無論你在創業還是在做學術研究，這些工具都将使你的技能更上一層樓。
學術界在推進技術方面發揮了巨大作用，但學術界和工業界往往存在一種分割狀态。我們經常會看到這種現象：無數很棒的輔助工具在學術界被忽視，但在工業界很受歡迎。對于很多研究者來說，學習一種新工具可能存在困難，不願意花費過多的時間去嘗試，在目前自己掌握的工具足以應對各種問題時尤其如此。
其實，有些工具一時未見到效果，在後期可能會有十倍的回報。
來自劍橋大學的計算機科學博士生 Aliaksei Mikhailiuk 為我們整理了機器學習博士在獲得學位之前需要掌握的九種工具。他在劍橋大學獲得實體學碩士學位，在布裡斯托大學獲得工程學士學位。他對研究、開發、部署感興趣，還能熟練掌握計算機視覺算法、聚合和自然語言處理等技術。現任職華為（英國）進階人工智能工程師。
個人首頁：https://www.linkedin.com/in/aliakseimikhailiuk/
Mikhailiuk 将這些工具按用途分為四類：可隔離環境、實驗跟蹤、互相協作以及可視化。
一、可隔離環境工具
機器學習是一個快速發展的領域，常用的包更新非常頻繁。盡管開發人員做出了努力，但較新的版本通常與舊版本不相容，這樣給研究者帶來很多麻煩。幸運的是，有工具可以解決這個問題！在這一方面，Mikhailiuk 推薦了兩個工具：Docker 和 Conda。
1. Docker
Mikhailiuk 攻讀博士學位期間，他有一台由大學管理的機器，學校會定期進行更新。通常情況下是一夜之間更新，沒有任何通知。你可以想象，當更新後的第二天早上發現自己大部分工作與最新的驅動程式不相容，是多麼令人崩潰。Mikhailiuk 發現 Docker 可以很好地解決。
Docker 允許将軟體包裝在稱為容器的包中。容器是具有自己的軟體、庫和配置檔案的獨立單元。在一個簡化的視圖中，容器是一個獨立的虛拟作業系統，它具有與外部世界通信的手段。Docker 是一個開源的應用容器引擎，讓開發者可以打包他們的應用以及依賴包到一個可移植的容器中，然後釋出到任何流行的 Linux 或 Windows 作業系統的機器上，也可以實作虛拟化，容器是完全使用沙箱機制，互相之間不會有任何接口。
一個完整的 Docker 由以下幾個部分組成：
- DockerClient 用戶端
- Docker Daemon 守護程序
- Docker Image 鏡像
- DockerContainer 容器
Docker 教程：https://aws.amazon.com/cn/blogs/opensource/why-use-docker-containers-for-machine-learning-development/
2. Conda
現在，複用别人的代碼成為了一種新的規範。GitHub 作為一個代碼托管雲服務網站，幫助開發者存儲和管理其項目源代碼，且能夠追蹤、記錄并控制使用者對其代碼的修改。研究者可以克隆上面的代碼，安裝并提出自己的解決方案，而不需要自己寫任何東西。
但是 GitHub 也有不友善的情況，當多個項目一起使用時，你會遇到包管理問題，因為不同的項目需要不同版本的包。
Conda 可以解決這個問題 。Conda 是一個開源跨平台語言無關的包管理與環境管理系統，它允許建立多個環境并快速安裝、運作和更新包及其依賴項，使用者可以在隔離的環境之間快速切換。
Conda 教程：https://conda.io/projects/conda/en/latest/user-guide/getting-started.html#starting-conda
二、運作、跟蹤和記錄實驗工具
在應用領域想要獲得博士學位，嚴謹性和一緻性是兩個基本支柱。假如你是研究機器學習模型的，或多或少都能遇到這種情況——你建立了許多不同的模型來試驗不同的參數甚至整個架構。你還想嘗試優化器的選擇、學習率、時期數等。是以，實際上，你将進行許多不同的實驗，并且将越來越難以整理結果。在這一方面，Aliaksei Mikhailiuk 向我們展示了如何正确友善地管理和記錄自己的 ML 和 DL 實驗工具，主要推薦了 Weights & Biases，MLFlow，Screen 工具。
3. Weights & Biases
wandb panel 一組簡單名額 Snapshot——訓練損失、學習率和平均驗證損失。請注意，你還可以跟蹤系統參數。
W&B（Weights & Biases） 是一個平台，可以幫助資料科學家跟蹤他們的模型、資料集、系統資訊等。隻需幾行代碼，使用者就可以開始跟蹤有關這些功能的所有内容。它免費供個人使用，團隊使用通常需要付費，但用于學術目的的團隊是免費的。你可以将 W&B 與自己喜歡的架構一起使用，例如 TensorFlow、Keras、PyTorch、SKlearn、fastai 等。
W&B 提供了以下 4 個有用的工具：
- Dashboard：實驗跟蹤；
- Artifacts：資料集版本控制、模型版本控制；
- Sweeps：超參數優化；
- Reports 儲存和共享可重制的結果。
W&B 教程：https://docs.wandb.ai/quickstart
4. MLFlow
MLFlow 是一個能夠覆寫機器學習全流程（從資料準備到模型訓練到最終部署）的新平台，它是一款管理機器學習工作流程的工具，主要有三個功能子產品：Tracking 跟蹤和記錄、Project 項目管理和 Models 模型管理。MLflow 支援 Java、Python、R 和 REST API 等。
