无冕王者NumPy:GitHub 2018 机器学习年度官方报告

近日,GitHub 发布了 2018 年度机器学习和数据科学具体报告。报告显示,Python 是机器学习 repo 中最常用的语言,Numpy 是最流行的机器学习&数据科学包,最受欢迎项目的桂冠则毫无悬念地由 TensorFlow 摘取。

在 GitHub 的 2018 年度报告中,机器学习数据科学是 GitHub 上的热门话题。TensorFlow是贡献者最多的项目之一,PyTorch 是增长最快的项目之一,Python 是 GitHub 上第三流行的语言。

为了深入研究 GitHub 上的机器学习数据科学现状,GitHub 发布了关于二者的具体报告,统计了 2018 年 1 月 1 日到 12 月 31 日的贡献数据,包括 push 代码、打开 issue 或 pull request、评论 issue 等。至于最流行的包,GitHub 使用了来自依赖图的数据,包括所有开放 repo 和依赖图中现有的私有 repo。

编程语言

GitHub 查看了「machine-learning」相关 repo 的贡献者,对这些 repo 最常用的语言进行了排序。Python 是机器学习 repo 中最常用的语言,也是 GitHub 平台上第三流行的语言。但是,并非所有机器学习 repo 都使用 Python:GitHub 上的一些常用语言也是机器学习项目的常用语言。C++、JavaScript、Java、C#、Shell 和 TypeScript 都在 GitHub 常用语言前十名中,同时也是机器学习项目常用语言前十名。Julia、R 和 Scala 仅为机器学习项目前十,但在 GitHub 平台的使用率并没有那么高。Julia 和 R 是数据科学家常用的语言,Scala 在和大数据系统(如 Apache Spark)互动时的使用率逐渐提高。

流行的机器学习数据科学

GitHub 从依赖图中抓取数据,计算机器学习数据科学项目导入不同流行 Python 包的比例。上述列表展示了这些项目导入包的 top 10。从中,我们可以看到:

  • 支持在多维数据上的数学运算的 Numpy 包是最常导入的包,几乎 1/3 的机器学习数据科学项目使用了 Numpy 包。

  • 用于科学计算的 Scipy 包、用于管理数据集的 pandas、可视化库 matplotlib 在机器学习数据科学项目中的使用率均超过 40%。

  • Scikit-learn 是流行的机器学习包,包含大量机器学习算法的实现,几乎 40% 的机器学习数据科学项目使用该包。

  • 接近 1/4 的机器学习数据科学项目使用用于处理神经网络的 tensorflow 包。

前十名中的其余各包是实用程序包:six 是 Python 2 和 3 兼容库,python-dateutil 和 pytz 是处理日期的包。

最受欢迎的机器学习项目

GitHub 还查看了 2018 年「机器学习」标签下贡献者最多的开源项目。tensorflow 是目前最受欢迎的项目,贡献者人数是第二名 scikit-learn 的 5 倍。前十名中的 explosion/spaCy 和 RasaHQ/rasa_nlu 项目聚焦于自然语言处理问题,CMU-Perceptual-Computing-Lab/openpose、thtrieu/darkflow、ageitgey/face_recognition 和 tesseract-ocr/tesseract 聚焦于图像处理问题。Julia 语言源代码也是 2018 年贡献者最多的项目之一。


原文链接:https://github.blog/2019-01-24-the-state-of-the-octoverse-machine-learning/

工程NumpyPython编程语言GitHubTensorFlow
3
相关数据
机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

Julia技术

Julia 是MIT设计的一个面向科学计算的高性能动态高级程序设计语言,项目大约于2009年中开始,2018年8月JuliaCon2018 发布会上发布Julia 1.0。据介绍,Julia 目前下载量已经达到了 200 万次,且 Julia 社区开发了超过 1900 多个扩展包。这些扩展包包含各种各样的数学库、数学运算工具和用于通用计算的库。除此之外,Julia 语言还可以轻松使用 Python、R、C/C++ 和 Java 中的库,这极大地扩展了 Julia 语言的使用范围。

数据科学技术

数据科学,又称资料科学,是一门利用数据学习知识的学科,其目标是通过从数据中提取出有价值的部分来生产数据产品。它结合了诸多领域中的理论和技术,包括应用数学、统计、模式识别、机器学习、数据可视化、数据仓库以及高性能计算。数据科学通过运用各种相关的数据来帮助非专业人士理解问题。

TensorFlow技术

TensorFlow是一个开源软件库,用于各种感知和语言理解任务的机器学习。目前被50个团队用于研究和生产许多Google商业产品,如语音识别、Gmail、Google 相册和搜索,其中许多产品曾使用过其前任软件DistBelief。

大数据技术技术

大数据,又称为巨量资料,指的是传统数据处理应用软件不足以处理它们的大或复杂的数据集的术语。

图像处理技术

图像处理是指对图像进行分析、加工和处理,使其满足视觉、心理或其他要求的技术。 图像处理是信号处理在图像领域上的一个应用。 目前大多数的图像均是以数字形式存储,因而图像处理很多情况下指数字图像处理。

推荐文章
暂无评论
暂无评论~