1. Scikit-learn

　　www.github.com/scikit-learn/scikit-learn

　　Scikit-learn 是基于Scipy為機(jī)器學(xué)習(xí)建造的的一個(gè)Python模塊，他的特色就是多樣化的分類，回歸和聚類的算法包括支持向量機(jī)，邏輯回歸，樸素貝葉斯分類器，隨機(jī)森林，Gradient Boosting，聚類算法和DBSCAN。而且也設(shè)計(jì)出了Python numerical和scientific libraries Numpy and Scipy

　　2.Pylearn2

　　www.github.com/lisa-lab/pylearn2

　　Pylearn是一個(gè)讓機(jī)器學(xué)習(xí)研究簡(jiǎn)單化的基于Theano的庫程序。

　　3.NuPIC

　　www.github.com/numenta/nupic

　　NuPIC是一個(gè)以HTM學(xué)習(xí)算法為工具的機(jī)器智能平臺(tái)。HTM是皮層的精確計(jì)算方法。HTM的核心是基于時(shí)間的持續(xù)學(xué)習(xí)算法和儲(chǔ)存和撤銷的時(shí)空模式。NuPIC適合于各種各樣的問題,尤其是檢測(cè)異常和預(yù)測(cè)的流數(shù)據(jù)來源。

　　4. Nilearn

　　www.github.com/nilearn/nilearn

　　Nilearn 是一個(gè)能夠快速統(tǒng)計(jì)學(xué)習(xí)神經(jīng)影像數(shù)據(jù)的Python模塊。它利用Python語言中的scikit-learn 工具箱和一些進(jìn)行預(yù)測(cè)建模，分類，解碼，連通性分析的應(yīng)用程序來進(jìn)行多元的統(tǒng)計(jì)。

　　5.PyBrain

　　www.github.com/pybrain/pybrain

　　Pybrain是基于Python語言強(qiáng)化學(xué)習(xí)，人工智能，神經(jīng)網(wǎng)絡(luò)庫的簡(jiǎn)稱。 它的目標(biāo)是提供靈活、容易使用并且強(qiáng)大的機(jī)器學(xué)習(xí)算法和進(jìn)行各種各樣的預(yù)定義的環(huán)境中測(cè)試來比較你的算法。

　　6.Pattern

　　www.github.com/clips/pattern

　　Pattern 是Python語言下的一個(gè)網(wǎng)絡(luò)挖掘模塊。它為數(shù)據(jù)挖掘，自然語言處理，網(wǎng)絡(luò)分析和機(jī)器學(xué)習(xí)提供工具。它支持向量空間模型、聚類、支持向量機(jī)和感知機(jī)并且用KNN分類法進(jìn)行分類。

　　7.Fuel

　　www.github.com/mila-udem/fuel

　　Fuel為你的機(jī)器學(xué)習(xí)模型提供數(shù)據(jù)。他有一個(gè)共享如MNIST, CIFAR-10 (圖片數(shù)據(jù)集), Google's One Billion Words (文字)這類數(shù)據(jù)集的接口。你使用他來通過很多種的方式來替代自己的數(shù)據(jù)。

　　8.Bob

　　www.github.com/idiap/bob

　　Bob是一個(gè)免費(fèi)的信號(hào)處理和機(jī)器學(xué)習(xí)的工具。它的工具箱是用Python和C++語言共同編寫的，它的設(shè)計(jì)目的是變得更加高效并且減少開發(fā)時(shí)間，它是由處理圖像工具,音頻和視頻處理、機(jī)器學(xué)習(xí)和模式識(shí)別的大量軟件包構(gòu)成的。

　　9.Skdata

　　www.github.com/jaberg/skdata

　　Skdata是機(jī)器學(xué)習(xí)和統(tǒng)計(jì)的數(shù)據(jù)集的庫程序。這個(gè)模塊對(duì)于玩具問題，流行的計(jì)算機(jī)視覺和自然語言的數(shù)據(jù)集提供標(biāo)準(zhǔn)的Python語言的使用。

　　10.MILK

　　www.github.com/luispedro/milk

　　MILK是Python語言下的機(jī)器學(xué)習(xí)工具包。它主要是在很多可得到的分類比如SVMS,K-NN,隨機(jī)森林，決策樹中使用監(jiān)督分類法。 它還執(zhí)行特征選擇。 這些分類器在許多方面相結(jié)合,可以形成不同的例如無監(jiān)督學(xué)習(xí)、密切關(guān)系金傳播和由MILK支持的K-means聚類等分類系統(tǒng)。

　　11.IEPY

　　www.github.com/machinalis/iepy

　　IEPY是一個(gè)專注于關(guān)系抽取的開源性信息抽取工具。它主要針對(duì)的是需要對(duì)大型數(shù)據(jù)集進(jìn)行信息提取的用戶和想要嘗試新的算法的科學(xué)家。

　　12.Quepy

　　www.github.com/machinalis/quepy

　　Quepy是通過改變自然語言問題從而在數(shù)據(jù)庫查詢語言中進(jìn)行查詢的一個(gè)Python框架。他可以簡(jiǎn)單的被定義為在自然語言和數(shù)據(jù)庫查詢中不同類型的問題。所以，你不用編碼就可以建立你自己的一個(gè)用自然語言進(jìn)入你的數(shù)據(jù)庫的系統(tǒng)。

