Avis et détails du produit machine-learning in Python

Les packages comme Sci-kit learn et Keras sont très utiles pour un déploiement rapide dans la chaîne de production. L'apprentissage profond en vision par ordinateur montre un résultat considérable. Avec une grande quantité de données, les frameworks de machine learning en Python nous aident à développer plus rapidement et à réduire notre temps de développement. Les frameworks comme Tensorflow, caffe, pytorch sont très efficaces dans le développement et le déploiement de l'apprentissage profond. Avis collecté par et hébergé sur G2.com.

Quand nous avons une grande quantité de données, il est nécessaire de l'analyser avant de l'utiliser pour le développement. Ici, dans l'apprentissage automatique en Python, il n'y a pas de bon cadre d'analyse de données en python. Je n'aime pas python parce que son temps de développement est très élevé. Avis collecté par et hébergé sur G2.com.

C'est une amalgamation de toutes sortes d'algorithmes d'apprentissage automatique ainsi que de leurs exemples et tutoriels est la meilleure chose. C'est très bien documenté, ce qui le rend facile à mettre en œuvre. C'est également convivial. Avis collecté par et hébergé sur G2.com.

Il a fourni de nombreuses méthodes de mise en œuvre, ce qui est assez bon mais suscite en même temps trop de confusion. Donc, il faut faire des recherches pour savoir laquelle choisir parmi les options disponibles. Avis collecté par et hébergé sur G2.com.

J'aime la simplicité d'utilisation de Python ainsi que le nombre de bibliothèques déjà existantes pour aider à réduire le temps de développement. Avis collecté par et hébergé sur G2.com.

La seule chose que je n'aime vraiment pas, c'est quand ils mettent à jour la version de Python et que vous vous retrouvez avec des codes qui ne fonctionnent que sur certaines versions. Cela devient votre travail de mettre à jour ou de réduire la syntaxe du code en fonction de la version que vous utilisez. Avis collecté par et hébergé sur G2.com.

Beaucoup de modules disponibles pour l'apprentissage automatique, il suffit de préparer les données selon les besoins et ensuite les modules s'occupent de l'algorithme. Avis collecté par et hébergé sur G2.com.

Préparation des données pour l'entraînement de l'algorithme Avis collecté par et hébergé sur G2.com.

On dit que former un réseau est très difficile en apprentissage automatique, mais si on le fait avec Python, cela devient plus facile. Avis collecté par et hébergé sur G2.com.

Il n'y a rien que je n'aime pas dans le fait de faire de l'apprentissage automatique en Python. Avis collecté par et hébergé sur G2.com.

C'est facile à utiliser. Beaucoup de documentation en ligne. Avis collecté par et hébergé sur G2.com.

Actuellement, rien. Je le préfère à Matlab ou R. Avis collecté par et hébergé sur G2.com.

Il existe de nombreux scripts et packages Python bien documentés, de bon sens et facilement implémentables pour l'apprentissage automatique. Scikit-learn propose des tutoriels incroyables pour l'apprentissage de concepts, l'apprentissage de fonctions ou le « modélisation prédictive », ainsi que le regroupement et la recherche de motifs prédictifs. Avec le langage Python lui-même, il est facile de comprendre comment utiliser l'algorithme Kmeans et d'implémenter des aspects de l'apprentissage automatique avec vos propres données. Avis collecté par et hébergé sur G2.com.

Commencer peut être difficile ! Les tutoriels peuvent être difficiles à trouver, surtout si vous n'êtes pas habitué à utiliser des langages open-source comme Python. Avis collecté par et hébergé sur G2.com.

Python est l'un des langages de programmation les plus populaires pour résoudre les problèmes associés à l'apprentissage automatique. Les bibliothèques Python comme Keras, Theanos, TensorFlow et Scikit-Learn ont rendu la programmation de l'apprentissage automatique relativement facile. Avis collecté par et hébergé sur G2.com.

Parfois, à cause des données, l'IDE Python se bloque. Avis collecté par et hébergé sur G2.com.

L'apprentissage automatique avec Python est très facile à configurer. Une fois que vous avez téléchargé Python, en supposant que vous le téléchargiez avec Spyder et Anaconda, tout sera pré-emballé. Pour les personnes ayant des connaissances en codage amateur comme moi, chaque fois que je rencontre un obstacle, je peux aller en ligne et trouver des solutions. Avis collecté par et hébergé sur G2.com.

Contrairement à Tableau, il n'y a pas de plateforme officielle, du moins je n'ai pas pu en trouver une. De plus, il y a beaucoup trop de packages pour l'apprentissage automatique. Vous devez faire vos recherches pour savoir lequel est adapté à votre situation. Avis collecté par et hébergé sur G2.com.

Étant donné l'énorme montant d'investissement que différentes entreprises ont fait sur Python pour l'apprentissage automatique, il existe de très bons outils disponibles pour toutes sortes d'algorithmes d'apprentissage automatique en Python. Presque tous les cadres de réseaux neuronaux profonds sont écrits principalement pour Python ou ont un wrapper Python. La bibliothèque SciPy fournit tout ce dont vous avez besoin pour effectuer la plupart des travaux d'algorithmes d'apprentissage automatique de base. Avis collecté par et hébergé sur G2.com.

Contrairement à MATLAB, différentes entreprises développent des outils pour Python. Il y a toujours de nouvelles bibliothèques qui sont incompatibles avec d'autres. Je n'upgrade généralement pas vers une nouvelle version d'une bibliothèque jusqu'à ce que quelque chose cesse de fonctionner. Avis collecté par et hébergé sur G2.com.