还有一些机器学习库，比如Numpy，使用Python进行科学计算的扩展包；scikit-learn，一个开源的Python机器学习库，集成了很多机器学习算法等等 。一些机器学习/深度学习框架工具，包括Tensorflow、Caffe、Pytorch、Keras、CNTK、MXNET、Theano在内的十几种深度学习框架，最常用的、用的最多的是Tensorflow和Caffe 。
数据挖掘/机器学习类专业还有就业前景吗？
肯定有，数据挖掘和机器学习和大数据一样，在未来很长一段时间内都不会过时 。企业有数据，数据要处理入库，入库了之后，想要产生价值，就要对它进行分析建模，每天的用户访问量，留存量，用户的流失预测，用户的产品推荐，用户的标签属性，客户营销等等等等，都是需要数据挖掘和机器学习来进行分析，只要，企业需要这些报表进行数据分析，它们就不会过时 。
做机器学习、数据挖掘、数据分析的工作不好吗？
前几年，互联网圈子里认为三大革命性技术是大数据、云计算、人工智能 。经过五六年的发展，我们发现真正的革命性技术是：人工智能、区块链、物联网 。这三个技术紧密结合会产生非常多的应用，几乎可以替代当前的所有人类生产活动 。机器学习是人工智能的子课题，数据挖掘与分析又与机器学习有非常紧密的结合 。不同之处在于机器学习目标是使计算机具备人类某方面重复性技能，数据挖掘侧重从大量数据中发掘对生产有利的规则，数据分析侧重于对数据的高度概括和展示 。
实际上挖掘和分析基本分不开 。最后回答你的问题，这样的工作当然很好了 。单是薪酬就很诱人 。再者，这是一项总在探索未知的工作，如果你喜欢挑战一切为什么，这个工作是非常棒的 。再说一下机器学习，更是好玩有趣的工作，想想你可以深度网络编一个和自己对话的机器人；或者编写一个智能爬虫，整天在网上找自己感兴趣的新闻，真正做自己的头条；或者研发一个自动交易机器，去股市里套利...玩法太多 。
人工智能这么火，数据挖掘和机器学习有什么区别？
工作后，我首先知道的概念是数据挖掘，而不是机器学习 。因此我想数据挖掘这个概念更加广泛，属于工程应用范畴 。5年前，我单位谈的都是数据挖掘，也举办这类竞赛，我们也掌握了数据挖掘的应用软件和数据挖掘标准流程，比如sas，clementine等数据挖掘平台 。这些平台多数基于图形化操作，应用门槛较低 。最近两年才开始谈机器学习，深度学习和人工智能等概念 。
从我工作经历来讲，数据挖掘是比较大众化的说法，单位业务部门都知道这个概念，而机器学习属于专业化的说法，现在业务部门还不清楚机器学习究竟是什么 。其实很难严格去区分两者的关系，看看最权威的数据挖掘和机器学习的教材，你会发现它们大部分都是重复的 。既然是两个名称，那么它们的侧重点应该是不一样的 。我的理解是数据挖掘的后端与机器学习的前端重复，机器学习的后端与深度学习的前端重复 。
数据挖掘的前端是数据收集，清洗和处理等，和大数据有关，都涉及数据仓库等内容，但机器学习并不关心这些，也就是说数据这种原材料对机器学习来说应该要事先准备好了，机器学习更加注重学习问题，努力像人类一样学习知识，理解世界 。它们最大的区别是：数据挖掘注重挖掘数据中的规律和知识，但不关心数据为什么会产生这些规律和知识，也就说你只看到表象，并不知道本质原因 。
而机器学习恰恰相反，机器学习更加注重学习数据的生成机制，即数据究竟由什么概率模型生成的 。有时机器学习也叫统计学习就是这个原因 。数据的生成机制出来了，那么数据中的规律自然而然就知道了 。正是因为机器学习注重数据的生成机制学习，产生大量的研究内容，发展出核机器，极大似然估计，最大熵模型，最大后验估计，期望最大化算法，高斯过程，概率图模型，变分推理等工具 。
推荐阅读
- 剑与地下城翅膀怎么升级攻略,07073剑与地下城...
- 墨绿色搭配什么色,深墨绿色忌与什么色搭配
- 克丽缇娜怎么样啊,陈碧华与她的美丽王国克丽缇娜
- 柳州与株洲的房价,株洲房价会不会大规模下跌
- 风神的机器怎么样,东风风神汽车口碑怎么样
- 看了银狐与萨摩对比后,萨摩耶银狐博美多少钱
- 苹果8相机与华为相比哪个好用,选哪个比较好
- 中国蛋糕市场调查分析与发...,蛋糕店 什么行业
- 对于孤独症儿童的治疗与教育方法,孤独症儿童教育
- 网络布局规划与主干网络布线,家庭网络布线