　　現(xiàn)在Quepy提供對(duì)于Sparql和MQL查詢語言的支持。并且計(jì)劃將它延伸到其他的數(shù)據(jù)庫查詢語言。

　　13.Hebel

　　www.github.com/hannes-brt/hebel

　　Hebel是在Python語言中對(duì)于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)的一個(gè)庫程序，它使用的是通過PyCUDA來進(jìn)行GPU和CUDA的加速。它是最重要的神經(jīng)網(wǎng)絡(luò)模型的類型的工具而且能提供一些不同的活動(dòng)函數(shù)的激活功能，例如動(dòng)力，涅斯捷羅夫動(dòng)力，信號(hào)丟失和停止法。

　　14.mlxtend

　　www.github.com/rasbt/mlxtend

　　它是一個(gè)由有用的工具和日常數(shù)據(jù)科學(xué)任務(wù)的擴(kuò)展組成的一個(gè)庫程序。

　　15.nolearn

　　www.github.com/dnouri/nolearn

　　這個(gè)程序包容納了大量能對(duì)你完成機(jī)器學(xué)習(xí)任務(wù)有幫助的實(shí)用程序模塊。其中大量的模塊和scikit-learn一起工作，其它的通常更有用。

　　16.Ramp

　　www.github.com/kvh/ramp

　　Ramp是一個(gè)在Python語言下制定機(jī)器學(xué)習(xí)中加快原型設(shè)計(jì)的解決方案的庫程序。他是一個(gè)輕型的pandas-based機(jī)器學(xué)習(xí)中可插入的框架，它現(xiàn)存的Python語言下的機(jī)器學(xué)習(xí)和統(tǒng)計(jì)工具（比如scikit-learn,rpy2等）Ramp提供了一個(gè)簡(jiǎn)單的聲明性語法探索功能從而能夠快速有效地實(shí)施算法和轉(zhuǎn)換。

　　17.Feature Forge

　　www.github.com/machinalis/featureforge

　　這一系列工具通過與scikit-learn兼容的API，來創(chuàng)建和測(cè)試機(jī)器學(xué)習(xí)功能。

　　這個(gè)庫程序提供了一組工具，它會(huì)讓你在許多機(jī)器學(xué)習(xí)程序使用中很受用。當(dāng)你使用scikit-learn這個(gè)工具時(shí)，你會(huì)感覺到受到了很大的幫助。（雖然這只能在你有不同的算法時(shí)起作用。）

　　18.REP

　　www.github.com/yandex/rep

　　REP是以一種和諧、可再生的方式為指揮數(shù)據(jù)移動(dòng)驅(qū)動(dòng)所提供的一種環(huán)境。

　　它有一個(gè)統(tǒng)一的分類器包裝來提供各種各樣的操作，例如TMVA, Sklearn, XGBoost, uBoost等等。并且它可以在一個(gè)群體以平行的方式訓(xùn)練分類器。同時(shí)它也提供了一個(gè)交互式的情節(jié)。

　　19.Python 學(xué)習(xí)機(jī)器樣品

　　www.github.com/awslabs/machine-learning-samples

　　用亞馬遜的機(jī)器學(xué)習(xí)建造的簡(jiǎn)單軟件收集。

　　20.Python-ELM

　　www.github.com/dclambert/Python-ELM

　　這是一個(gè)在Python語言下基于scikit-learn的極端學(xué)習(xí)機(jī)器的實(shí)現(xiàn)。

　　從目前來看，深度學(xué)習(xí)領(lǐng)域基本上所有的代碼都是C++和Python，其他語言一般只有幾千行。如果講運(yùn)行速度的部分，用C++，如果講開發(fā)效率，用Python，誰會(huì)用Java這種高不成低不就的語言搞人工智能呢？Python雖然是腳本語言，但是因?yàn)槿菀讓W(xué)，迅速成為科學(xué)家的工具（MATLAB也能搞科學(xué)計(jì)算，但是軟件要錢，且很貴），從而積累了大量的工具庫、架構(gòu)，人工智能涉及大量的數(shù)據(jù)計(jì)算，用Python是很自然的，簡(jiǎn)單高效。Python有非常多優(yōu)秀的深度學(xué)習(xí)庫可用，現(xiàn)在大部分深度學(xué)習(xí)框架都支持Python。

    奇酷教育Python課程將主要講授Python基礎(chǔ)知識(shí)，穿插講解Python的最佳實(shí)踐，讓學(xué)員不僅僅學(xué)會(huì)編程的基本語法，還能學(xué)到資深工程師的編程經(jīng)驗(yàn)，了解一線互聯(lián)網(wǎng)公司用到的Python工具和開源項(xiàng)目，熟悉Python高手的編程風(fēng)格。

　　奇酷教育師資力量強(qiáng)，一線名企工程師授課，授課老師教學(xué)經(jīng)驗(yàn)豐富，深入淺出講解，學(xué)習(xí)輕松、高效。參加奇酷教育Python班的學(xué)員還可以了解到互聯(lián)網(wǎng)公司的協(xié)作方式，開發(fā)流程和Python應(yīng)用。

　　零基礎(chǔ)入門到精通，幫助學(xué)員從零基礎(chǔ)學(xué)會(huì)Python編程，豐富的知識(shí)擴(kuò)展，讓學(xué)員收獲的不僅僅是Python，更重要的是傳授學(xué)員編程中最佳實(shí)踐和編程高手的思考方式，引導(dǎo)學(xué)員學(xué)會(huì)高質(zhì)量編程，直達(dá)中高級(jí)水平。