping (SLAM), and inertial navigation. The toolbox includes customizable search and sampling-based path planners, as well as metrics for validating and comparing paths. You can create 2D and 3D map representations, generate maps using SLAM algorithms, and interactively visualize and debug map generation with the SLAM map builder app.
UAV Toolbox is an application that provides tools and reference applications for designing, simulating, testing, and deploying unmanned aerial vehicle (UAV) and drone applications. You can design autonomous flight algorithms, UAV missions, and flight controllers. The Flight Log Analyzer app lets you interactively analyze 3D flight paths, telemetry information, and sensor readings from common flight log formats.
Lidar Toolbox™ is a tool that provides algorithms, functions, and apps for designing, analyzing, and testing lidar processing systems. You can perform object detection and tracking, semantic segmentation, shape fitting, lidar registration, and obstacle detection. Lidar Toolbox supports lidar-camera cross calibration for workflows that combine computer vision and lidar processing.
Mapping Toolbox™ is a tool that provides algorithms and functions for transforming geographic data and creating map displays. You can visualize your data in a geographic context, build map displays from more than 60 map projections, and transform data from a variety of sources into a consistent geographic coordinate system.
Back to the Top
Computer Vision is a field of Artificial Intelligence (AI) that focuses on enabling computers to identify and understand objects and people in images and videos.
OpenCV Courses
Exploring Computer Vision in Microsoft Azure
Top Computer Vision Courses Online | Coursera
Top Computer Vision Courses Online | Udemy
Learn Computer Vision with Online Courses and Lessons | edX
Computer Vision and Image Processing Fundamentals | edX
Introduction to Computer Vision Courses | Udacity
Computer Vision Nanodegree program | Udacity
Machine Vision Course |MIT Open Courseware
Computer Vision Training Courses | NobleProg
Visual Computing Graduate Program | Stanford Online
OpenCV is a highly optimized library with focus on real-time computer vision applications. The C++, Python, and Java interfaces support Linux, MacOS, Windows, iOS, and Android.
Microsoft Computer Vision Recipes is a project that provides examples and best practice guidelines for building computer vision systems. This allows people to build a comprehensive set of tools and examples that leverage recent advances in Computer Vision algorithms, neural architectures, and operationalizing such systems. Creatin from existing state-of-the-art libraries and build additional utility around loading image data, optimizing and evaluating models, and scaling up to the cloud.
Microsoft Cognitive Toolkit (CNTK) is an open-source toolkit for commercial-grade distributed deep learning. It describes neural networks as a series of computational steps via a directed graph. CNTK allows the user to easily realize and combine popular model types such as feed-forward DNNs, convolutional neural networks (CNNs) and recurrent neural networks (RNNs/LSTMs). CNTK implements stochastic gradient descent (SGD, error backpropagation) learning with automatic differentiation and parallelization across multiple GPUs and servers.
Scikit-Learn is a Python module for machine learning built on top of SciPy, NumPy, and matplotlib, making it easier to apply robust and simple implementations of many popular machine learning algorithms.
NVIDIA cuDNN is a GPU-accelerated library of primitives for deep neural networks. cuDNN provides highly tuned implementations for standard routines such as forward and backward convolution, pooling, normalization, and activation layers. cuDNN accelerates widely used deep learning frameworks, including Caffe2, Chainer, Keras, MATLAB, MxNet, PyTorch, and TensorFlow.
Automated Driving Toolbox™ is a MATLAB tool that provides algorithms and tools for designing, simulating, and testing ADAS and autonomous driving systems. You can design and test vision and lidar perception systems, as well as sensor fusion, path planning, and vehicle controllers. Visualization tools include a bird's-eye-view plot and scope for sensor coverage, detections and tracks, and displays for video, lidar, and maps. The toolbox lets you import and work with HERE HD Live Map data and OpenDRIVE® road networks. It also provides reference application examples for common ADAS and automated driving features, including FCW, AEB, ACC, LKA, and parking valet. The toolbox supports C/C++ code generation for rapid prototyping and HIL testing, with support for sensor fusion, tracking, path planning, and vehicle controller algorithms.
LRSLibrary is a Low-Rank and Sparse Tools for Background Modeling and Subtraction in Videos. The library was designed for moving object detection in videos, but it can be also used for other computer vision and machine learning problems.
Image Processing Toolbox™ is a tool that provides a comprehensive set of reference-standard algorithms and workflow apps for image processing, analysis, visualization, and algorithm development. You can perform image segmentation, image enhancement, noise reduction, geometric transformations, image registration, and 3D image processing.
Computer Vision Toolbox™ is a tool that provides algorithms, functions, and apps for designing and testing computer vision, 3D vision, and video processing systems. You can perform object detection and tracking, as well as feature detection, extraction, and matching. You can automate calibration workflows for single, stereo, and fisheye cameras. For 3D vision, the toolbox supports visual and point cloud SLAM, stereo vision, structure from motion, and point cloud processing.
