کتابخانه های هوش مصنوعی

کتابخانه در زبان برنامه نویسی

در حوزه برنامه نویسی مفهومی به نام کتابخانه وجود دارد که مجموعه ای از قطعه کدها و توابع از پیش نوشته را شامل می شود. توسعه دهندگان و برنامه نویسان می توانند از این کتابخانه ها در توسعه پروژه خود استفاده کنند بدون این که نیاز باشند قطعه کدهای آنها را خودشان صفر تا صد بنویسند.

توسعه دهندگان و برنامه نویسان برای توسعه پروژه های نرم افزاری خود به استفاده از کتابخانه های مرتبط با موضوع پروژه متکی هستند. استفاده از کتابخانه ها در توسعه پروژه های برنامه نویسی دارای مزیت های مهمی هستند. به عنوان مثال با بهره گیری از کتابخانه های زبان های برنامه نویسی می توان برنامه ها را به صورت ماژولار طراحی و قابلیت نگهداری برنامه را ساده تر کرد. با استفاده از کتابخانه های زبان برنامه نویسی نیاز به کدنویسی دستی نیست و این امر به توسعه دهندگان و برنامه نویسان کمک می کند تا در زمان بسیار کمتری، پروژه های خود را به اتمام برسانند و در هزینه های مالی پروژه صرفه جویی شود. کتابخانه ها الگوریتم های از پیش پیاده سازی شده را برای برنامه نویسان فراهم می کنند و این امر می تواند باعث شود افراد به جای درگیر شدن با نوشتن خط به خط قطعه کدهای الگوریتم ها، بر روی راه حل مسئله متمرکز شوند و زمان خود را صرف پیچیدگی های موجود برای پیاده سازی الگوریتم ها نکنند.

• scikit-learn
• Shogun
• xLearn
• Reproducible Experiment Platform (REP)
• modAL
• Sparkit-learn
• mlpack
• dlib
• MLxtend
• tick
• sklearn-extensions
• scikit-multilearn
• civisml-extensions
• tslearn
• seqlearn
• pystruct
• sklearn-expertsys
• skutil
• sklearn-crfsuite
• RuleFit
• metric-learn
• pyGAM
• luminol
• TPOT
• auto-sklearn
• MLBox
• ML-Ensemble
• brew
• Stacking
• stacked_generalization
• vecstack
• imbalanced-learn
• imbalanced-algorithms
• rpforest
• Random Forest Clustering
• sklearn-random-bits-forest
• rgf_python
• Python-ELM
• hpelm
• Python Extreme Learning Machine (ELM)
• pyFM
• fastFM
• tffm
• liquidSVM
• scikit-rvm
• XGBoost
• InfiniteBoost
• LightGBM
• TGBoost
• CatBoost

• Keras
• keras-contrib
• Hyperas
• Elephas
• Hera
• dist-keras
• Conx
• PyTorch
• torchvision
• torchtext
• torchaudio
• ignite
• PyToune
• skorch
• PyTorchNet
• Aorun
• pytorch_geometric
• TensorFlow
• TensorLayer
• TFLearn
• Sonnet
• TensorForce
• tensorpack
• Polyaxon
• Horovod
• tfdeploy
• hiptensorflow
• TensorFlow Fold
• tensorlm
• TensorLight
• Mesh TensorFlow
• Theano
• Lasagne
• nolearn
• Blocks
• platoon
• NeuPy
• scikit-neuralnetwork
• Theano-MPI
• MXNet
• Gluon
• MXbox
• gluon-cv
• gluon-nlp
• MXNet
• Caffe
• Caffe2
• hipCaffe
• CNTK
• Chainer
• ChainerRL
• ChainerCV
• ChainerMN
• scikit-chainer
• chainer_sklearn
• Neon
• Tangent
• autograd
• Myia
• nnabla

• Auralisation
• CapsNet-Visualization
• lucid
• Netron
• FlashLight
• anchor
• aequitas
• Contrastive Explanation
• yellowbrick
• shap
• scikit-plot
• ELI5
• Lime
• FairML
• PDPbox
• pyBreakDown
• PyCEbox
• Skater
• tensorflow/model-analysis
• themis-ml
• treeinterpreter

• OpenAI Gym

• PySpark
• Veles
• Jubatus
• DMTK
• PaddlePaddle
• dask-ml
• Distributed

• pomegranate
• pyro
• ZhuSuan
• PyMC
• PyMC3
• sampled
• Edward
• InferPy
• GPflow
• PyStan
• sklearn-bayes
• gelato
• sklearn-bayes
• bayesloop
• PyFlux
• skggm
• pgmpy
• skpro
• Aboleth
• PtStat
• PyVarInf
• emcee
• hsmmlearn
• pyhsmm
• GPyTorch
• Bayes

• gplearn
• DEAP
• karoo_gp
• monkeys
• sklearn-genetic

• Spearmint
• SMAC3
• Optunity
• hyperopt
• hyperopt-sklearn
• sklearn-deap
• sigopt_sklearn
• Bayesian Optimization
• SafeOpt
• scikit-optimize
• Solid
• PySwarms
• Platypus
• GPflowOpt
• POT
• Talos

• NLTK
• CLTK
• gensim
• PSI-Toolkit
• pyMorfologik
• skift
• Phonemizer

• librosa
• Yaafe
• aubio
• Essentia
• LibXtract
• Marsyas
• muda
• madmom

• OpenCV
• scikit-image
• imgaug
• imgaug_extension
• Augmentor
• albumentations

• Featuretools
• scikit-feature
• skl-groups
• Feature Forge
• boruta_py
• BoostARoota
• few
• scikit-rebate
• scikit-mdr
• tsfresh

• pandas
• sklearn-pandas
• alexander
• blaze
• pandasql
• pandas-gbq
• xpandas
• Fuel
• Arctic
• pdpipe
• SSPipe
• meza
• pandas-ply
• Dplython
• pysparkling
• quinn
• Dataset
• swifter

• statsmodels
• stockstats
• simplestatistics
• weightedcalcs
• scikit-posthocs
• pysie

• Sacred
• Xcessiv
• Persimmon

• Matplotlib
• seaborn
• Bokeh
• HoloViews
• Alphalens
• python-ternary
• Naarad

• kaggle-metrics
• Metrics
• sklearn-evaluation

• numpy
• Dask
• bottleneck
• minpy
• CuPy
• scikit-tensor
• numdifftools
• quaternion
• adaptive

• GeoPandas
• PySal

• QML

• sklearn-porter
• ONNX
• MMdnn

• Prophet
• Sktim
• tsfresh
• NeuralProphet
• STUMPY
• pmdarima
• tslearn
• Darts
• GluonTS
• Pytorch-forecasting
• StatsForecast
• Streamz
• Uber/orbit
• pyts
• NeuralForecast
• greykite
• TSFEL
• seglearn
• tick
• Auto_TS

• Deep Graph Library
• StellarGraph
• PyTorch Geometric
• NetworkX
• Spektral
• PyTorch-BigGraph

• SHAP
• Shapash
• Eli5
• LIME
• Anchors
• XAI
• BreakDown
• interpret-text
• iml
• aix360
• OmniXAI