NumPy je základní open-source knihovna pro Python určená k numerickým výpočtům. Nabízí vícerozměrná pole a rychlé funkce pro lineární algebru, statistiku a náhodná čísla, přičemž jádro běží ve zkompilovaném kódu. Na NumPy je postavena řada nástrojů pro analýzu dat a strojové učení, například pandas, scikit-learn a mnoho knihoven pro vizualizaci. Kdo v Pythonu pracuje s daty, používá ji tedy téměř vždy, přímo či nepřímo.
Agenti, postupy a šablony v jednom pracovním prostoru – 24hodinové demo zdarma.
Spustit demopandas je open-source knihovna pro Python určená k analýze a úpravě tabulkových dat, kterou od roku 2008 vyvíjí Wes McKinney. Jejím ústředním objektem je DataFrame, který připomíná tabulku s pojmenovanými sloupci. Lze s ní načítat data ze souborů CSV, z Excelu nebo z databází a čistit je, filtrovat, seskupovat a spojovat. pandas je postavena na NumPy a je standardním nástrojem při analýze dat, reportingu a přípravě trénovacích dat.
Scikit-learn je open-source knihovna pro Python určená ke klasickému strojovému učení. Nabízí jednotné nástroje pro klasifikaci, regresi, shlukování, redukci dimenzionality, předzpracování dat a hodnocení modelů, například křížovou validaci. Je postavena na NumPy a SciPy a díky jednoduchému, jednotnému rozhraní je široce rozšířená ve vzdělávání, výzkumu i praxi. Pro hluboké neuronové sítě se obvykle volí frameworky jako PyTorch nebo TensorFlow.
Jupyter Notebook je open-source aplikace běžící v prohlížeči od projektu Project Jupyter, která v jednom dokumentu spojuje spustitelný kód, výsledky, grafy a vysvětlující text. Notebooky se široce používají v analýze dat, strojovém učení, výzkumu a výuce, protože každý krok lze dokumentovat a sdílet srozumitelným způsobem. Nejběžnějším jazykem je Python. Příklad: analytik načte data o prodeji, vyčistí je a výsledky zobrazí jako graf přímo pod nimi.
TensorFlow je open-source framework pro strojové učení, který vyvinul Google a vydal v roce 2015. Používá se k tvorbě, trénování a nasazení neuronových sítí v aplikacích, na serverech nebo na mobilních zařízeních. Keras nabízí přístupné vysokoúrovňové rozhraní; typické využití zahrnuje klasifikaci obrázků, předpovědi a doporučovací systémy.
