2016年机器学习开源项目盘点：TensorFlow崛起，R与Python并驾齐驱

"这篇文章是2016年机器学习和深度学习技术盘点的第二部分，主要关注开源项目的年度发展。文中提到，尽管存在大量开源项目，但只会挑选使用率高的项目进行介绍，特别是那些非营利组织提供的和虽有商业投资但不提供软件许可的项目。R和Python仍然是数据科学的核心工具，R在统计库和小规模数据处理上有优势，而Python更适合应用程序开发，且对商业应用的限制较少。在深度学习框架中，TensorFlow、Microsoft Cognitive和MXNet表现突出，超越了Caffe和Torch等早期工具。此外，文章还提到了R语言在2016年的增长，包括CRAN中的程序包数量大幅增加，以及RConsortium在推动R项目发展上的进展。" 在2016年的机器学习和深度学习领域，开源项目扮演了重要角色。这些项目不仅推动了技术创新，也为数据科学家提供了丰富的工具集。通过数据科学家的调查反馈和OpenHub的数据，我们可以看到哪些项目在实际工作中被广泛采用。值得注意的是，文章明确表示，只讨论那些非营利组织的项目以及虽有商业投资但不提供商业许可的项目，这表明了对开源精神的尊重。 在编程语言的选择上，R和Python的争论持续存在。R以其强大的统计功能和丰富的机器学习库在数据科学家中间保持了高人气，尤其是在处理小规模数据时。而Python则因其在应用程序开发上的便利性和对商业应用友好的许可政策，成为许多开发者的首选。随着Python生态系统的不断发展，许多数据科学家开始同时掌握这两种语言，以充分利用各自的优势。 在深度学习框架领域，新兴的框架如TensorFlow、Microsoft Cognitive和MXNet展现出了强大的潜力，它们的活跃度和使用率超过了Caffe和Torch等较早的框架。这反映了深度学习领域的快速变化和创新，新的框架往往能更好地满足现代计算需求和应用场景。 R语言在2016年继续发展壮大，其用户群体扩大，O'Reilly、KDNuggets和Rexer Analytics的调查都显示了R的高使用率和影响力。CRAN中的R程序包数量急剧增长，表明R的生态系统正在不断丰富，特别是在机器学习领域。RConsortium的成立和成员的扩展，包括IBM、微软和Oracle等大公司的加入，进一步推动了R项目的发展，为R社区带来了更多的资源和支持。 2016年是机器学习和深度学习发展的重要一年，开源项目、R和Python的使用，以及深度学习框架的更新迭代，共同塑造了这个领域的繁荣景象。