Statistics and Machine Learning Toolbox™ is a tool that provides functions and apps to describe, analyze, and model data. You can use descriptive statistics, visualizations, and clustering for exploratory data analysis; fit probability distributions to data; generate random numbers for Monte Carlo simulations, and perform hypothesis tests. Regression and classification algorithms let you draw inferences from data and build predictive models either interactively, using the Classification and Regression Learner apps, or programmatically, using AutoML.
Lidar Toolbox™ is a tool that provides algorithms, functions, and apps for designing, analyzing, and testing lidar processing systems. You can perform object detection and tracking, semantic segmentation, shape fitting, lidar registration, and obstacle detection. Lidar Toolbox supports lidar-camera cross calibration for workflows that combine computer vision and lidar processing.
Mapping Toolbox™ is a tool that provides algorithms and functions for transforming geographic data and creating map displays. You can visualize your data in a geographic context, build map displays from more than 60 map projections, and transform data from a variety of sources into a consistent geographic coordinate system.
UAV Toolbox is an application that provides tools and reference applications for designing, simulating, testing, and deploying unmanned aerial vehicle (UAV) and drone applications. You can design autonomous flight algorithms, UAV missions, and flight controllers. The Flight Log Analyzer app lets you interactively analyze 3D flight paths, telemetry information, and sensor readings from common flight log formats.
Parallel Computing Toolbox™ is a tool that lets you solve computationally and data-intensive problems using multicore processors, GPUs, and computer clusters. High-level constructs such as parallel for-loops, special array types, and parallelized numerical algorithms enable you to parallelize MATLAB® applications without CUDA or MPI programming. The toolbox lets you use parallel-enabled functions in MATLAB and other toolboxes. You can use the toolbox with Simulink® to run multiple simulations of a model in parallel. Programs and models can run in both interactive and batch modes.
Partial Differential Equation Toolbox™ is a tool that provides functions for solving structural mechanics, heat transfer, and general partial differential equations (PDEs) using finite element analysis.
ROS Toolbox is a tool that provides an interface connecting MATLAB® and Simulink® with the Robot Operating System (ROS and ROS 2), enabling you to create a network of ROS nodes. The toolbox includes MATLAB functions and Simulink blocks to import, analyze, and play back ROS data recorded in rosbag files. You can also connect to a live ROS network to access ROS messages.
Robotics Toolbox™ provides a toolbox that brings robotics specific functionality(designing, simulating, and testing manipulators, mobile robots, and humanoid robots) to MATLAB, exploiting the native capabilities of MATLAB (linear algebra, portability, graphics). The toolbox also supports mobile robots with functions for robot motion models (bicycle), path planning algorithms (bug, distance transform, D*, PRM), kinodynamic planning (lattice, RRT), localization (EKF, particle filter), map building (EKF) and simultaneous localization and mapping (EKF), and a Simulink model a of non-holonomic vehicle. The Toolbox also including a detailed Simulink model for a quadrotor flying robot.
Deep Learning Toolbox™ is a tool that provides a framework for designing and implementing deep neural networks with algorithms, pretrained models, and apps. You can use convolutional neural networks (ConvNets, CNNs) and long short-term memory (LSTM) networks to perform classification and regression on image, time-series, and text data. You can build network architectures such as generative adversarial networks (GANs) and Siamese networks using automatic differentiation, custom training loops, and shared weights. With the Deep Network Designer app, you can design, analyze, and train networks graphically. It can exchange models with TensorFlow™ and PyTorch through the ONNX format and import models from TensorFlow-Keras and Caffe. The toolbox supports transfer learning with DarkNet-53, ResNet-50, NASNet, SqueezeNet and many other pretrained models.
Reinforcement Learning Toolbox™ is a tool that provides an app, functions, and a Simulink® block for training policies using reinforcement learning algorithms, including DQN, PPO, SAC, and DDPG. You can use these policies to implement controllers and decision-making algorithms for complex applications such as resource allocation, robotics, and autonomous systems.
Deep Learning HDL Toolbox™ is a tool that provides functions and tools to prototype and implement deep learning networks on FPGAs and SoCs. It provides pre-built bitstreams for running a variety of deep learning networks on supported Xilinx® and Intel® FPGA and SoC devices. Profiling and estimation tools let you customize a deep learning network by exploring design, performance, and resource utilization tradeoffs.
Model Predictive Control Toolbox™ is a tool that provides functions, an app, and Simulink® blocks for designing and simulating controllers using linear and nonlinear model predictive control (MPC). The toolbox lets you specify plant and disturbance models, horizons, constraints, and weights. By running closed-loop simulations, you can evaluate controller performance.
Vision HDL Toolbox™ is a tool that provides pixel-streaming algorithms for the design and implementation of vision systems on FPGAs and ASICs. It provides a design framework that supports a diverse set of interface types, frame sizes, and frame rates. The image processing, video, and computer vision algorithms in the toolbox use an architecture appropriate for HDL implementations.
