NumPy on Pythonin keskeinen avoimen lähdekoodin kirjasto numeeriseen laskentaan. Se tarjoaa monimuotoisia taulukoita sekä nopeita funktioita lineaarialgebraan, tilastotieteeseen ja satunnaislukuihin, ja sen ydin toimii käännetyllä koodilla. Monet data-analyysi- ja koneoppimistyökalut, kuten pandas, scikit-learn ja lukuisat visualisointikirjastot, rakentuvat NumPyn varaan. Datan parissa Pythonilla työskentelevä käyttää sitä siksi lähes aina, suoraan tai välillisesti.
Agentit, työnkulut ja mallit yhdessä työtilassa – maksuton 24 tunnin demo.
Aloita demopandas on avoimen lähdekoodin Python-kirjasto taulukkomuotoisen datan analysointiin ja muokkaamiseen, ja Wes McKinney on kehittänyt sitä vuodesta 2008 alkaen. Sen keskeinen objekti, DataFrame, muistuttaa taulukkoa, jossa on nimetyt sarakkeet. Sillä voi ladata dataa CSV-tiedostoista, Excelistä tai tietokannoista sekä puhdistaa, suodattaa, ryhmitellä ja yhdistää sitä. pandas rakentuu NumPyn varaan ja on vakiotyökalu data-analyysissa, raportoinnissa ja opetusdatan valmistelussa.
Scikit-learn on avoimen lähdekoodin Python-kirjasto klassiseen koneoppimiseen. Se tarjoaa yhtenäiset työkalut luokitteluun, regressioon, klusterointiin, ulottuvuuksien vähentämiseen, datan esikäsittelyyn ja mallien arviointiin, kuten ristiinvalidointiin. NumPyn ja SciPyn varaan rakennettuna sitä käytetään laajasti opetuksessa, tutkimuksessa ja käytännössä yksinkertaisen, yhtenäisen rajapintansa ansiosta. Syviin neuroverkkoihin valitaan yleensä sen sijaan kehyksiä, kuten PyTorch tai TensorFlow.
Jupyter Notebook on Project Jupyterin avoimen lähdekoodin, selaimessa toimiva sovellus, joka yhdistää suoritettavan koodin, tulokset, kaaviot ja selittävän tekstin yhdeksi dokumentiksi. Muistikirjoja käytetään laajasti data-analyysissä, koneoppimisessa, tutkimuksessa ja opetuksessa, koska jokainen vaihe voidaan dokumentoida ja jakaa jäljitettävästi. Python on yleisin kieli. Esimerkki: analyytikko lataa myyntidatan, puhdistaa sen ja näyttää tulokset kaaviona suoraan sen alla.
TensorFlow on Googlen kehittämä ja vuonna 2015 julkaistu avoimen lähdekoodin koneoppimiskehys. Sillä rakennetaan, opetetaan ja otetaan käyttöön neuroverkkoja sovelluksissa, palvelimilla tai mobiililaitteilla. Keras tarjoaa helppokäyttöisen korkean tason rajapinnan; tyypillisiä käyttökohteita ovat kuvien luokittelu, ennustaminen ja suosittelujärjestelmät.
