Статья подготовлена для студентов курса «Data Scientist» в образовательном проекте OTUS.
С каждым годом искусственного интеллекта становится всё больше. Это связано с тем, что машинное обучение открыло новые возможности и перспективы для самых разных областей: от распознавания лиц и голоса до обработки языка, изображений, кинофильмов и т. д. Итак, предлагаем вашему вниманию 20 наиболее известных опенсорсных проектов по Machine Learning.
TensorFlow
TensorFlow — открытая библиотека для создания и тренировки нейронных сетей. Предоставляет API для облачной, мобильной, десктопной и веб-разработки. Поначалу создавалась командой Google Brain для внутреннего использования. Имеет интерфейсы для Swift и Javascript. Последняя версия поддерживает высокоуровневый API Keras, который написан на Python и работает поверх CNTK, TensorFlow и Theano.
Scikit-learn
Эту библиотеку разработали во время реализации проекта Google Summer of Code. Она предоставляет пользователям простые, но достаточно эффективные инструменты, предназначенные для глубокого анализа данных. А за счёт простоты и удобства Scikit-learn не уступает по популярности TensorFlow.
MXNet
Фреймворк Deep learning от Apache. Создавался с упором на гибкость и продуктивность, поэтому позволяет комбинировать императивное и символическое программирование.
PyTorch
Очень популярная библиотека среди фанатов Machine Learning. Создана на базе Torch, развивается в стенах Facebook. По сути, это пакет Python, поддерживающий тензорные вычисления с GPU-ускорением и работу с нейросетями через систему autograd.
Magenta
Исследовательский проект, который демонстрирует мощный потенциал машинного обучения при создании музыки и произведений искусства. Позволяет генерировать музыку и изображения. Расширяет творческие возможности музыкантов и художников. Основной репозиторий предназначен для применения с Python, однако есть версия и для JavaScript.
Style2Paints
Это алгоритм, который служит для раскрашивания чёрно-белых штриховых скетчей. Также ИИ может создавать собственное цветовое оформление и переносить стиль рисования и цветовую гамму с одних изображений на другие.
Image-to-image translation in PyTorch
Данный проект сделан на основе нейронных сетей pix2pix и CycleGAN. Он содержит PyTorch-реализации, позволяющие преобразовывать одни изображения в другие. Например, вы легко сделаете из лошади зебру. Нейросеть работает очень быстро, поэтому можно обрабатывать даже видеофайлы.
Deep voice conversion
Работает по аналогии с предыдущим инструментом, но преобразует не изображения, а звук. В частности, можно синтезировать в целях имитации голос нужного человека, сохранив все его индивидуальные особенности. Для этого потребуется датасет в виде реальных записей голоса.
StarGAN in PyTorch
Проект объединённой генеративно-состязательной сети, предназначенной для трансформации изображений с помощью PyTorch. Позволяет менять цвет кожи, пол, возраст, причёски и даже настроение людей на фотографиях.
Face detection
Библиотека используется не только для распознавания лиц, но и для определения пола и эмоций изображённых людей, делая это в реальном времени. Для работы применяются датасеты fer2013/IMDB, библиотека компьютерного зрения OpenCV, сверхточная нейросесть Keras.
Друзья, это лишь первая часть нашей подборки, поэтому не пропустите продолжение! Также ждём ваших комментариев!
Материал подготовлен для студентов курса «Data Scientist» в образовательном проекте OTUS. Присоединяйтесь к ближайшей группе:
ЗАПИСАТЬСЯ В ГРУППУ