Data Acquisition Toolbox™ is a tool that provides apps and functions for configuring data acquisition hardware, reading data into MATLAB® and Simulink®, and writing data to DAQ analog and digital output channels. The toolbox supports a variety of DAQ hardware, including USB, PCI, PCI Express®, PXI®, and PXI Express® devices, from National Instruments® and other vendors.
Microsoft AirSim is a simulator for drones, cars and more, built on Unreal Engine (with an experimental Unity release). AirSim is open-source, cross platform, and supports software-in-the-loop simulation with popular flight controllers such as PX4 & ArduPilot and hardware-in-loop with PX4 for physically and visually realistic simulations. It is developed as an Unreal plugin that can simply be dropped into any Unreal environment. AirSim is being developed as a platform for AI research to experiment with deep learning, computer vision and reinforcement learning algorithms for autonomous vehicles.
Back to the Top
Natural Language Processing (NLP) is a branch of artificial intelligence (AI) focused on giving computers the ability to understand text and spoken words in much the same way human beings can. NLP combines computational linguistics rule-based modeling of human language with statistical, machine learning, and deep learning models.
Natural Language Processing With Python's NLTK Package
Cognitive Services—APIs for AI Developers | Microsoft Azure
Artificial Intelligence Services - Amazon Web Services (AWS)
Google Cloud Natural Language API
Top Natural Language Processing Courses Online | Udemy
Introduction to Natural Language Processing (NLP) | Udemy
Top Natural Language Processing Courses | Coursera
Natural Language Processing | Coursera
Natural Language Processing in TensorFlow | Coursera
Learn Natural Language Processing with Online Courses and Lessons | edX
Build a Natural Language Processing Solution with Microsoft Azure | Pluralsight
Natural Language Processing (NLP) Training Courses | NobleProg
Natural Language Processing with Deep Learning Course | Standford Online
Advanced Natural Language Processing - MIT OpenCourseWare
Certified Natural Language Processing Expert Certification | IABAC
Natural Language Processing Course - Intel
Natural Language Toolkit (NLTK) is a leading platform for building Python programs to work with human language data. It provides easy-to-use interfaces to over 50 corpora and lexical resources such as WordNet, along with a suite of text processing libraries for classification, tokenization, stemming, tagging, parsing, and semantic reasoning, wrappers for industrial-strength NLP libraries.
spaCy is a library for advanced Natural Language Processing in Python and Cython. It's built on the very latest research, and was designed from day one to be used in real products. spaCy comes with pretrained pipelines and currently supports tokenization and training for 60+ languages. It also features neural network models for tagging, parsing, named entity recognition, text classification and more, multi-task learning with pretrained transformers like BERT.
CoreNLP is a set of natural language analysis tools written in Java. CoreNLP enables users to derive linguistic annotations for text, including token and sentence boundaries, parts of speech, named entities, numeric and time values, dependency and constituency parses, coreference, sentiment, quote attributions, and relations.
NLPnet is a Python library for Natural Language Processing tasks based on neural networks. It performs part-of-speech tagging, semantic role labeling and dependency parsing.
Flair is a simple framework for state-of-the-art Natural Language Processing (NLP) models to your text, such as named entity recognition (NER), part-of-speech tagging (PoS), special support for biomedical data, sense disambiguation and classification, with support for a rapidly growing number of languages.
Catalyst is a C# Natural Language Processing library built for speed. Inspired by spaCy's design, it brings pre-trained models, out-of-the box support for training word and document embeddings, and flexible entity recognition models.
Apache OpenNLP is an open-source library for a machine learning based toolkit used in the processing of natural language text. It features an API for use cases like Named Entity Recognition, Sentence Detection, POS(Part-Of-Speech) tagging, Tokenization Feature extraction, Chunking, Parsing, and Coreference resolution.
Microsoft Cognitive Toolkit (CNTK) is an open-source toolkit for commercial-grade distributed deep learning. It describes neural networks as a series of computational steps via a directed graph. CNTK allows the user to easily realize and combine popular model types such as feed-forward DNNs, convolutional neural networks (CNNs) and recurrent neural networks (RNNs/LSTMs). CNTK implements stochastic gradient descent (SGD, error backpropagation) learning with automatic differentiation and parallelization across multiple GPUs and servers.
NVIDIA cuDNN is a GPU-accelerated library of primitives for deep neural networks. cuDNN provides highly tuned implementations for standard routines such as forward and backward convolution, pooling, normalization, and activation layers. cuDNN accelerates widely used deep learning frameworks, including Caffe2, Chainer, Keras, MATLAB, MxNet, PyTorch, and TensorFlow.
TensorFlow is an end-to-end open source platform for machine learning. It has a comprehensive, flexible ecosystem of tools, libraries and community resources that lets researchers push the state-of-the-art in ML and developers easily build and deploy ML powered applications.
Tensorflow_macOS is a Mac-optimized version of TensorFlow and TensorFlow Addons for macOS 11.0+ accelerated using Apple's ML Compute framework.
