通过这5个具有挑战性的开源机器学习项目，正确地开始2020年的学习吧！这些机器学习项目涵盖了广泛的领域，包括Python编程和NLP。
越来越多的人正在寻找一种过渡到数据科学的方法。无论是应届大学毕业生，还是该行业相对较新的参与者，还是中级专业人员，还是只是对机器学习感到好奇的人，每个人都希望从数据科学中分一杯羹。
我挑选了5个开源机器学习项目（于2020年1月创建），让你熟悉最新的最新框架和库。 你会看到从自然语言处理（NLP）到Python编程的所有内容。
1、Reformer– PyTorch中的高效迁移
Transformer体系结构改变了自然语言处理（NLP）格局。 它催生了许多NLP框架，例如BERT，XLNet，GPT-2等。
但是有一个问题，我敢肯定，你们中的大多数都将与之相关–这些以变压器为动力的模型很大。 他们取得了最先进的结果，但价格太昂贵，超出了大多数想要学习和实施它们的人们的范围。该项目的作者提供了一个简单而有效的示例以及整个代码，以帮助您构建自己的模型。
2、PandaPy –最受欢迎的Python库
上周我发现了PandaPy，并且已经在我当前的项目中使用了它。 这是一个迷人的Python库，具有成为主流的巨大潜力。
如果您正在使用混合数据类型（int，float，datetime，str等）进行机器学习项目，则应尝试使用PandaPy而不是Pandas。 对于这些数据类型，它消耗的内存比Pandas少大约三分之一！
这是您会发现有趣的三个关键领域（我从PandaPy GitHub存储库中逐字逐句地总结了这些观点）：
1）对于小型数据集（即加号，多号，对数）的简单计算，PandaPy比Pandas快25倍-80倍
2）对于小型数据集上的表函数（即组，枢纽，放置，连接，填充，填充），PandaPy比Pandas快5倍-100倍。
3）对于大多数使用小数据的用例，PandaPy比Dask，Modin Ray和Pandas快
3、Google Earth Engine – 300多个Jupyter笔记本可分析地理空间数据
多么出色的GitHub存储库！ 我有很多有抱负的数据科学家在社交平台上与我联系，询问如何开始进行地理空间分析。 这是一个非常有趣的领域，提供了PB级的数据。 我们只需要一种结构化的方法来清理和分析它。这个惊人的资料库是300多个Jupyter笔记本的集合，其中包含使用Google Earth Engine数据的示例。
这些笔记本依靠三个Python库来执行代码：
- Earth Engine Python API
- Folium
- Geehydro
GitHub存储库包含大量带有Python代码的示例，以帮助新手入门。
4、Automated Visual Analytics 自动化视觉分析
这是为新手提供的另一种高质量的数据可视化创意。 在没有任何实质性框架的情况下，使数据探索步骤自动化的想法已经浮出了一段时间。 Automated Visual Analytics 旨在使视觉分析由AI驱动和自动化。
5、Fast Neptune–加速机器学习项目
如今，无论是在研究领域还是行业中，可重复性都是任何机器学习项目的关键方面。 我们需要跟踪我们执行的每个测试，每个迭代，我们的机器学习模型的每个参数以及结果。
Fast Neptune库使我们能够快速记录启动机器学习实验所需的所有信息。 换句话说，Fast Neptune是您在阅读以上段落时可能会问到的可重复性问题的答案。
以下是Fast Neptune用来帮助我们进行快速实验的功能：
- 有关运行代码的计算机的元数据，包括操作系统和操作系统版本
- 运行实验的笔记本的要求
- 体验期间使用的参数，表示要跟踪的变量的值的名称
- 在运行期间要记录的代码
最先进的技术持续快速发展，对于新来者来说，如何跟上进度，势必会变得不知所措。stay hungry！
