雷锋网 AI 科技评论按：本文作者 Pranav Dar 是 Analytics Vidhya 的编辑，对数据科学和机器学习有较深入的研究和简介，致力于为使用机器学习和人工智能推动人类进步找到新途径。2018 这一年中，作者在每个月都会发布一份开源项目月度推荐榜单，而本文则是对全年开源项目的盘点和总结。雷锋网 AI 科技评论编译如下。

前沿

关于托管代码、与团队成员合作以及充当展示个人写代码技能的「在线简历」，最好的平台是哪个？问及任何一位数据科学家，他们都会让你去 GitHub。近年来，GitHub 作为一个真正具有变革性的平台，已经改变了我们托管甚至写代码的方式。

但这还不是全部。此外，它还是一个学习平台。如果你问怎么学习的话，我可以给你一个暗示——开源项目！

世界领先的科技公司通过在 GitHub 上发布其热门算法的代码，对项目进行开源。2018 年，在 Google 和 Facebook 等公司的带领下，这类开源项目大幅增加。其中最好的那部分开源项目，写代码的研究者还提供了预训练模型，从而让你我这些人不必再浪费时间从头开始创建高难度的模型。

同时，针对编码者和开发者的热门开源项目也很多——包括备忘单、视频链接、电子书、研究论文链接以及其他等资源。无论你在你的专业领域处于哪个等级（初学者、中级以及高级），你总可以在 GitHub 上找到可以学习的新东西。

对于数据科学的很多子领域来说，2018 年是不同凡响的一年，这个我下面马上就会讲到。随着 ULMFiT、BERT 等项目在 GitHub 上进行开源，自然语言处理（NLP）迅速成为社区中谈论最多的领域。我致力于将自己最大的努力贡献给这么棒的 GitHub 社区，在这一年中，我精心挑选了每位数据科学家都应该了解的 TOP 5 开源项目，并整理成了月度榜单系列。你可以点击下面的链接，前往查看完整榜单：

一月份：

二月份：

三月份：

四月份：

五月份：

六月份：

七月份：

八月份：

九月份：

十月份：

十一月份：

这些文章的部分内容会和我盘点的 2018 年 AI 和 ML 领域最大突破文章有所重合，大家也可以前往以下地址阅读这篇文章——它从根本上来说是一份盘点了该领域主要进展的榜单，我认为该领域的每个人都应该有所了解。作为额外福利，文中还有来自专家们的预测——大家应该都不想错过吧。

现在，准备好去探索新的项目，并努力成为 2019 年的数据科学之星吧。继续向下滚动，大家点击每个项目后面的链接就可以前往 GitHub 的代码库了。

本文将覆盖到的话题

工具和框架

计算机视觉

生成式对抗网络（GANs）

其他深度学习项目

自然语言处理（NLP）

自动的机器学习（AutoML）

强化学习

工具和框架

让我们开始来看看工具、开发库和框架方面的最佳开源项目。由于我们在讨论的是一个软件仓库平台，先讲这部分似乎才是正确的打开方式。

科技正在快速发展，同时计算成本也比之前更低了，所以现在有一个接一个大量的开源项目可供我们使用。现在，可以被称作机器学习编码的黄金时代吗？这是一个开放的问题，但是我们都认同的一件事是，现在是做一个数据科学领域的编程员的好时期。在这个部分（以及整篇文章），我都在尝试让编程语言尽可能地多样化些，不过 Python 无法避免地占据主导地位。

ML.NET

开源地址：

如果你们这些.NET 开发者们想要学一点机器学习知识来补充现有的技能，你会怎么做？现在就有一个完美的开源项目可以助你开始实施这一想法！这个完美的开源项目就是微软的一个项目——ML.NET，它是一个开源的机器学习框架，让你用 .NET 就可以设计和开发模型。

你甚至可以将现有的机器学习模型集成到你的应用程序中，而完全不要求你切确地知道怎样开发机器学习模型。ML.NET 实际上已被应用于多个微软产品中，例如 Windows、 Bing 搜索、 MS Office 等等。

ML.NET 可以在 Windows、Linux 以及 MacOS 上运行。

TensorFlow.js

开源地址：

在浏览器中实现机器学习！几年前，这还只是一个幻想，而现在成为了一个震撼人心的现实。这一领域的大多数人都与我们最爱的 IDEs 牢不可分，而 TensorFlow.js 则有可能改变我们的习惯。自今年早些时候发布以来，它就成为一个非常受欢迎的开源项目，并且它的灵活性还在继续给人带来惊喜。

正如开源项目所介绍的，TensorFlow.js 主要有三个重要特征：

浏览器自身可以开发机器学习和深度学习模型；

可以在浏览器中运行现有的 TensorFlow 模型；

同时可以对这些现有的模型进行重新训练或者微调。