SigmaPolarisCEO表示 ， Pandas可能是最有价值的工具之一 ， 尤其是在与外部开发人员合作进行各种项目时 。 所有的数据以数据框架的形式存在 ， 协作更加流畅 ， 减少了不必要的麻烦 。
提到可视化 ， Matplotlib、Plotly是最多的选择 。
还有公司推荐了Dash ， 它是一个在Plotly图表为基础建立的交互式仪表盘的工具 ， 这对于用户来说更加友好 。
对于标准的机器学习问题 ， 大多数团队使用Scikit-Learn和XGBoost ， 尤其是Scikit-Learn 。
iSchoolConnect公司就解释道：
Scikit-Learn是机器学习研究人员、工程师和开发人员最常用的工具箱之一 。 你可以轻松获得你想要的东西 ， 这一点让人惊叹不已!对于深度学习框架而言 ， PyTorch、Tensorflow+Keras很受团队欢迎 。
而在具体的方向上 ， 比如NLP ， Huggingface、Spacy、Gensim是常用的工具 ， CV方面 ， OpenCV无疑是必需的了 。
MLOps
类似于DevOps ， 有人称 ， MLOps是用于机器学习的DevOps 。
MLOps是将模型集成并部署到生产系统中的所有工具 。
这包括模型被部署到哪里 ， 如何到达哪里 ， 如何被更大的软件/应用程序访问 ， 如何跟踪ML模型在现实世界中的性能 ， 以及如何对模型进行实时管理和测试 。
每个团队针对于自身的不同任务 ， 所使用的工具也不尽相同 。

文章图片
调查的结果如下：
编排：Kubeflow ， Airflow ， AmazonSagemaker ， Azure
模型包装/服务：Kubeflow ， MLflow ， AmazonSagemaker
模型从训练到推理的剖析和优化：pytest-benchmark、MLperf
实验管理：MLflow ， Comet ， Neptune
总的来说 ， 很多团队用Jupyter进行探索 ， 用Pycharm/VSCode进行开发 。
他们都喜欢GitHub ， Python语言使用的最多 。
对于深度学习框架 ， 他们更喜欢使用Tensorflow、Keras和Pytorch 。
值得注意的是 ， 越来越多的人开始使用高级的PyTorch训练框架 ， 如Lightning、Ignite、Catalyst、fastai和Skorch 。
在可视化探索方面 ， 人们使用matplotlib,plotly,altair和hiplot 。
对于实验跟踪 ， 团队通常使用如TensorBoard、MLflow和Sacred这些的开源软件包 。
【来源：量子位】
声明：转载此文是出于传递更多信息之目的 。 若有来源标注错误或侵犯了您的合法权益 ， 请作者持权属证明与本网联系 ， 我们将及时更正、删除 ， 谢谢 。 邮箱地址：newmedia@xxcb.cn

• 国际今日事|称“感觉好像中彩票”，美国男子在自家后花园发现一个大型游泳池
• 资讯早知道|9年后再看《步步惊心》，发现若曦无论跟谁都不会幸福
• 央视新闻客户端|宁夏首次在国际快件中发现易制毒化学品
• 【】河钢唐钢新区正式投产 河北钢铁产业区位调整取得关键性突破
• 央视新闻客户端|服贸会冬季运动专题引关注 冰雪产业进入发展快车道
• 央视网|直通服贸会 | 服贸冬季运动专题展：激发大众冰雪热情 助力冰雪产业发展
• 大众报业·海报新闻|海报时评丨推动新材料产业向更高端迈进
• 大众报业·海报新闻|山东新材料产业激活新动能——专访山东省新材料产业协会会长周传健，专访丨借鉴“华为模式”
• 宁夏首次在国际快件中发现易制毒化学品
• 服贸会冬季运动专题引关注 冰雪产业进入发展快车道