数据科学工具

武库中，要有匕首短刀，也要有大刀长矛，要有神鞭，也要有铁锤，总之要丰富，在不同的场景下用称手的武器，才能手到擒来。

随着越来越多的机器学习工具加入开源社区，整个机器学习工具领域呈现出百花齐放的局面。

Spark

Spark 被认为是 smartphone of data

• MLlib
• GraphX
• Spark SQL
• Spark Streaming

其他基于　spark 的第三方库

• spark-ts

Flink

Hadoop

Scikit-Learn

H2O

神说，有了火(spark)，当然也要有水，于是 H2O 横空出世。

Weka

Vompal Wabbit

caffe

torch

theano

Keras

Keras在德语中的意思为‘号角’

TF(tensorFlow)

谷歌开源的第二代深度学习系统，参看 Jeff Dean 的介绍 和官方白皮书(译).

第一代是 DistBelief, 其可扩展性较好，但灵活性不足

然而 TF 一出，对其性能的评测结果却并不理想，被戏称为 TensorSlow，一时间舆论大哗。

DMTK

DMTK(distributed machine learning toolkit)，由微软开源，包含DMTK分布式机器学习框架，LightLDA, Distributed (Multisense) Word Embedding等组件。

MXNet

DMLC 出品。CXXNet 的进化版，支持 python, R, Go, Julia 等多种语言接口，绝对是深度学习领域最为野心勃勃的项目之一。高质量的设计文档和示例，是学习的好材料。

特色/优势

1. 借助 mshadow 模块，CPU 与 GPU 不必在代码层面区分，即只写一份代码（这是咋做到的？）。

2. 符号式编程(symbolic programming)和命令式编程的结合。

   符号式编程将定义运算图的步骤和编译运算的步骤分离。 我个人理解，符号式编程和命令式编程的区别在于，拿多项式求值作例子，后者是直接往式子里代入数值，然后一步一步计算，而前者先做多项式化简，到最后没法化简了再代入数值求结果。有些多项式看着比较复杂，但经过化简可能最后就剩一两项，因此符号式编程更为节省计算量。此外，符号式编程由于明示了最后的结果(计算的边界)，中间结果一概不管，因此可以重复利用内存，节省空间占用，当然，命令式程序也有垃圾回收机制，但因为是编译器通用的垃圾回收策略，可能并不会像符号式程序里的效率这么高。

3. 利用参数服务器，容易分布式扩展

参见　[MXNet 设计和实现简洁]，by 李沐, et al.

SystemML

Apache SystemML，IBM 开源的分布式、命令式机器学习平台，目前仍然处于孵化阶段

MicroSoft Azure

OpenCC 中文繁简转换