Machine Learning : qui fait quoi sur GitHub

Quel est l’état du Machine Learning et la Data Science sur GitHub ? La plateforme, propriété de Microsoft depuis  juin dernier,  a fait un relevé des contributions sur l’ensemble de l’année 2018 en comptabilisant le code partagé, les commentaires et les Pull Request

Quel langage pour le Machine Learning ?

Python est en tête des référentiels liés au Machine Learning.  A noter que les langages Julia et R  sont couramment utilisés par les scientifiques des données (data scientists), et Scala est de plus en plus apprécié pour interagir avec des systèmes de Big Data comme Apache Spark.

Principales librairies

GitHub a calculé le pourcentage de projets ayant importé des librairies Python populaires.

– Numpy prend en charge des opérations mathématiques sur des données multidimensionnelles, est la plus importée ; elle est utilisée dans près des trois quarts des projets de Machine Learning et de Data Science.
– Scipy, une librairie de calcul scientifique, pandas, une librairie de gestion de jeux de données, et matplotlib, une bibliothèque de visualisations, sont utilisées dans plus de 40 % des projets Machine Learning et de Data Science.
– Scikit-learn contient des implémentations d’un grand nombre d’algorithmes de Machine Learning ; elle est utilisée dans près de 40 % des projets.
– tensorflow est un outil conçu pour travailler avec des réseaux neuronaux, est employé dans près d’un quart des librairies.

Projets Machine Learning

Tensorflow est de loin le projet le plus populaire, avec plus de cinq fois plus de contributeurs que le deuxième du classement, scikit-learn.

Deux projets, explosion/spaCy et RasaHQ/rasa_nlu, sont consacrés aux problématiques de traitement en langage naturel (NLP), et quatre sont dédiés au traitement d’images : CMU-Perceptual-Computing-Lab/openpose, thtrieu/darkflow, ageitgey/face_recognition et tesseract-ocr/tesseract.

Le code source du langage Julia a également enregistré l’un des plus grands nombres de contributions en 2018.

_{Source : Rapport Octoverse 2018 de GitHub}