Решил использовать python для своей программы. Изучил базовое программирование на Python. Что теперь?
Сообщество Python создало множество библиотек и фреймворков, чтобы мы могли с легкостью осваивать другие области. Вот несколько обязательных библиотек для начала работы. Для научных вычислений, машинного обучения и науки о данных:
NumPy
Numpy является основой для большинства научных программ. Он предоставляет некоторые расширенные математические функции для работы Python с большими матрицами.
SciPy
Когда мы говорим о NumPy, мы должны говорить о SciPy, поскольку он формирует экосистему Scientific Python или SciPy. Это библиотека алгоритмов и математических инструментов для Python, благодаря которой многие ученые переключились на Python.
Матплотлиб
Matplotlib — это библиотека для построения графиков, которую вы должны изучить и которая позволяет получать данные о качестве публикации в различных форматах и интерактивных средах на разных платформах. Это очень полезно для любого специалиста по данным или любого анализатора данных.
Панды
Pandas — это библиотека с открытым исходным кодом, предоставляющая высокопроизводительные и простые в использовании структуры данных (серии и кадры данных) и инструменты анализа данных. Панды предоставляют простые в использовании функции для слияния, объединения, объединения, изменения формы больших фреймов данных, работы с текстовыми данными, категориальными данными, обработки отсутствующих данных, а также выполнения группировки и анализа этих данных.
Scikit-learn
Простой и эффективный набор инструментов для извлечения и анализа данных, созданный для работы с NumPy, SciPy и matplotlib. Если вы планируете использовать готовые алгоритмы машинного обучения, это ваш инструмент.
Инструментарий естественного языка (NLTK)
NLTK предоставляет простые в использовании интерфейсы для более чем 50 корпусов и лексических ресурсов, таких как WordNet, а также набор библиотек обработки текста для классификации, токенизации, выделения корней, тегов, синтаксического анализа, семантического рассуждения и оболочек для промышленных библиотек НЛП.
Питорч
PyTorch — это библиотека машинного обучения с открытым исходным кодом для Python, основанная на Torch и разработанная Facebook. PyTorch реализует динамические вычислительные графы, которые позволяют вам определять или управлять своим графом на ходу. Это особенно полезно при использовании входных данных переменной длины в RNN. PyTorch более питоновский, и создание моделей машинного обучения в нем кажется более интуитивным.
Тензорный поток
Tensorflow — еще одна более популярная библиотека машинного обучения с открытым исходным кодом для Python, основанная на Theano и разработанная Google. Tensorflow реализует статические вычислительные графы, а это означает, что вам сначала нужно определить весь вычислительный граф модели, а затем запустить модель машинного обучения.
Tensorflow имеет более крутую кривую обучения, чем PyTorch. Тем не менее, у него гораздо большее сообщество, поэтому получить помощь проще. Кроме того, в Tensorflow есть TensorBoard — отличный инструмент, который позволяет визуализировать ваши модели машинного обучения прямо в вашем браузере.
Керас
Keras — это высокоуровневый API нейронных сетей, написанный на Python и способный работать поверх TensorFlow, CNTK или Theano. Он был разработан с акцентом на простоту экспериментирования и быстрое создание прототипов благодаря удобству для пользователя, модульности и расширяемости.
СимПи
SymPy может выполнять алгебраическую оценку, дифференцирование, расширение, комплексные числа и т. д. Он содержится в чистом дистрибутиве Python, т. е. не требует запуска внешних библиотек. Он стремится стать полнофункциональной системой компьютерной алгебры, которая может напрямую конкурировать с коммерческими альтернативами, такими как Mathematica или Maple, сохраняя при этом максимально простой код, чтобы быть понятным и легко расширяемым.
Запросы
http://www.python-requests.org
Самая известная HTTP-библиотека, написанная Кеннетом Райцем. Это необходимо для каждого разработчика Python.
Скрапи
Scrapy — это бесплатная платформа для сканирования веб-страниц с открытым исходным кодом. Если вы занимаетесь веб-скрапингом, то эта библиотека вам просто необходима.
КрасивыйСуп
https://www.crummy.com/software/BeautifulSoup/
Beautiful Soup предоставляет несколько простых методов и идиом Pythonic для навигации, поиска и изменения дерева синтаксического анализа: набор инструментов для анализа документа и извлечения того, что вам нужно. Для написания приложения не требуется много кода
OpenCV
OpenCV — это библиотека компьютерного зрения и машинного обучения с открытым исходным кодом, используемая для создания приложений и ускорения использования машинного восприятия в коммерческих продуктах. OpenCV предоставляет библиотеки для C++, а также оболочку для python для выполнения обработки изображений для обнаружения объектов.
Джанго
https://www.djangoproject.com/
Django — это высокоуровневая веб-инфраструктура Python с открытым исходным кодом, которая способствует быстрой разработке и чистому прагматичному дизайну. Он берет на себя большую часть проблем, связанных с веб-разработкой, поскольку реализует стандартные процедуры. Таким образом, вы можете сосредоточиться на написании своего приложения, не изобретая велосипед.
wxPython
wxPython — это кроссплатформенный набор инструментов с графическим интерфейсом для языка Python. С разработчиками программного обеспечения wxPython мы можем создавать действительно нативные пользовательские интерфейсы для приложений Python, которые работают с небольшими модификациями или без них в Windows, Mac и Linux или других Unix-подобных системах. Существует и другой инструментарий GUI для python, такой как PyQT, Tkinter.