Keras is a high-level neural networks API, written in Python and capable of running on top of TensorFlow, CNTK, or Theano.It was developed with a focus on enabling fast experimentation. It is capable of running on top of TensorFlow, Microsoft Cognitive Toolkit, R, Theano, or PlaidML.
PyTorch is a library for deep learning on irregular input data such as graphs, point clouds, and manifolds. Primarily developed by Facebook's AI Research lab.
Eclipse Deeplearning4J (DL4J) is a set of projects intended to support all the needs of a JVM-based(Scala, Kotlin, Clojure, and Groovy) deep learning application. This means starting with the raw data, loading and preprocessing it from wherever and whatever format it is in to building and tuning a wide variety of simple and complex deep learning networks.
Chainer is a Python-based deep learning framework aiming at flexibility. It provides automatic differentiation APIs based on the define-by-run approach (dynamic computational graphs) as well as object-oriented high-level APIs to build and train neural networks. It also supports CUDA/cuDNN using CuPy for high performance training and inference.
Anaconda is a very popular Data Science platform for machine learning and deep learning that enables users to develop models, train them, and deploy them.
PlaidML is an advanced and portable tensor compiler for enabling deep learning on laptops, embedded devices, or other devices where the available computing hardware is not well supported or the available software stack contains unpalatable license restrictions.
Scikit-Learn is a Python module for machine learning built on top of SciPy, NumPy, and matplotlib, making it easier to apply robust and simple implementations of many popular machine learning algorithms.
Caffe is a deep learning framework made with expression, speed, and modularity in mind. It is developed by Berkeley AI Research (BAIR)/The Berkeley Vision and Learning Center (BVLC) and community contributors.
Theano is a Python library that allows you to define, optimize, and evaluate mathematical expressions involving multi-dimensional arrays efficiently including tight integration with NumPy.
Apache Spark is a unified analytics engine for large-scale data processing. It provides high-level APIs in Scala, Java, Python, and R, and an optimized engine that supports general computation graphs for data analysis. It also supports a rich set of higher-level tools including Spark SQL for SQL and DataFrames, MLlib for machine learning, GraphX for graph processing, and Structured Streaming for stream processing.
Apache Spark Connector for SQL Server and Azure SQL is a high-performance connector that enables you to use transactional data in big data analytics and persists results for ad-hoc queries or reporting. The connector allows you to use any SQL database, on-premises or in the cloud, as an input data source or output data sink for Spark jobs.
Apache PredictionIO is an open source machine learning framework for developers, data scientists, and end users. It supports event collection, deployment of algorithms, evaluation, querying predictive results via REST APIs. It is based on scalable open source services like Hadoop, HBase (and other DBs), Elasticsearch, Spark and implements what is called a Lambda Architecture.
Apache Airflow is an open-source workflow management platform created by the community to programmatically author, schedule and monitor workflows. Airflow has a modular architecture and uses a message queue to orchestrate an arbitrary number of workers. Airflow is ready to scale to infinity.
Open Neural Network Exchange(ONNX) is an open ecosystem that empowers AI developers to choose the right tools as their project evolves. ONNX provides an open source format for AI models, both deep learning and traditional ML. It defines an extensible computation graph model, as well as definitions of built-in operators and standard data types.
BigDL is a distributed deep learning library for Apache Spark. With BigDL, users can write their deep learning applications as standard Spark programs, which can directly run on top of existing Spark or Hadoop clusters.
Numba is an open source, NumPy-aware optimizing compiler for Python sponsored by Anaconda, Inc. It uses the LLVM compiler project to generate machine code from Python syntax. Numba can compile a large subset of numerically-focused Python, including many NumPy functions. Additionally, Numba has support for automatic parallelization of loops, generation of GPU-accelerated code, and creation of ufuncs and C callbacks.
Back to the Top
Bioinformatics is a field of computational science that has to do with the analysis of sequences of biological molecules. This usually refers to genes, DNA, RNA, or protein, and is particularly useful in comparing genes and other sequences in proteins and other sequences within an organism or between organisms, looking at evolutionary relationships between organisms, and using the patterns that exist across DNA and protein sequences to figure out what their function is.
European Bioinformatics Institute
National Center for Biotechnology Information
Online Courses in Bioinformatics |ISCB - International Society for Computational Biology
Bioinformatics | Coursera
Top Bioinformatics Courses | Udemy
Biometrics Courses | Udemy
Learn Bioinformatics with Online Courses and Lessons | edX
Bioinformatics Graduate Certificate | Harvard Extension School
Bioinformatics and Biostatistics | UC San Diego Extension
Bioinformatics and Proteomics - Free Online Course Materials | เอ็มไอที
Introduction to Biometrics course - Biometrics Institute
Bioconductor is an open source project that provides tools for the analysis and comprehension of high-throughput genomic data. Bioconductor uses the R statistical programming language, and is open source and open development. It has two releases each year, and an active user community. Bioconductor is also available as an AMI (Amazon Machine Image) and Docker images.
