この記事はAI新メディアQuantum Bit（公開アカウントID：QbitAI）より許可を得て転載しています。転載の際は出典元にご連絡ください。

機械学習やデータサイエンスに Python を使用するには、多くの関連情報が必要です。さまざまなライブラリやツールが一般的に使用され、頻繁に検索され、頻繁にチェックされます。

最近、ウィーンのデータ サイエンティストである Florian Rohrer 氏が、この種の関連情報を Python 機械学習ツールのコレクションにまとめました。これを参考にしてコレクションを更新することができます。

40以上のプロジェクト

リスト全体には 40 を超えるコンテンツのカテゴリが含まれています。

コアツール、Pandas と Jupyter、テキスト抽出、ビッグデータ、統計、特徴抽出、視覚化、地理ツール、推奨システム、決定木、NLP、CV、ニューラルネットワーク、GPU、クラスタリング、機械学習の解釈可能性、強化学習...

具体的には何ですか?たとえば、いくつかのコアツール:

pandas や scikit-learn などのよく使用されるライブラリが利用可能で、GitHub または公式 Web サイトのページへの直接リンクが用意されています。

もう 1 つの例は視覚化部分です。

3D レンダリングを生成できる physt を含む:

さまざまな統計チャートを作成するための Yellowbrick:

PPT を作成する場合にも非常に便利です。

リソースリストコレクション

さらに、プロジェクトの貢献者は、GitHub 上のいくつかの優れたリソース リストも推奨しました。

ほとんどが数百、数千の星が付いたリソースリストですが、awesome-machine-learning のように数万の星が付いた定番コンテンツも多数あります。

さまざまな言語のプロジェクトがあり、本当に素晴らしいです。

よく使われるコード

***、「よく Google で検索されるコンテンツ」というセクションもあります。

役に立つかもしれないコード:

ポータル

***、リソースポータルはこちらです:

https://github.com/r0f1/datascience