去年6月在师门会议上分享的Python技术框架报告

新入门Python数据分析的硕士、博士们，请拿取参考：

1、桌面软件开发

WxPython、Tkinler

2、网站开发

Django、Web2py、Web.py、Zope2 [Python + HTML + MySQL(or PostgreSQL)]

3、游戏开发

Pygame、cocos2d

4、科学计算

Pandas：Python数据分析库

NumPy：一个定义了数值数组和矩阵类型和它们的基本运算的语言扩展

SciPy：另一种使用NumPy来做高等数学、信号处理、优化、统计和许多其它科学任务的语言扩展

Matplotlib：绘图的语言扩展

5、机器学习

scikit-learn：该项目文档齐全、讲解清晰，功能齐备，使用方便，而且社区活跃

PyBrain：Python的一个机器学习模块，它的目标是为机器学习任务提供灵活、易应、强大的机器学习算法。PyBrain正如其名，包括神经网络、强化学习(及二者结合)、无监督学习、进化算法。因为目前的许多问题需要处理连续态和行为空间，必须使用函数逼近(如神经网络)以应对高维数据。以神经网络为核心，所有的训练方法都以神经网络为一个实例

Orange：机器学习只是其的功能之一，主要还是侧重数据挖掘，可以用可视化语言或Python进行操作，拥有机器学习组件，还具有生物信息学以及文本挖掘的插件

Shogun：文档齐全，开发活跃，更新快，运算速度也很快。主攻大尺度的核函数，尤其是大尺度核函数下的SVM。具有很多SVM的高级用法，比如多核配用等

6、深度学习

Theano

pylearn2

keras

nolearn + lasagna

Caffe

Expresso：基于Python之Caffe的深度学习图形化设计/训练/浏览框架

Minerva：拥有python编程接口。多GPU几乎达到线性加速。在4块GPU上能在4天内将GoogLeNet训练到68.7%的top-1以及89.0%的top-5准确率。和同为dmlc项目的cxxnet相比，采用动态数据流引擎，提供更多灵活性。