Bioconda is a channel for the conda package manager specializing in bioinformatics software. It has a repository of packages containing over 7000 bioinformatics packages ready to use with conda install.
UniProt is a freely accessible database that provide users with a comprehensive, high-quality and freely accessible set of protein sequences annotated with functional information.
Bowtie 2 is an ultrafast and memory-efficient tool for aligning sequencing reads to long reference sequences. It is particularly good at aligning reads of about 50 up to 100s or 1,000s of characters, and particularly good at aligning to relatively long (mammalian) genomes.
Biopython is a set of freely available tools for biological computation written in Python by an international team of developers. It is a distributed collaborative effort to develop Python libraries and applications which address the needs of current and future work in bioinformatics.
BioRuby is a toolkit that has components for sequence analysis, pathway analysis, protein modelling and phylogenetic analysis; it supports many widely used data formats and provides easy access to databases, external programs and public web services, including BLAST, KEGG, GenBank, MEDLINE and GO.
BioJava is a toolkit that provides an API to maintain local installations of the PDB, load and manipulate structures, perform standard analysis such as sequence and structure alignments and visualize them in 3D.
BioPHP is an open source project that provides a collection of open source PHP code, with classes for DNA and protein sequence analysis, alignment, database parsing, and other bioinformatics tools.
Avogadro is an advanced molecule editor and visualizer designed for cross-platform use in computational chemistry, molecular modeling, bioinformatics, materials science, and related areas. It offers flexible high quality rendering and a powerful plugin architecture.
Ascalaph Designer is a program for molecular dynamic simulations. Under a single graphical environment are represented as their own implementation of molecular dynamics as well as the methods of classical and quantum mechanics of popular programs.
Anduril is a workflow platform for analyzing large data sets. Anduril provides facilities for analyzing high-thoughput data in biomedical research, and the platform is fully extensible by third parties. Ready-made tools support data visualization, DNA/RNA/ChIP-sequencing, DNA/RNA microarrays, cytometry and image analysis.
Galaxy is an open source, web-based platform for accessible, reproducible, and transparent computational biomedical research. It allows users without programming experience to easily specify parameters and run individual tools as well as larger workflows. It also captures run information so that any user can repeat and understand a complete computational analysis.
PathVisio is a free open-source pathway analysis and drawing software which allows drawing, editing, and analyzing biological pathways. It is developed in Java and can be extended with plugins.
Orange is a powerful data mining and machine learning toolkit that performs data analysis and visualization.
Basic Local Alignment Search Tool is a tool that finds regions of similarity between biological sequences. The program compares nucleotide or protein sequences to sequence databases and calculates the statistical significance.
OSIRIS is public-domain, free, and open source STR analysis software designed for clinical, forensic, and research use, and has been validated for use as an expert system for single-source samples.
NCBI BioSystems is a Database that provides integrated access to biological systems and their component genes, proteins, and small molecules, as well as literature describing those biosystems and other related data throughout Entrez.
Back to the Top
CUDA Toolkit. Source: NVIDIA Developer CUDA
CUDA is a parallel computing platform and programming model developed by NVIDIA for general computing on graphical processing units (GPUs). With CUDA, developers are able to dramatically speed up computing applications by harnessing the power of GPUs. In GPU-accelerated applications, the sequential part of the workload runs on the CPU, which is optimized for single-threaded. The compute intensive portion of the application runs on thousands of GPU cores in parallel. When using CUDA, developers can program in popular languages such as C, C++, Fortran, Python and MATLAB.
CUDA Toolkit Documentation
CUDA Quick Start Guide
CUDA on WSL
CUDA GPU support for TensorFlow
NVIDIA Deep Learning cuDNN Documentation
NVIDIA GPU Cloud Documentation
NVIDIA NGC is a hub for GPU-optimized software for deep learning, machine learning, and high-performance computing (HPC) workloads.
NVIDIA NGC Containers is a registry that provides researchers, data scientists, and developers with simple access to a comprehensive catalog of GPU-accelerated software for AI, machine learning and HPC. These containers take full advantage of NVIDIA GPUs on-premises and in the cloud.
CUDA Toolkit is a collection of tools & libraries that provide a development environment for creating high performance GPU-accelerated applications. The CUDA Toolkit allows you can develop, optimize, and deploy your applications on GPU-accelerated embedded systems, desktop workstations, enterprise data centers, cloud-based platforms and HPC supercomputers. The toolkit includes GPU-accelerated libraries, debugging and optimization tools, a C/C++ compiler, and a runtime library to build and deploy your application on major architectures including x86, Arm and POWER.
NVIDIA cuDNN is a GPU-accelerated library of primitives for deep neural networks. cuDNN provides highly tuned implementations for standard routines such as forward and backward convolution, pooling, normalization, and activation layers. cuDNN accelerates widely used deep learning frameworks, including Caffe2, Chainer, Keras, MATLAB, MxNet, PyTorch, and TensorFlow.
