虽然你可能认为机器学习只适合精通R、Python等语言的开发者，但你错了。
GitHub是一个在线代码库，汇集了10种最流行的机器学习编程语言。虽然Python高居榜首，但也有一些令人惊讶的地方。
在由web脚本语言演化而来的语言中，JavaScript排名第三，专注于数据科学的新人、Python的竞争对手Julia排名第六，Shell脚本捆绑在一起排名第七，最流行的大数据Scala排名第十。
根据GitHub的说法，排名是基于标记为机器学习相关的代码库中使用的主要语言。
它们几乎肯定不会反映哪种语言在机器学习中最常用。Kaggle最近对数据科学家的一项调查显示，Python是最受欢迎的语言，而R是他们最有可能在工作中使用的语言。
但是，如果你只懂JavaScript或者其他与机器学习联系较少的语言，而你想涉足计算机视觉或者自然语言处理领域，那么最好知道这至少是可能的。(注3360本文介绍了机器学习的十大编程语言，可以免费下载)。
根据GitHub网站的数据，这是GitHub上排名前十的机器学习语言。这篇文章也可以下载，GitHub上托管的十大机器学习语言(免费PDF)。
一个用于数据挖掘和数据分析的流行库，它实现了广泛的机器学习算法。
机器学习从零开始：机器学习模型和算法的基本实现。
ChatterBot:是一个用于创建聊天机器人的机器学习对话引擎
Tensorflow: Google广泛使用的机器学习框架，带有各种语言的API。
LightGBM:微软的梯度增强框架旨在帮助提高机器学习模型的训练速度和效率。
Flappy Learning:是一个学习如何玩臭名昭著的Flappy Bird游戏的程序。
模块AI :是一个拖放式所见即所得编辑器，旨在允许任何人创建机器学习模型(还需要安装Python和tensorflow)。
军情五处.Js:旨在通过在浏览器中提供对机器学习算法和模型的访问，使艺术家和非技术学生可以使用机器学习。
Smile:是一个快速全面的系统，可以用Java和Scala实现机器学习、NLP、线性代数、图形、插值和可视化。
H20:一个用于分布式和可扩展机器学习的内存平台，可以在现有的大数据基础设施、裸机或现有的Hadoop或Spark集群上运行。
EasyML:是一个基于数据流的通用系统，旨在使机器学习算法更容易应用于现实世界的任务。
ML Agent :Unity游戏引擎是一个开源的插件，它使游戏和模拟成为训练智能代理的环境。
Net:一个定向。Net是一个开源的、跨平台的机器学习框架。
协议。NET:一个是。NET为机器学习、统计学、人工智能、计算机视觉和图像处理方法提供了一个框架。
通量。Jl:是一个机器学习库，旨在提供一种简单直观的方法来定义模型。
Knet .Jl:是一个可以在gpu上运行的深度学习框架。它支持通过使用动态计算图来自动区分模型。
最富有的。Jl:提供了在Flux机器学习库上运行的计算机视觉模型。
Dl-machine:使用CUDA和深度学习的库来设置GPU执行计算的脚本。
各种机器学习工具的Dockerfile，旨在为各种机器学习工具包提供一个可访问和可复制的环境，重点是深度学习。
Docker-predictionio:基于预测的机器学习服务的Docker容器。
ML _ ML_for_Hackers: 《黑客机器学习》这本书附带的代码。
Benchmark -ml:是用于衡量计算机学习算法的常见开源实现的可扩展性、速度和准确性的最低基准。
R中的机器学习：这个框架为有监督的机器学习方法(如分类、回归和生存分析)和无监督的机器学习方法(如聚类)提供代码。
Windows Machine Learning : Windows ML提供了一个训练有素的机器学习模型，供开发者在用c#、C和JavaScript构建的Windows应用中使用。
机器学习.提供简单一致的api与机器学习模型和算法交互，教会用户如何使用机器学习算法。
猜猜看。提供了一些库来简化预测数据分析的使用，以改善用户在web上的体验。
Aerosolve:是一个机器学习库，最初的设计是为了对人类友好。
微软机器学习3360 for Apache Spark是一个为Apache Spark设计的工具，Apache Spark是一个分布式计算框架。
CPU和gpu加速的机器学习库。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！