NumPy on põhiline avatud lähtekoodiga Pythoni teek numbriliseks arvutamiseks. See pakub mitmemõõtmelisi massiive ning kiireid funktsioone lineaarse algebra, statistika ja juhuslike arvude jaoks, mille tuum töötab kompileeritud koodis. Paljud andmeanalüüsi ja masinõppe tööriistad, näiteks pandas, scikit-learn ja arvukad visualiseerimisteegid, on ehitatud NumPy peale. Pythonis andmetega töötav inimene kasutab seda seega peaaegu alati, otse või kaudselt.
pandas on avatud lähtekoodiga Pythoni teek tabeliandmete analüüsimiseks ja töötlemiseks, mida arendab alates 2008. aastast Wes McKinney. Selle keskne objekt DataFrame sarnaneb nimega veergudega tabelile. Sellega saab laadida andmeid CSV-failidest, Excelist või andmebaasidest ning neid puhastada, filtreerida, rühmitada ja ühendada. pandas põhineb NumPy-l ning on andmeanalüüsis, aruandluses ja treeningandmete ettevalmistamisel standardne tööriist.
Scikit-learn on avatud lähtekoodiga Pythoni teek klassikalise masinõppe jaoks. See pakub ühtseid tööriistu klassifitseerimiseks, regressiooniks, klasterdamiseks, mõõtmelisuse vähendamiseks, andmete eeltöötluseks ja mudeli hindamiseks, näiteks ristvalideerimiseks. NumPy ja SciPy peale ehitatuna on see lihtsa ja ühtse liidese tõttu laialdaselt kasutusel hariduses, teaduses ja praktikas. Sügavate närvivõrkude jaoks valitakse tavaliselt hoopis sellised raamistikud nagu PyTorch või TensorFlow.
Jupyter Notebook on Project Jupyteri avatud lähtekoodiga brauseripõhine rakendus, mis ühendab käivitatava koodi, tulemused, diagrammid ja selgitava teksti ühes dokumendis. Märkmikke kasutatakse laialdaselt andmeanalüüsis, masinõppes, uurimistöös ja õpetamisel, sest iga sammu saab dokumenteerida ja jagada jälgitaval viisil. Python on kõige levinum keel. Näide: analüütik laadib müügiandmed, puhastab need ja näitab tulemusi otse allpool diagrammina.
TensorFlow on Google'i välja töötatud ja 2015. aastal avaldatud avatud lähtekoodiga masinõppe raamistik. Seda kasutatakse närvivõrkude ehitamiseks, treenimiseks ja kasutuselevõtuks rakendustes, serverites või mobiilseadmetes. Keras pakub ligipääsetavat kõrgetasemelist liidest; tüüpilised kasutusalad on piltide klassifitseerimine, prognoosimine ja soovitussüsteemid.