CUDA-X HPC is a collection of libraries, tools, compilers and APIs that help developers solve the world's most challenging problems. CUDA-X HPC includes highly tuned kernels essential for high-performance computing (HPC).
NVIDIA Container Toolkit is a collection of tools & libraries that allows users to build and run GPU accelerated Docker containers. The toolkit includes a container runtime library and utilities to automatically configure containers to leverage NVIDIA GPUs.
Minkowski Engine is an auto-differentiation library for sparse tensors. It supports all standard neural network layers such as convolution, pooling, unpooling, and broadcasting operations for sparse tensors.
CUTLASS is a collection of CUDA C++ template abstractions for implementing high-performance matrix-multiplication (GEMM) at all levels and scales within CUDA. It incorporates strategies for hierarchical decomposition and data movement similar to those used to implement cuBLAS.
CUB is a cooperative primitives for CUDA C++ kernel authors.
Tensorman is a utility for easy management of Tensorflow containers by developed by System76.Tensorman allows Tensorflow to operate in an isolated environment that is contained from the rest of the system. This virtual environment can operate independent of the base system, allowing you to use any version of Tensorflow on any version of a Linux distribution that supports the Docker runtime.
Numba is an open source, NumPy-aware optimizing compiler for Python sponsored by Anaconda, Inc. It uses the LLVM compiler project to generate machine code from Python syntax. Numba can compile a large subset of numerically-focused Python, including many NumPy functions. Additionally, Numba has support for automatic parallelization of loops, generation of GPU-accelerated code, and creation of ufuncs and C callbacks.
Chainer is a Python-based deep learning framework aiming at flexibility. It provides automatic differentiation APIs based on the define-by-run approach (dynamic computational graphs) as well as object-oriented high-level APIs to build and train neural networks. It also supports CUDA/cuDNN using CuPy for high performance training and inference.
CuPy is an implementation of NumPy-compatible multi-dimensional array on CUDA. CuPy consists of the core multi-dimensional array class, cupy.ndarray, and many functions on it. It supports a subset of numpy.ndarray interface.
CatBoost is a fast, scalable, high performance Gradient Boosting on Decision Trees library, used for ranking, classification, regression and other machine learning tasks for Python, R, Java, C++. Supports computation on CPU and GPU.
cuDF is a GPU DataFrame library for loading, joining, aggregating, filtering, and otherwise manipulating data. cuDF provides a pandas-like API that will be familiar to data engineers & data scientists, so they can use it to easily accelerate their workflows without going into the details of CUDA programming.
cuML is a suite of libraries that implement machine learning algorithms and mathematical primitives functions that share compatible APIs with other RAPIDS projects. cuML enables data scientists, researchers, and software engineers to run traditional tabular ML tasks on GPUs without going into the details of CUDA programming. In most cases, cuML's Python API matches the API from scikit-learn.
ArrayFire is a general-purpose library that simplifies the process of developing software that targets parallel and massively-parallel architectures including CPUs, GPUs, and other hardware acceleration devices.
Thrust is a C++ parallel programming library which resembles the C++ Standard Library. Thrust's high-level interface greatly enhances programmer productivity while enabling performance portability between GPUs and multicore CPUs.
AresDB is a GPU-powered real-time analytics storage and query engine. It features low query latency, high data freshness and highly efficient in-memory and on disk storage management.
Arraymancer is a tensor (N-dimensional array) project in Nim. The main focus is providing a fast and ergonomic CPU, Cuda and OpenCL ndarray library on which to build a scientific computing ecosystem.
Kintinuous is a real-time dense visual SLAM system capable of producing high quality globally consistent point and mesh reconstructions over hundreds of metres in real-time with only a low-cost commodity RGB-D sensor.
GraphVite is a general graph embedding engine, dedicated to high-speed and large-scale embedding learning in various applications.
Back to the Top
MATLAB is a programming language that does numerical computing such as expressing matrix and array mathematics directly.
MATLAB Documentation
Getting Started with MATLAB
MATLAB and Simulink Training from MATLAB Academy
MathWorks Certification Program
MATLAB Online Courses from Udemy
MATLAB Online Courses from Coursera
MATLAB Online Courses from edX
Building a MATLAB GUI
MATLAB Style Guidelines 2.0
Setting Up Git Source Control with MATLAB & Simulink
Pull, Push and Fetch Files with Git with MATLAB & Simulink
Create New Repository with MATLAB & Simulink
PRMLT is Matlab code for machine learning algorithms in the PRML book.
MATLAB and Simulink Services & Applications List
MATLAB in the Cloud is a service that allows you to run in cloud environments from MathWorks Cloud to Public Clouds including AWS and Azure.
MATLAB Online™ is a service that allows to users to uilitize MATLAB and Simulink through a web browser such as Google Chrome.
Simulink is a block diagram environment for Model-Based Design. It supports simulation, automatic code generation, and continuous testing of embedded systems.
Simulink Online™ is a service that provides access to Simulink through your web browser.
