NumPy er det grundlæggende open source Python-bibliotek til numeriske beregninger. Det leverer flerdimensionale arrays og hurtige funktioner til lineær algebra, statistik og tilfældige tal, hvor kernen kører i kompileret kode. Mange værktøjer til dataanalyse og machine learning, som pandas, scikit-learn og talrige visualiseringsbiblioteker, bygger på NumPy. Den, der arbejder med data i Python, bruger det derfor næsten altid, direkte eller indirekte.
pandas er et open source Python-bibliotek til analyse og bearbejdning af tabeldata, udviklet fra 2008 af Wes McKinney. Dets centrale objekt, DataFrame, ligner en tabel med navngivne kolonner. Med det kan man indlæse data fra CSV-filer, Excel eller databaser og rense, filtrere, gruppere og samle dem. pandas bygger på NumPy og er et standardværktøj inden for dataanalyse, rapportering og forberedelse af træningsdata.
Scikit-learn er et open source Python-bibliotek til klassisk machine learning. Det leverer ensartede værktøjer til klassifikation, regression, clustering, dimensionsreduktion, databehandling før modellering og modelevaluering, f.eks. krydsvalidering. Bygget på NumPy og SciPy er det udbredt i uddannelse, forskning og praksis takket være sin enkle, ensartede grænseflade. Til dybe neurale netværk vælger man som regel frameworks som PyTorch eller TensorFlow i stedet.
Jupyter Notebook er en open source-applikation fra Project Jupyter, der kører i browseren og samler eksekverbar kode, resultater, diagrammer og forklarende tekst i ét dokument. Notebooks er udbredt inden for dataanalyse, maskinlæring, forskning og undervisning, fordi hvert trin kan dokumenteres og deles på en sporbar måde. Python er det mest almindelige sprog. Eksempel: En analytiker indlæser salgsdata, renser dem og viser resultaterne som et diagram lige nedenunder.
TensorFlow er et open source machine learning-framework udviklet af Google og udgivet i 2015. Det bruges til at bygge, træne og udrulle neurale netværk i applikationer, på servere eller på mobile enheder. Keras giver en tilgængelig grænseflade på højt niveau; typiske anvendelser er billedklassifikation, prognoser og anbefalingssystemer.
