Recensioni e Dettagli del Prodotto machine-learning in Python

Pacchetti come Sci-kit learn e Keras sono molto utili per un rapido dispiegamento nella linea di produzione. Il Deep Learning nella visione artificiale mostra risultati considerevoli. Con una grande quantità di dati, i framework di Machine Learning in Python ci aiutano a sviluppare più velocemente e a ridurre il nostro tempo di sviluppo. Framework come Tensorflow, caffe, pytorch sono molto efficaci nello sviluppo e nel dispiegamento del deep learning. Recensione raccolta e ospitata su G2.com.

Quando abbiamo una grande quantità di dati, è necessario analizzarli prima di utilizzarli per lo sviluppo. Qui in Python Machine Learning, non c'è un buon framework di analisi dei dati in python. Non mi piace python perché il suo tempo di sviluppo è molto alto. Recensione raccolta e ospitata su G2.com.

È l'amalgama di tutti i tipi di algoritmi di apprendimento automatico insieme ai loro esempi e tutorial che è la cosa migliore. È molto ben documentato, il che lo rende facile da implementare. È anche facile da usare. Recensione raccolta e ospitata su G2.com.

Ha fornito molti metodi di implementazione che sono piuttosto buoni, ma allo stesso tempo generano troppa confusione. Quindi è necessario fare qualche ricerca per decidere quale opzione scegliere tra quelle disponibili. Recensione raccolta e ospitata su G2.com.

Mi piace quanto sia semplice usare Python e la quantità di librerie già esistenti che aiutano a ridurre il tempo di sviluppo. Recensione raccolta e ospitata su G2.com.

L'unica cosa che davvero non mi piace è quando aggiornano la versione di Python e ti ritrovi con codici che funzionano solo su certe versioni. Diventa quindi il tuo compito aggiornare o ridurre la sintassi del codice a seconda della versione che stai usando. Recensione raccolta e ospitata su G2.com.

Sono disponibili molti moduli per l'apprendimento automatico, basta preparare i dati secondo le esigenze e poi i moduli si occupano dell'algoritmo. Recensione raccolta e ospitata su G2.com.

Preparazione dei dati per l'addestramento dell'algoritmo Recensione raccolta e ospitata su G2.com.

Si dice che addestrare una rete sia molto difficile nel machine learning, ma se lo fai tramite Python, diventa più facile. Prova, rimarrai stupito. Recensione raccolta e ospitata su G2.com.

Non c'è nulla che non mi piaccia nel fare machine learning in Python Recensione raccolta e ospitata su G2.com.

È facile da usare. Molta documentazione online. Recensione raccolta e ospitata su G2.com.

Attualmente, niente. Lo preferisco a Matlab o R. Recensione raccolta e ospitata su G2.com.

Ci sono così tanti script e pacchetti Python ben documentati, di buon senso e facilmente implementabili per l'apprendimento automatico. Scikit-learn ha dei tutorial straordinari, per l'apprendimento dei concetti, l'apprendimento delle funzioni o il "modello predittivo", e il clustering e la ricerca di schemi predittivi. Con il linguaggio Python stesso, è facile capire come utilizzare l'algoritmo Kmeans e implementare aspetti dell'apprendimento automatico con i propri dati. Recensione raccolta e ospitata su G2.com.

Iniziare può essere difficile! I tutorial possono essere difficili da trovare, specialmente se non sei abituato a usare linguaggi open-source come Python. Recensione raccolta e ospitata su G2.com.

Python è uno dei linguaggi di programmazione più popolari per risolvere i problemi associati all'apprendimento automatico. Le librerie Python come Keras, Theanos, TensorFlow e Scikit-Learn hanno reso la programmazione dell'apprendimento automatico relativamente facile. Recensione raccolta e ospitata su G2.com.

A volte a causa dei dati l'IDE di Python si blocca. Recensione raccolta e ospitata su G2.com.

L'apprendimento automatico con Python è molto facile da configurare. Una volta scaricato Python, supponendo che tu lo scarichi con Spyder e Anaconda, tutto sarà preconfezionato. Per persone con conoscenze di programmazione amatoriali come me, ogni volta che incontro un ostacolo, sono in grado di andare online e trovare soluzioni. Recensione raccolta e ospitata su G2.com.

A differenza di Tableau, non esiste una piattaforma ufficiale, almeno non sono riuscito a trovarne una. Inoltre, ci sono troppi pacchetti per l'apprendimento automatico. Devi fare le tue ricerche per sapere quale è adatto al tuo scenario. Recensione raccolta e ospitata su G2.com.

Dato l'enorme investimento che diverse aziende hanno fatto su Python per l'apprendimento automatico, ci sono strumenti davvero validi disponibili per tutti i tipi di algoritmi di apprendimento automatico in Python. Quasi ogni framework di reti neurali profonde è scritto principalmente per Python o ha un wrapper per Python. La libreria SciPy fornisce tutto il necessario per eseguire la maggior parte del lavoro sugli algoritmi di apprendimento automatico di base. Recensione raccolta e ospitata su G2.com.

A differenza di MATLAB, diverse aziende stanno sviluppando strumenti per Python. Ci sono sempre nuove librerie che sono incompatibili con altre. Di solito non aggiorno a una nuova versione di una libreria finché qualcosa non smette di funzionare. Recensione raccolta e ospitata su G2.com.