{"id":53299,"date":"2019-11-28T00:00:00","date_gmt":"2019-11-27T21:00:00","guid":{"rendered":"https:\/\/prohoster.info\/blog\/blog_prohoster\/56-proektov-na-python-s-otkrytym-ishodnym-kodom"},"modified":"2020-02-18T14:01:11","modified_gmt":"2020-02-18T11:01:11","slug":"56-proektov-na-python-s-otkrytym-ishodnym-kodom","status":"publish","type":"post","link":"https:\/\/prohoster.info\/es\/blog\/news\/56-proektov-na-python-s-otkrytym-ishodnym-kodom","title":{"rendered":"56 proyectos en Python de c\u00f3digo abierto","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

\"56
\n<\/p>\n

1. Flask<\/h3>\n

\nEste es un microframework escrito en Python. No tiene validaciones para formularios ni un nivel de abstracci\u00f3n de base de datos, pero permite utilizar bibliotecas externas para funciones comunes. Y es precisamente por eso que se le llama microframework. Flask est\u00e1 dise\u00f1ado para crear aplicaciones de manera simple y r\u00e1pida, adem\u00e1s de ser escalable y ligero. Se basa en los proyectos Werkzeug y Jinja2. Puedes aprender m\u00e1s sobre \u00e9l en el \u00faltimo art\u00edculo de DataFlair sobre Python Flask<\/a><\/noindex>.<\/p>\n

2. Keras<\/h3>\n

\nKeras es una biblioteca de redes neuronales de c\u00f3digo abierto escrita en Python. Es f\u00e1cil de usar, modular y extensible, y puede ejecutarse sobre TensorFlow, Theano, PlaidML o Microsoft Cognitive Toolkit (CNTK). Keras tiene todo: capas, funciones objetivo y de activaci\u00f3n, optimizadores y mucho m\u00e1s. Tambi\u00e9n soporta redes neuronales convolucionales y recurrentes.<\/p>\n

El trabajo en el \u00faltimo proyecto de c\u00f3digo abierto basado en Keras es Clasificaci\u00f3n de c\u00e1ncer de mama<\/a><\/noindex>.
\n<\/a><\/noindex><\/p>\n

\"56<\/a><\/noindex>

\nEste art\u00edculo fue traducido con el apoyo de EDISON Software, que desarrolla el sistema de diagn\u00f3stico de almacenamiento de documentos Vivaldi<\/a><\/noindex>, as\u00ed como invierte en startups<\/a><\/noindex>.<\/p><\/blockquote>\n

3. SpaCy<\/h3>\n

\nEs una biblioteca de software de c\u00f3digo abierto que se ocupa de procesamiento de lenguaje natural (NLP)<\/a><\/noindex> y est\u00e1 escrita en Python y Cython. Mientras que NLTK es m\u00e1s adecuado para prop\u00f3sitos de ense\u00f1anza e investigaci\u00f3n, el trabajo de spaCy consiste en proporcionar software para producci\u00f3n. Adem\u00e1s, Thinc es la biblioteca de aprendizaje autom\u00e1tico de spaCy, que presenta modelos CNN para etiquetado de partes del habla, an\u00e1lisis de dependencias y reconocimiento de entidades nombradas.<\/p>\n

4. Sentry<\/h3>\n

\nSentry ofrece un servicio de monitoreo de errores de c\u00f3digo abierto para que puedas detectar y clasificar errores en tiempo real. Simplemente instala el SDK para tu(s) lenguaje(s) o marco(s) y comienza a trabajar. Permite registrar excepciones no controladas, explorar trazas de pila, analizar el impacto de cada problema, rastrear errores en varios proyectos, asignar problemas y mucho m\u00e1s. Usar Sentry significa menos errores y m\u00e1s c\u00f3digo enviado.<\/p>\n

5. OpenCV<\/h3>\n

\nOpenCV es una biblioteca de visi\u00f3n por computadora y aprendizaje autom\u00e1tico de c\u00f3digo abierto. La biblioteca tiene m\u00e1s de 2500 algoritmos optimizados para tareas de visi\u00f3n por computadora, como detecci\u00f3n y reconocimiento de objetos, clasificaci\u00f3n de diferentes tipos de actividades humanas, seguimiento de movimientos mediante una c\u00e1mara, creaci\u00f3n de modelos tridimensionales de objetos, uni\u00f3n de im\u00e1genes para obtener im\u00e1genes de alta resoluci\u00f3n y muchas otras tareas. La biblioteca est\u00e1 disponible para muchos lenguajes, como Python, C++, Java, etc.<\/p>\n

N\u00famero de estrellas en Github: 39585<\/p>\n

\u00bfYa has trabajado en alg\u00fan proyecto de OpenCV? Aqu\u00ed hay uno: Proyecto de determinaci\u00f3n de g\u00e9nero y edad<\/a><\/noindex><\/p>\n

6. Nilearn<\/h3>\n

\nEste m\u00f3dulo permite una implementaci\u00f3n r\u00e1pida y sencilla del aprendizaje estad\u00edstico en datos de NeuroImaging. Permite utilizar scikit-learn para estad\u00edsticas multivariadas para modelado predictivo, clasificaci\u00f3n, decodificaci\u00f3n y an\u00e1lisis de conectividad. Nilearn es parte del ecosistema NiPy, que es una comunidad dedicada al uso de Python para el an\u00e1lisis de datos de neuroimagen.<\/p>\n

N\u00famero de estrellas en Github<\/a><\/noindex>: 549<\/p>\n

7. scikit-Learn<\/h3>\n

\nScikit-learn es otro proyecto en Python de c\u00f3digo abierto. Es una biblioteca de aprendizaje autom\u00e1tico muy conocida para Python. A menudo se utiliza con NumPy y SciPy, que ofrecen clasificaci\u00f3n, regresi\u00f3n y agrupamiento, y admite SVM (M\u00e1quinas de Vectores de Soporte)<\/a><\/noindex>, bosques aleatorios, impulso de gradiente, k-medias y DBSCAN. Esta biblioteca est\u00e1 escrita en Python y Cython.<\/p>\n

N\u00famero de estrellas en Github: 37,144<\/p>\n

8. PyTorch<\/h3>\n

\nPyTorch es otra biblioteca de aprendizaje autom\u00e1tico de c\u00f3digo abierto, escrita en Python y para Python. Est\u00e1 basada en la biblioteca Torch y es excelente para \u00e1reas como la visi\u00f3n por computadora y el procesamiento de lenguaje natural (NLP). Tambi\u00e9n tiene un frontend en C++. <\/p>\n

Entre muchas otras caracter\u00edsticas, PyTorch ofrece dos de alto nivel:<\/p>\n