進入機器學習和AI並非易事。 鑑於當今可用的大量資源，許多有抱負的專業人士和愛好者發現很難建立適當的進入該領域的途徑。 該領域不斷髮展，我們必須跟上這一快速發展的步伐。 為了應對這種壓倒性的進化和創新速度，保持更新和了解ML的進步的一個好方法是通過為每天使用的許多開源項目和工具做出貢獻來與社區互動。
1、Tensorflow已經躍居第一位，貢獻者增長了三位數。 Scikit-learn排名第二，但仍然有很大的貢獻者基礎。
TensorFlow最初是由研究人員和工程師在Google機器智能研究組織的Google Brain團隊中開發的。該系統旨在促進機器學習的研究，並使其從研究原型到生產系統的快速和輕鬆過渡。
2、Scikit-learn是用於數據挖掘和數據分析的簡單而有效的工具，可供所有人訪問，並可在各種環境中重用，基於NumPy，SciPy和matplotlib，開源，商業可用 - BSD許可證。
3、Keras，一種高級神經網絡API，用Python編寫，能夠在TensorFlow，CNTK或Theano之上運行。
4、PyTorch，Tensors和Python中的動態神經網絡，具有強大的GPU加速功能。
5、Theano允許您有效地定義，優化和評估涉及多維陣列的數學表達式。
6、Gensim是一個免費的Python庫，具有可擴展的統計語義，分析語義結構的純文本文檔，檢索語義相似的文檔等功能。
7、Caffe是一個深刻的學習框架，以表達，速度和模塊化為基礎。它由伯克利視覺和學習中心（BVLC）和社區貢獻者開發。
8、Chainer是一個基於Python的獨立開源框架，適用於深度學習模型。 Chainer提供靈活，直觀和高性能的方法來實現全方位的深度學習模型，包括最新的模型，如遞歸神經網絡和變分自動編碼器。
9、Statsmodels是一個Python模塊，允許用戶瀏覽數據，估計統計模型和執行統計測試。描述性統計，統計測試，繪圖函數和結果統計的廣泛列表可用於不同類型的數據和每個估算器。
10、Shogun是機器學習工具箱，提供各種統一和高效的機器學習（ML）方法。工具箱無縫地允許輕鬆組合多個數據表示，算法類和通用工具。
11、Pylearn2是一個機器學習庫。它的大部分功能都建立在Theano之上。這意味著您可以使用數學表達式編寫Pylearn2插件（新模型，算法等），Theano將為您優化和穩定這些表達式，並將它們編譯為您選擇的後端（CPU或GPU）。
12、NuPIC是一個基於新皮層理論的開源項目，稱為分層時間記憶（HTM）。HTM理論的一部分已經在應用中得到實施，測試和使用，HTM理論的其他部分仍在開發中。
13、Neon是Nervana基於Python的深度學習庫。它提供易用性，同時提供最高性能。
14、Nilearn是一個Python模塊，用於快速簡便地統計NeuroImaging數據。它利用scikit-learn Python工具箱進行多變量統計，並使用預測建模，分類，解碼或連接分析等應用程序。
15、Orange3是新手和專家的開源機器學習和數據可視化。具有大型工具箱的交互式數據分析工作流程。
16、Pymc是一個python模塊，它實現貝葉斯統計模型和擬合算法，包括馬爾可夫鏈蒙特卡羅。其靈活性和可擴展性使其適用於大量問題。
17、Deap是一種新穎的進化計算框架，用於快速原型設計和思想測試。它旨在使算法明確，數據結構透明。它與多處理和SCOOP等並行機制完美協調。
18、Annoy是一個帶有Python綁定的C ++庫，用於搜索空間中接近給定查詢點的點。它還創建了大型只讀基於文件的數據結構，這些數據結構映射到內存中，以便許多進程可以共享相同的數據。
19、PyBrain是一個用於Python的模塊化機器學習庫。其目標是為機器學習任務和各種預定義環境提供靈活，易用且功能強大的算法，以測試和比較您的算法。
20、Fuel是一個數據管道框架，為您的機器學習模型提供所需的數據。計劃由Blocks和Pylearn2神經網絡庫使用。
拓展閱讀：谷歌今秋擬發佈新AI硬件，猜猜是什麼？
谷歌宣佈推出基於其Tensor Processing Unit（TPU）深度學習加速技術的硬件產品，旨在將人工智能智能技術引入物聯網（IoT）：Edge TPU。
雖然谷歌於2016年5月宣佈推出其首款定製的Tensor處理單元（TPU）硬件，並且每年都會發布有關升級版本的新聞，但該公司迄今為止僅在內部提供了加速硬件，首先是為自己提供服務，然後通過其雲計算平臺作為選項。
在今年的Google I/0 2018大會上，谷歌發佈了新一代TPU處理器——TPU 3.0。TPU 3.0的性能相比目前的TPU 2.0有8倍提升，比現代CPU和GPU高15-30倍，每瓦性能提高30-80倍。這些優勢有助於Google的許多服務大規模運行最先進的神經網絡並且價格合理。
閱讀更多 引力空間站 的文章
