[vc_row][vc_column][vc_column_text]Machine Learning es una de las habilidades más solicitadas en el entorno de tecnología en este momento. A principios de este año, Stack Overflow publicó los resultados de una encuesta masiva de desarrolladores donde indicaba que los especialistas de Machine Learning fueron segundos en ingresos, debajo de los especialistas den DevOps.
Machine Learning esta experimentando un momento de auge, pero el código abierto a menudo puede ser confuso para los recién llegados. Por lo tanto, en este artículo se examinan los cinco proyecto de código abierto más consultados en GitHub para revisar donde se utiliza y ver como puedes ayudar.[/vc_column_text][/vc_column][vc_column][vc_single_image image=»1781″ img_size=»full» alignment=»center»][/vc_column][/vc_row][vc_row][vc_column][vc_column_text]
1. TensorFlow
No es una sorpresa encontrar a TensorFlow como el número uno de la lista. Es de lejos el proyecto más popular y celebrado de Machine Learning en GitHub.
Originalmente parte de Google Brain en la organización Google’s Machine Intelligence Research, TensorFlow es una librería de código abierto para computación numérica utilizando gráfica de flujo de datos. Este llega con una interface fácil de usar en Python y una interface no-nonsense en otros lenguajes para construir y ejecutar gráficos computacionales.
«Cuando abrimos TensorFlow, teníamos la esperanza de crear una plataforma de Machine Learning para todo el mundo», indico Jeff Dean a principios de este año. TensorFlow 1.0 es rápido, flexible y listo para producción para una amplia gama de aplicaciones más allá de su diseño inicial. También incluye API experimentales para Java y Go y nuevas demos de Android para detección y localización de objetos, y estilización de imagen basada en cámara.[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column][vc_column_text]
2. Scikit-learn
El siguiente en la lista es scikit-learn, un módulo de Python para Machine Learning. Scikit cuenta con una serie de herramientas simples y eficientes para la minería de datos y el análisis de datos. ¡La motivación básica detrás de scikit es para la ciencia! y como tal, es altamente accesible y reutilizable en varios contextos. Además, se basa en herramientas conocidas de ciencias de datos como NumPy, SciPy y Matplotlib.
A principios de este año, hablamos con Adam Geitgey, el Director de Ingeniería de Software de Groupon, sobre cómo los desarrolladores podrían ingresar al campo del Machine Learning.
«Definitivamente comienza aprendiendo Python. Es, de lejos, el lenguaje de programación más popular hoy en día para Machine Learning», indico Geitgey. «Para resolver la mayoría de los problemas de Machine Learning (que no requieran de Deep Learning), la respuesta es fácil. Solo necesita instalar algunas librerías de Python: scikit-learn, NumPy y pandas. Estas herramientas son gratuitas y están diseñadas para funcionar bien juntas».[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column][vc_column_text]
3. PredictionIO
PredictionIO es una librería recién llegada a esta lista, loque hace que su alto rango sea aún más impresionante. El mes pasado, la Apache Software Foundation lanzó PredictionIO. PredictionIO está construido sobre la base de código abierto de última generación. Este servidor de Machine Learning está diseñado para desarrolladores y científicos de datos para crear motores predictivos para cualquier tarea de Machine Learning.
Los desarrolladores pueden crear aplicaciones desplegables «sin tener que manipular las tecnologías subyacentes» con la pila de tecnologías completa y las plantillas disponibles. Creados directamente en Spark y Hadoop, PredictionIO permite a los desarrolladores construir y desplegar rápidamente un motor como un servicio web en producción con plantillas personalizables. Está escrito en Scala.
PredictionIO significa simplificar la gestión de la infraestructura de datos. Al implementar sus propios modelos de Machine Learning, puede incorporarlos sin problemas a su motor. También acelera el modelo de Machine Learning con procesos sistemáticos y medidas de evaluación pre construidas.[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column][vc_column_text]
4. Swift AI
Mientras que Swift puede estar experimentando una especie de reversión de fortunas, Swift AI continúa ganando prestigio en GitHub. Swift AI es una librería de Deep Learning de alto rendimiento escrita completamente en Swift, con soporte para todas las plataformas de Apple.
Es cierto que los repos son un poco delgados, especialmente para TensorFlow. Sin embargo, Swift AI tiene una herramienta interesante para aquellos interesados en escribir redes neuronales con Swift. La clase NeuralNet contiene una red neuronal artificial completa conectada y de avance. Con soporte para Deep Learning, NeuralNet esta diseñado para ser flexible y ser utilizado para rendimiento crítico.[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column][vc_column_text]
5. GoLearn
Completando nuestra lista esta GoLearn, una librería de Machine Learning con «baterías incluidas» para Go. Todavía en desarrollo activo, este proyecto está buscando desarrolladores interesados en recibir noticias de los usuarios. El modelo de GoLearn para problemas de Machine Learning le resultará familiar si ha utilizado SciPy, WEKA o R. Data se representa como una tabla plana, análoga a una hoja de calculo y se utiliza para entrenamiento y predicción.
Como corresponde a un proyecto relativamente nuevo, la lista de deseos es más larga que las herramientas actuales. Entonces, si está buscando un proyecto que realmente marque la diferencia, GoLearn podría ser el indicado para usted.[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column][vc_column_text]
Conclusión
Ya sea que este buscando unirse a un proyecto conocido o trabajar en un recién llegado, hay un proyecto de Machine Learning de código abierto en GitHub para usted.
Este artículo se encuentra basado en Top 5 open source machine learning projects[/vc_column_text][/vc_column][/vc_row]
Pingback: TensorFlow Lite permite a ML ser más amigable al móvil