NumPy è la libreria Python open source di base per il calcolo numerico. Mette a disposizione array multidimensionali e funzioni veloci per algebra lineare, statistica e numeri casuali, con un nucleo eseguito in codice compilato. Molti strumenti di analisi dei dati e di machine learning, come pandas, scikit-learn e numerose librerie di visualizzazione, si basano su NumPy. Chi lavora con i dati in Python lo usa quindi quasi sempre, direttamente o indirettamente.
Agenti, flussi e modelli in un’unica area di lavoro – demo gratuita di 24 ore.
Avvia demopandas è una libreria Python open source per analizzare e manipolare dati tabellari, sviluppata a partire dal 2008 da Wes McKinney. Il suo oggetto centrale, il DataFrame, somiglia a una tabella con colonne denominate. Permette di importare dati da CSV, Excel o database e di pulirli, filtrarli, raggrupparli e unirli. pandas si basa su NumPy ed è uno strumento standard per analisi dei dati, reportistica e preparazione dei dati di addestramento.
Scikit-learn è una libreria Python open source per l'apprendimento automatico classico. Offre strumenti uniformi per classificazione, regressione, clustering, riduzione della dimensionalità, pre-elaborazione dei dati e valutazione dei modelli, ad esempio la convalida incrociata. Basata su NumPy e SciPy, è molto diffusa in formazione, ricerca e pratica grazie alla sua interfaccia semplice e coerente. Per le reti neurali profonde si usano invece di solito framework come PyTorch o TensorFlow.
Jupyter Notebook è un'applicazione open source basata su browser, nata dal Progetto Jupyter, che combina in un unico documento codice eseguibile, risultati, grafici e testo esplicativo. I notebook sono diffusi in analisi dei dati, machine learning, ricerca e didattica, perché permettono di documentare e condividere ogni passaggio in modo tracciabile. Il linguaggio più usato è Python. Esempio: un analista carica dati di vendita, li pulisce e mostra subito sotto i risultati in un grafico.
TensorFlow è un framework open source per l'apprendimento automatico sviluppato da Google e pubblicato nel 2015. Serve a costruire, addestrare e mettere in produzione reti neurali in applicazioni, su server o su dispositivi mobili. Con Keras offre un'interfaccia di alto livello facile da usare; impieghi tipici sono la classificazione di immagini, le previsioni e i sistemi di raccomandazione.
