26.11.2019
В последние годы алгоритмы машинного обучения и, особенно, ресурсоемкие нейронные сети показали хорошие результаты при обработке больших массивов данных и в прогнозировании. Это способствовало развитию экосистемы анализа данных в Python, что, в свою очередь, привело к появлению целого ряда библиотек для глубокого обучения. Самой известной является открытая программная библиотека TensorFlow. Фреймворки такого рода специализируются на эффективных крупномасштабных вычислениях, при этом они легки в использовании. И, хотя их основной задачей остается создание и тренировка нейросетей, библиотеки широко применяются и для решения многих других ресурсоемких вычислительных задач. Характерный пример – подгонка моделей методом максимизации правдоподобия в области физики высоких энергий, реализуемый в проекте «zfit», а также в других библиотеках.
