選自 Github
作者：Thomas
參與：路、張倩
近日，GitHub 釋出了 2018 年度機器學習和資料科學具體報告。報告顯示，Python 是機器學習 repo 中最常用的語言，Numpy 是最流行的機器學習&資料科學包，最受歡迎項目的桂冠則毫無懸念地由 TensorFlow 摘取。
在 GitHub 的 2018 年度報告中，機器學習和資料科學是 GitHub 上的熱門話題。TensorFlow 是貢獻者最多的項目之一，PyTorch 是增長最快的項目之一，Python 是 GitHub 上第三流行的語言。
為了深入研究 GitHub 上的機器學習和資料科學現狀，GitHub 釋出了關于二者的具體報告，統計了 2018 年 1 月 1 日到 12 月 31 日的貢獻資料，包括 push 代碼、打開 issue 或 pull request、評論 issue 等。至于最流行的包，GitHub 使用了來自依賴圖的資料，包括所有開放 repo 和依賴圖中現有的私有 repo。
程式設計語言
GitHub 檢視了「machine-learning」相關 repo 的貢獻者，對這些 repo 最常用的語言進行了排序。Python 是機器學習 repo 中最常用的語言，也是 GitHub 平台上第三流行的語言。但是，并非所有機器學習 repo 都使用 Python：GitHub 上的一些常用語言也是機器學習項目的常用語言。C++、JavaScript、Java、C#、Shell 和 TypeScript 都在 GitHub 常用語言前十名中，同時也是機器學習項目常用語言前十名。Julia、R 和 Scala 僅為機器學習項目前十，但在 GitHub 平台的使用率并沒有那麼高。Julia 和 R 是資料科學家常用的語言，Scala 在和大資料系統（如 Apache Spark）互動時的使用率逐漸提高。
流行的機器學習和資料科學包
GitHub 從依賴圖中抓取資料，計算機器學習或資料科學項目導入不同流行 Python 包的比例。上述清單展示了這些項目導入包的 top 10。從中，我們可以看到：
- 支援在多元資料上的數學運算的 Numpy 包是最常導入的包，幾乎 1／3 的機器學習和資料科學項目使用了 Numpy 包。
- 用于科學計算的 Scipy 包、用于管理資料集的 pandas、可視化庫 matplotlib 在機器學習和資料科學項目中的使用率均超過 40%。
- Scikit-learn 是流行的機器學習包，包含大量機器學習算法的實作，幾乎 40% 的機器學習和資料科學項目使用該包。
- 接近 1/4 的機器學習和資料科學項目使用用于處理神經網絡的 tensorflow 包。
前十名中的其餘各包是實用程式包：six 是 Python 2 和 3 相容庫，python-dateutil 和 pytz 是處理日期的包。
最受歡迎的機器學習項目
GitHub 還檢視了 2018 年「機器學習」标簽下貢獻者最多的開源項目。tensorflow 是目前最受歡迎的項目，貢獻者人數是第二名 scikit-learn 的 5 倍。前十名中的 explosion/spaCy 和 RasaHQ/rasa_nlu 項目聚焦于自然語言處理問題，CMU-Perceptual-Computing-Lab/openpose、thtrieu/darkflow、ageitgey/face_recognition 和 tesseract-ocr/tesseract 聚焦于圖像處理問題。Julia 語言源代碼也是 2018 年貢獻者最多的項目之一。
原文連結：https://github.blog/2019-01-24-the-state-of-the-octoverse-machine-learning/
本文為機器之心編譯，轉載請聯系本公衆号獲得授權。
✄------------------------------------------------
加入機器之心（全職記者 / 實習生）：[email protected]
投稿或尋求報道：[email protected]
廣告 & 商務合作：[email protected]