MATLAB Drive™ is a service that gives you the ability to store, access, and work with your files from anywhere.
MATLAB Parallel Server™ is a tool that lets you scale MATLAB® programs and Simulink® simulations to clusters and clouds. You can prototype your programs and simulations on the desktop and then run them on clusters and clouds without recoding. MATLAB Parallel Server supports batch jobs, interactive parallel computations, and distributed computations with large matrices.
MATLAB Schemer is a MATLAB package makes it easy to change the color scheme (theme) of the MATLAB display and GUI.
LRSLibrary is a Low-Rank and Sparse Tools for Background Modeling and Subtraction in Videos. The library was designed for moving object detection in videos, but it can be also used for other computer vision and machine learning problems.
Image Processing Toolbox™ is a tool that provides a comprehensive set of reference-standard algorithms and workflow apps for image processing, analysis, visualization, and algorithm development. You can perform image segmentation, image enhancement, noise reduction, geometric transformations, image registration, and 3D image processing.
Computer Vision Toolbox™ is a tool that provides algorithms, functions, and apps for designing and testing computer vision, 3D vision, and video processing systems. You can perform object detection and tracking, as well as feature detection, extraction, and matching. You can automate calibration workflows for single, stereo, and fisheye cameras. For 3D vision, the toolbox supports visual and point cloud SLAM, stereo vision, structure from motion, and point cloud processing.
Statistics and Machine Learning Toolbox™ is a tool that provides functions and apps to describe, analyze, and model data. You can use descriptive statistics, visualizations, and clustering for exploratory data analysis; fit probability distributions to data; generate random numbers for Monte Carlo simulations, and perform hypothesis tests. Regression and classification algorithms let you draw inferences from data and build predictive models either interactively, using the Classification and Regression Learner apps, or programmatically, using AutoML.
Lidar Toolbox™ is a tool that provides algorithms, functions, and apps for designing, analyzing, and testing lidar processing systems. You can perform object detection and tracking, semantic segmentation, shape fitting, lidar registration, and obstacle detection. Lidar Toolbox supports lidar-camera cross calibration for workflows that combine computer vision and lidar processing.
Mapping Toolbox™ is a tool that provides algorithms and functions for transforming geographic data and creating map displays. You can visualize your data in a geographic context, build map displays from more than 60 map projections, and transform data from a variety of sources into a consistent geographic coordinate system.
UAV Toolbox is an application that provides tools and reference applications for designing, simulating, testing, and deploying unmanned aerial vehicle (UAV) and drone applications. You can design autonomous flight algorithms, UAV missions, and flight controllers. The Flight Log Analyzer app lets you interactively analyze 3D flight paths, telemetry information, and sensor readings from common flight log formats.
Parallel Computing Toolbox™ is a tool that lets you solve computationally and data-intensive problems using multicore processors, GPUs, and computer clusters. High-level constructs such as parallel for-loops, special array types, and parallelized numerical algorithms enable you to parallelize MATLAB® applications without CUDA or MPI programming. The toolbox lets you use parallel-enabled functions in MATLAB and other toolboxes. You can use the toolbox with Simulink® to run multiple simulations of a model in parallel. Programs and models can run in both interactive and batch modes.
Partial Differential Equation Toolbox™ is a tool that provides functions for solving structural mechanics, heat transfer, and general partial differential equations (PDEs) using finite element analysis.
ROS Toolbox is a tool that provides an interface connecting MATLAB® and Simulink® with the Robot Operating System (ROS and ROS 2), enabling you to create a network of ROS nodes. The toolbox includes MATLAB functions and Simulink blocks to import, analyze, and play back ROS data recorded in rosbag files. You can also connect to a live ROS network to access ROS messages.
Robotics Toolbox™ provides a toolbox that brings robotics specific functionality(designing, simulating, and testing manipulators, mobile robots, and humanoid robots) to MATLAB, exploiting the native capabilities of MATLAB (linear algebra, portability, graphics). The toolbox also supports mobile robots with functions for robot motion models (bicycle), path planning algorithms (bug, distance transform, D*, PRM), kinodynamic planning (lattice, RRT), localization (EKF, particle filter), map building (EKF) and simultaneous localization and mapping (EKF), and a Simulink model a of non-holonomic vehicle. The Toolbox also including a detailed Simulink model for a quadrotor flying robot.
Deep Learning Toolbox™ is a tool that provides a framework for designing and implementing deep neural networks with algorithms, pretrained models, and apps. You can use convolutional neural networks (ConvNets, CNNs) and long short-term memory (LSTM) networks to perform classification and regression on image, time-series, and text data. You can build network architectures such as generative adversarial networks (GANs) and Siamese networks using automatic differentiation, custom training loops, and shared weights. With the Deep Network Designer app, you can design, analyze, and train networks graphically. It can exchange models with TensorFlow™ and PyTorch through the ONNX format and import models from TensorFlow-Keras and Caffe. The toolbox supports transfer learning with DarkNet-53, ResNet-50, NASNet, SqueezeNet and many other pretrained models.