MLFlow 具有以下主要元件：
- 跟蹤：用于跟蹤試驗，以記錄和比較參數與結果；
- 模型：用于通過各種 ML 庫管理模型，并将其部署到各種模型服務和推理平台；
- 項目：用于将 ML 代碼打包成可重用、可再現的格式，以便與其他資料科學家共享或轉移到生産環境；
- 模型系統資料庫：使你可以将模型存儲集中化，以便使用版本控制和批注功能來管理模型的完整生命周期階段轉換；
- 模型服務：可用于将 MLflow 模型以 REST 終結點的形式托管。
MLFlow 教程：https://www.mlflow.org/docs/latest/tutorials-and-examples/tutorial.html
5. Screen
對于每個研究者來說，讓實驗通宵運作而且機器不會進入休眠狀态再好不過了。當進行遠端工作時，很多人都會擔心 ssh 會話中斷——代碼運作幾個小時就停止了。
screen 指令允許使用者在一個視窗内使用多個終端會話，可以斷開連接配接，也可以重新連接配接已斷開連接配接的會話。每個會話都可以恢複連接配接，這樣就算會話斷開了，使用者也不必擔心資料丢失。
Screen 教程：https://www.geeksforgeeks.org/screen-command-in-linux-with-examples/
四、協作工具
學術界缺乏有效的團隊管理機制，在某種程度上這是由于學術界會嚴格劃分個人貢獻造成的。然而，機器學習的發展速度需要大家共同努力。Mikhailiuk 推薦了兩個非常基本的工具：GitHub 以及 Lucidchart，它們對于有效的溝通非常友善，尤其是在遠端工作上。
6. GitHub
GitHub 是通過 Git 進行版本控制的軟體源代碼托管服務平台，同時提供付費賬戶和免費賬戶，這兩種賬戶都可以建立公開或私有的代碼倉庫，但付費使用者支援更多功能。除了允許個人群組織建立和通路保管中的代碼以外，它也提供了一些友善社會化共同軟體開發的功能，包括允許使用者追蹤其他使用者、組織、軟體庫的動态，對軟體代碼的改動和 bug 提出評論等。GitHub 也提供圖表功能，用于概觀顯示開發者們怎樣在代碼庫上工作以及軟體的開發活躍程度。
就在近日，GitHub 正式釋出了 2021 年度報告。過去一年裡，有 1600 萬開發者加入了 GitHub，目前平台的開發者數量已經達到了 7300 萬；過去一年裡，他們在 GitHub 上建立了 6100 萬個存儲庫。世界财富 100 強企業中的 84% 都在使用 GitHub。
GitHub 教程：https://docs.github.com/en/get-started/quickstart/hello-world
7. Lucidchart
Lucidchart 是一款免費的可以支援離線操作的谷歌浏覽器圖表插件，可以幫助使用者繪制包括流程圖、實體模型、UML、思維導圖等多種圖表的繪制工作。它提供了很多免費繪圖模闆，大大地加快了使用者的繪圖速度。該應用的一大優勢是，它基于 HTML5，是以使用者不需要下載下傳本地應用程式，就可以在電腦、iPad 等裝置上使用該應用。它的另一主要優勢是共享的協作空間和在圖表旁邊做筆記的能力。
Lucidchart 教程：https://www.lucidchart.com/pages/tour
五、可視化工具
送出論文時，研究人員經常會遇到拒稿的情況，這讓 Mikhailiuk 意識到可視化功能和結果一樣重要。如果審稿人沒有太多時間，或者對論文涉及的領域不熟悉，通常來說論文會被拒掉，其中一部分原因可能是論文中的視圖給人印象不深刻。是以，Mikhailiuk 推薦了 Inkscape 和 Streamlit 這兩個工具。
8. Inkscape
Inkscape 是一個開源的矢量圖編輯工具，使用可伸縮向量圖形 (SVG)，以及基于 W3C 标準的 open XML 格式作為其預設檔案格式。設計過程可能從一張塗鴉、一幅素描或者軟體中模型設計開始，這些可能不足以完成一整個項目。Inkscape 可以幫助你将以上不成熟的素材轉變為專業的設計，用于廣告釋出、模型制作等用途。Inkscape 還能提供 TexText 擴充，使用此軟體包，你可以将 latex 公式無縫內建到圖像中。
Inkscape 推薦教程：https://inkscape.org/learn/tutorials/
9. Streamlit
Streamlit 和正常 Web 架構不同之處在于，它不需要你去編寫任何用戶端代碼（HTML/CSS/JS），隻需要編寫普通的 Python 子產品，就可以在很短的時間内建立美觀并具備高度互動性的界面，進而快速生成資料分析或者機器學習的結果；另一方面，和那些隻能通過拖拽生成的工具也不同的是，你仍然具有對代碼的完整控制權。
教程位址：https://builtin.com/machine-learning/streamlit-tutorial
以上就是 Mikhailiuk 在獲得機器學習博士學位之前需要掌握的九個工具，你不妨也學習一下，相信這些工具在你之後的學習、工作中，會起到事半功倍的效果。
原文連結：https://towardsdatascience.com/nine-tools-i-wish-i-mastered-before-my-phd-in-machine-learning-708c6dcb2fb0