{"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\/pt\/blog\/news\/56-proektov-na-python-s-otkrytym-ishodnym-kodom","title":{"rendered":"56 projetos em Python de c\u00f3digo aberto","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

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

1. Flask<\/h3>\n

\nFlask \u00e9 um microframework escrito em Python. Ele n\u00e3o possui valida\u00e7\u00f5es para formul\u00e1rios e n\u00edveis de abstra\u00e7\u00e3o de banco de dados, mas permite que voc\u00ea use bibliotecas de terceiros para funcionalidades comuns. E \u00e9 por isso que \u00e9 um microframework. Flask \u00e9 projetado para a cria\u00e7\u00e3o r\u00e1pida e simples de aplicativos e tamb\u00e9m \u00e9 escal\u00e1vel e leve. \u00c9 baseado nos projetos Werkzeug e Jinja2. Voc\u00ea pode aprender mais sobre ele no \u00faltimo artigo da DataFlair sobre Python Flask<\/a><\/noindex>.<\/p>\n

2. Keras<\/h3>\n

\nKeras \u00e9 uma biblioteca de rede neural de c\u00f3digo aberto, escrita em Python. \u00c9 amig\u00e1vel ao usu\u00e1rio, modular e extens\u00edvel, e pode operar sobre TensorFlow, Theano, PlaidML ou Microsoft Cognitive Toolkit (CNTK). O Keras tem tudo: modelos, fun\u00e7\u00f5es de objetivo e de transfer\u00eancia, otimizadores e muito mais. Ele tamb\u00e9m suporta redes neurais convolucionais e recorrentes.<\/p>\n

O trabalho no \u00faltimo projeto de c\u00f3digo aberto baseado em Keras \u00e9 Classifica\u00e7\u00e3o do c\u00e2ncer de mama<\/a><\/noindex>.
\n<\/a><\/noindex><\/p>\n

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

\nEste artigo foi traduzido com o apoio da empresa EDISON Software, que desenvolvendo um sistema de diagn\u00f3stico do reposit\u00f3rio de documentos Vivaldi<\/a><\/noindex>, al\u00e9m de investindo em startups<\/a><\/noindex>.<\/p><\/blockquote>\n

3. SpaCy<\/h3>\n

\nEsta \u00e9 uma biblioteca de software de c\u00f3digo aberto que se dedica ao processamento de linguagem natural (NLP)<\/a><\/noindex> e \u00e9 escrita em Python e Cython. Enquanto o NLTK \u00e9 mais apropriado para ensino e pesquisa, o foco do spaCy \u00e9 fornecer software para produ\u00e7\u00e3o. Al\u00e9m disso, Thinc \u00e9 a biblioteca de aprendizado de m\u00e1quina do spaCy, que apresenta modelos CNN para marca\u00e7\u00e3o de partes do discurso, an\u00e1lise de depend\u00eancias e reconhecimento de entidades nomeadas.<\/p>\n

4. Sentry<\/h3>\n

\nO Sentry oferece hospedagem de monitoramento de erros de c\u00f3digo aberto, permitindo que voc\u00ea detecte e classifique erros em tempo real. Basta instalar o SDK para sua(s) linguagem(em) ou framework(s) e come\u00e7ar. Ele permite capturar exce\u00e7\u00f5es n\u00e3o tratadas, examinar rastreamentos de pilha, analisar o impacto de cada problema, rastrear erros em v\u00e1rios projetos, atribuir problemas e muito mais. Usar o Sentry significa menos erros e mais c\u00f3digo enviado.<\/p>\n

5. OpenCV<\/h3>\n

\nOpenCV \u00e9 uma biblioteca de vis\u00e3o computacional e aprendizado de m\u00e1quina de c\u00f3digo aberto. A biblioteca possui mais de 2500 algoritmos otimizados para tarefas de vis\u00e3o computacional, como detec\u00e7\u00e3o e reconhecimento de objetos, classifica\u00e7\u00e3o de diferentes tipos de atividades humanas, rastreamento de movimentos com c\u00e2mera, cria\u00e7\u00e3o de modelos 3D de objetos, combina\u00e7\u00e3o de imagens para obter imagens de alta resolu\u00e7\u00e3o e muitas outras tarefas. A biblioteca est\u00e1 dispon\u00edvel para v\u00e1rias linguagens, como Python, C++, Java, etc.<\/p>\n

N\u00famero de estrelas no Github: 39585<\/p>\n

Voc\u00ea j\u00e1 trabalhou em algum projeto OpenCV? Aqui est\u00e1 um \u2014 Projeto de determina\u00e7\u00e3o de g\u00eanero e idade<\/a><\/noindex><\/p>\n

6. Nilearn<\/h3>\n

\nEste \u00e9 um m\u00f3dulo para implementa\u00e7\u00e3o r\u00e1pida e simples de aprendizado estat\u00edstico em dados de NeuroImaging. Ele permite o uso do scikit-learn para estat\u00edsticas multivariadas para modelagem preditiva, classifica\u00e7\u00e3o, decodifica\u00e7\u00e3o e an\u00e1lise de conectividade. Nilearn \u00e9 parte do ecossistema NiPy, que \u00e9 uma comunidade dedicada ao uso de Python para an\u00e1lise de dados de neuroimagem.<\/p>\n

N\u00famero de estrelas em Github<\/a><\/noindex>: 549<\/p>\n

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

\nScikit-learn \u00e9 mais um projeto Python de c\u00f3digo aberto. \u00c9 uma biblioteca de aprendizado de m\u00e1quina muito conhecida para Python. Frequentemente usada com NumPy e SciPy, a SciPy oferece classifica\u00e7\u00e3o, regress\u00e3o e agrupamento \u2014 suporta SVM (Support Vector Machines)<\/a><\/noindex>, florestas aleat\u00f3rias, boosting graduado, k-m\u00e9dias e DBSCAN. Esta biblioteca \u00e9 escrita nas linguagens Python e Cython.<\/p>\n

N\u00famero de estrelas no Github: 37,144<\/p>\n

8. PyTorch<\/h3>\n

\nPyTorch \u00e9 mais uma biblioteca de aprendizado de m\u00e1quina de c\u00f3digo aberto, escrita em Python e para Python. Ela \u00e9 baseada na biblioteca Torch e \u00e9 excelente para \u00e1reas como vis\u00e3o computacional e processamento de linguagem natural (NLP). Tamb\u00e9m possui uma interface em C++. <\/p>\n

Entre muitos outros recursos, o PyTorch oferece dois de alto n\u00edvel:<\/p>\n