Reinforcement Learning Toolbox™ is a tool that provides an app, functions, and a Simulink® block for training policies using reinforcement learning algorithms, including DQN, PPO, SAC, and DDPG. You can use these policies to implement controllers and decision-making algorithms for complex applications such as resource allocation, robotics, and autonomous systems.
Deep Learning HDL Toolbox™ is a tool that provides functions and tools to prototype and implement deep learning networks on FPGAs and SoCs. It provides pre-built bitstreams for running a variety of deep learning networks on supported Xilinx® and Intel® FPGA and SoC devices. Profiling and estimation tools let you customize a deep learning network by exploring design, performance, and resource utilization tradeoffs.
Model Predictive Control Toolbox™ is a tool that provides functions, an app, and Simulink® blocks for designing and simulating controllers using linear and nonlinear model predictive control (MPC). The toolbox lets you specify plant and disturbance models, horizons, constraints, and weights. By running closed-loop simulations, you can evaluate controller performance.
Vision HDL Toolbox™ is a tool that provides pixel-streaming algorithms for the design and implementation of vision systems on FPGAs and ASICs. It provides a design framework that supports a diverse set of interface types, frame sizes, and frame rates. The image processing, video, and computer vision algorithms in the toolbox use an architecture appropriate for HDL implementations.
SoC Blockset™ is a tool that provides Simulink® blocks and visualization tools for modeling, simulating, and analyzing hardware and software architectures for ASICs, FPGAs, and systems on a chip (SoC). You can build your system architecture using memory models, bus models, and I/O models, and simulate the architecture together with the algorithms.
Wireless HDL Toolbox™ is a tool that provides pre-verified, hardware-ready Simulink® blocks and subsystems for developing 5G, LTE, and custom OFDM-based wireless communication applications. It includes reference applications, IP blocks, and gateways between frame and sample-based processing.
ThingSpeak™ is an IoT analytics service that allows you to aggregate, visualize, and analyze live data streams in the cloud. ThingSpeak provides instant visualizations of data posted by your devices to ThingSpeak. With the ability to execute MATLAB® code in ThingSpeak, you can perform online analysis and process data as it comes in. ThingSpeak is often used for prototyping and proof-of-concept IoT systems that require analytics.
SEA-MAT is a collaborative effort to organize and distribute Matlab tools for the Oceanographic Community.
Gramm is a complete data visualization toolbox for Matlab. It provides an easy to use and high-level interface to produce publication-quality plots of complex data with varied statistical visualizations. Gramm is inspired by R's ggplot2 library.
hctsa is a software package for running highly comparative time-series analysis using Matlab.
Plotly is a Graphing Library for MATLAB.
YALMIP is a MATLAB toolbox for optimization modeling.
GNU Octave is a high-level interpreted language, primarily intended for numerical computations. It provides capabilities for the numerical solution of linear and nonlinear problems, and for performing other numerical experiments. It also provides extensive graphics capabilities for data visualization and manipulation.
Back to the Top
C++ is a cross-platform language that can be used to build high-performance applications developed by Bjarne Stroustrup, as an extension to the C language.
C is a general-purpose, high-level language that was originally developed by Dennis M. Ritchie to develop the UNIX operating system at Bell Labs. It supports structured programming, lexical variable scope, and recursion, with a static type system. C also provides constructs that map efficiently to typical machine instructions, which makes it one was of the most widely used programming languages today.
Embedded C is a set of language extensions for the C programming language by the C Standards Committee to address issues that exist between C extensions for different embedded systems. The extensions hep enhance microprocessor features such as fixed-point arithmetic, multiple distinct memory banks, and basic I/O operations. This makes Embedded C the most popular embedded software language in the world.
C & C++ Developer Tools from JetBrains
Open source C++ libraries on cppreference.com
C++ Graphics libraries
C++ Libraries in MATLAB
C++ Tools and Libraries Articles
Google C++ Style Guide
Introduction C++ Education course on Google Developers
C++ style guide for Fuchsia
C and C++ Coding Style Guide by OpenTitan
Chromium C++ Style Guide
C++ Core Guidelines
C++ Style Guide for ROS
Learn C++
Learn C : An Interactive C Tutorial
C++ Institute
C++ Online Training Courses on LinkedIn Learning
C++ Tutorials on W3Schools
Learn C Programming Online Courses on edX
Learn C++ with Online Courses on edX
Learn C++ on Codecademy
Coding for Everyone: C and C++ course on Coursera
C++ For C Programmers on Coursera
Top C Courses on Coursera
C++ Online Courses on Udemy
Top C Courses on Udemy
Basics of Embedded C Programming for Beginners on Udemy
C++ For Programmers Course on Udacity
C++ Fundamentals Course on Pluralsight
Introduction to C++ on MIT Free Online Course Materials
Introduction to C++ for Programmers | ฮาร์วาร์ด
Online C Courses | Harvard University
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.
