Rust для машинного обучения - библиотека: различия между версиями

Материал из support.qbpro.ru
 
Строка 426: Строка 426:


==Подкасты==
==Подкасты==
DATA SCIENCE AT HOMERust and machine learning #1 (Ep. 107) Rust and machine learning #2 with Luca Palmieri (Ep. 108) Rust and machine learning #3 with Alec Mocatta (Ep. 109) Rust and machine learning #4: practical tools (Ep. 110) Machine Learning in Rust: Amadeus with Alec Mocatta (Ep. 127) Rust and deep learning with Daniel McKenna (Ep. 135) Is Rust flexible enough for a flexible data model? (Ep. 137) Pandas vs Rust (Ep. 144) Apache Arrow, Ballista and Big Data in Rust with Andy Grove (Ep. 145) Polars: the fastest dataframe crate in Rust (Ep. 146) Apache Arrow, Ballista and Big Data in Rust with Andy Grove RB (Ep. 160)
DATA SCIENCE AT HOME:
* [https://datascienceathome.com/rust-and-machine-learning-1-ep-107/ Rust and machine learning #1 (Ep. 107)]<br>
* [https://datascienceathome.com/rust-and-machine-learning-2-with-luca-palmieri-ep-108/ Rust and machine learning #2 with Luca Palmieri (Ep. 108)]<br>
* [https://datascienceathome.com/rust-and-machine-learning-3-with-alec-mocatta-ep-109/ Rust and machine learning #3 with Alec Mocatta (Ep. 109)]<br>
* [https://datascienceathome.com/rust-and-machine-learning-4-practical-tools-ep-110/ Rust and machine learning #4: practical tools (Ep. 110)]<br>
* [https://datascienceathome.com/machine-learning-in-rust-amadeus-with-alec-mocatta-rb-ep-127/  Machine Learning in Rust: Amadeus with Alec Mocatta (Ep. 127)]<br>
* [https://datascienceathome.com/rust-and-deep-learning/ Rust and deep learning with Daniel McKenna (Ep. 135)]<br>
* [https://datascienceathome.com/is-rust-flexible-enough-for-a-flexible-data-model-ep-137/ Is Rust flexible enough for a flexible data model? (Ep. 137)]<br>
* [https://datascienceathome.com/pandas-vs-rust-ep-144/ Pandas vs Rust (Ep. 144)]<br>
* [https://datascienceathome.com/apache-arrow-ballista-and-big-data-in-rust-with-andy-grove-ep-145/ Apache Arrow, Ballista and Big Data in Rust with Andy Grove (Ep. 145)]<br>
* [https://datascienceathome.com/polars-the-fastest-dataframe-crate-in-rust-ep-146/ Polars: the fastest dataframe crate in Rust (Ep. 146)]<br>
* [https://datascienceathome.com/apache-arrow-ballista-and-big-data-in-rust-with-andy-grove-rb-ep-160/ Apache Arrow, Ballista and Big Data in Rust with Andy Grove RB (Ep. 160)]<br>


==ИСТОЧНИКИ==
==ИСТОЧНИКИ==
* [https://dzen.ru/a/YnY7nBxvdEJtsFTu Огромный респект Автору]
* [https://dzen.ru/a/YnY7nBxvdEJtsFTu Огромный респект Автору]

Текущая версия от 19:34, 23 мая 2023

ВВЕДЕНИЕ

Эта статья содержит список библиотек машинного обучения, написанных на Rust.
Представляет собой сборник репозитариев GitHub, блогов, книг, уроков, форумов, статей.
Статья разбита на несколько основных категорий библиотек и алгоритмов. В статье нет библиотек,
которые больше не поддерживаются, а так же почти нет небольших библиотек, которые давно не обновлялись.

ЛИНЕЙНАЯ АЛГЕБРА

  • Большинство пакетов в списке используют ndarray или std::vec.

ИНСТРУМЕНТЫ ПОДДЕРЖКИ

  • Jupyter Notebook
  • evcxr может обрабатывать как Jupyter Kernel или REPL.

Эти библиотеки нужны для обучения алгоритмов и проверки гипотез машинного обучения.

РАБОТА С ВИЗУАЛИЗАЦИЕЙ

  • Список полезных ресурсов для визуализации данных.


  • ASCII line graph:


  • Примеры:


  • Дата-фреймы:

ОБРАБОТКА ИЗОБРАЖЕНИЙ

  • Для обработка изображений вам стоит попробовать библиотеку image-rs.

Здесь приведены такие алгоритмы, как линейные преобразования, подобное есть и в других библиотеках.

ОБРАБОТКА ЕСТЕСТВЕННОГО ЯЗЫКА ИЛИ ПРЕДВАРИТЕЛЬНАЯ ОБРАБОТКА

ГРАФЫ

AutoML

РАБОЧИЕ ПОТОКИ

ВЫЧИСЛЕНИЯ НА GPU С ПОМОЩЬЮ RUST

SKLEARN И ПОДОБНЫЕ БИБЛИОТЕКИ

  • Библиотеки поддерживают следующие алгоритмы:
Linear Regression
Logistic Regression
K-Means Clustering
Neural Networks
Gaussian Process Regression
Support Vector Machines
kGaussian Mixture Models
Naive Bayes Classifiers
DBSCAN
k-Nearest Neighbor Classifiers
Principal Component Analysis
Decision Tree
Support Vector Machines
Naive Bayes
Elastic Net

СТАТИСТИКА

ГРАДИЕНТНЫЙ БУСТИНГ(Gradient Boosting)

НЕЙРОННЫЕ СЕТИ

  • Tensorflow и PyTorch являются наиболее распространенными библиотеками для построения нейронных сетей.

ГРАФОВЫЕ МОДЕЛИ

НЕЙРОЛИНГВИСТИЧЕСКОЕ ПРОГРАММИРОВАНИЕ

РЕКОМЕНДАТЕЛЬНЫЕ СИСТЕМЫ

РАБОТА С ТЕКСТОМ

АЛГОРИТМЫ ПОИСКА БЛИЖАЙШИХ СОСЕДЕЙ

ОБУЧЕНИЕ С ПОДКРЕПЛЕНИЕМ

ОБУЧЕНИЕ С УЧИТЕЛЕМ

ОБУЧЕНИЕ БЕЗ УЧИТЕЛЯ

СТАТИСТИЧЕСКИЕ МОДЕЛИ

ЭВОЛЮЦИОННЫЕ АЛГОРИТМЫ

ДРУГИЕ ПРОЕКТЫ

БЛОГИ

ОБУЧЕНИЕ

ПРИКЛАДНЫЕ РЕСУРСЫ

ФОРУМЫ

КНИГИ

-- 2019/12/10, Joydeep BhattacharjeeWrite machine learning algorithms in Rust
- Use Rust libraries for different tasks in machine learning
- Create concise Rust packages for your machine learning applications
- Implement NLP and computer vision in Rust
- Deploy your code in the cloud and on bare metal servers

--

-- 2021/9/3, Shahin RostamiPlotting with Plotters and Plotly
- Operations with ndarray
- Descriptive Statistics
- Interactive Diagram
- Visualisation of Co-occurring Types
- download source code and dataset

ВИДЕО УРОКИ

Подкасты

DATA SCIENCE AT HOME:

ИСТОЧНИКИ