[[376677]]

當(dāng)你發(fā)愁找不到合適的開源項目時，有人已經(jīng)悄悄地整理好了。今天要介紹的這個 GitHub 項目提供了大量機(jī)器學(xué)習(xí) Python 庫，覆蓋機(jī)器學(xué)習(xí)框架、數(shù)據(jù)可視化、強(qiáng)化學(xué)習(xí)等多個領(lǐng)域，而且項目作者還對每個類別中的項目做了排名，每周進(jìn)行更新。

項目地址：https://github.com/ml-tooling/best-of-ml-python

該列表目前包含 820 個開源項目，覆蓋 32 個類別，所有項目的 star 量共計 260 萬。每個類別中的項目均按照項目質(zhì)量分?jǐn)?shù)進(jìn)行排序，計算方式基于從 GitHub 和不同軟件包管理器自動收集的多個指標(biāo)。

該列表覆蓋了機(jī)器學(xué)習(xí)框架、數(shù)據(jù)可視化等 32 個類別，每個類別包含 1-82 個項目不等。

此外，每個項目均帶有質(zhì)量排名標(biāo)記（圖片）、star 量和簡短的項目簡介。點擊文字，你可以在下拉列表中看到該項目在不同平臺上的鏈接、簡介和安裝命令行。以機(jī)器學(xué)習(xí)框架 TensorFlow 為例：

你可以通過 GitHub、PyPi、Conda 和 Docker Hub 進(jìn)行安裝，還能通過每個子項目后括號中的文字了解其基本信息，如下載量、star 量、最新更新時間等。

為了方便用戶快速理解這些信息，該項目作者提供了簡單的符號解釋：

縱觀所有分類，我們可以發(fā)現(xiàn)這些項目囊括了從框架、數(shù)據(jù)資源、數(shù)據(jù)處理流程到實驗跟蹤的整個流程，AutoML、強(qiáng)化學(xué)習(xí)、推薦系統(tǒng)等人工智能分支領(lǐng)域，以及 GPU、Tensorflow、Sklearn、Pytorch 實用程序。

通過這個 GitHub 項目，用戶可以快速獲取多個領(lǐng)域的開源資源，追蹤熱門項目和新進(jìn)展。感興趣的讀者，可以一試。