TensorFlow est une plate-forme open source de ML. Elle dispose d’un écosystème complet et flexible d’outils, de bibliothèques et de ressources communautaires qui permet de créer et de déployer facilement des applications de Machine Learning.

Keras est désormais l’API de haut niveau par défaut dans Tensorflow 2.0

Pytorch est un framework d’apprentissage automatique open source qui accélère le passage du prototypage de recherche au déploiement en production. PyTorch permet une expérimentation rapide et flexible et une production efficace grâce à un frontal convivial, une formation distribuée et un écosystème d’outils et de bibliothèques.

Scikit-learn est une bibliothèque de logiciels de ML gratuits pour Python. Elle propose des algorithmes de classification, de régression et de clustering, notamment des vector machines, random forests, gradient boosting, k-means et DBSCAN, et est conçu pour interagir avec les bibliothèques Python NumPy et SciPy.

La suite de logiciels et d’APIs OpenSource RAPIDS vous donne la possibilité d’exécuter des pipelines de data science et de data analytics entièrement sur des GPU.
RAPIDS se concentre également sur les tâches courantes de préparation de données pour l’analyse et la science des données.

conda est un système de gestion de paquets et un système de gestion d’environnement Linux. Conda installe, exécute et met à jour rapidement les packages et leurs dépendances. Avec seulement quelques commandes, vous pouvez configurer un environnement totalement séparé pour exécuter cette version différente de Python.

De nombreux autres outils sont proposés dans nos images de Machine Learning, comme les outils de Natural Language Processing  (spacy, beautifulsoup4), de Visualisation (matplotlib, bokeh, seaborn, plotly) , de manipulation d’images (NVIDIA® Dali, Pillow),  d’ implémentations d’algorithmes de Gradient Boosting (XGBoost, CatBoost) ou de Forecasting (Facebook Prophet).