C++計算機視覺

• CCV —基於C語言/提供快取/核心的機器視覺庫，新穎的機器視覺庫

• OpenCV—它提供C++, C, Python, Java 以及 MATLAB介面，並支援Windows, Linux, Android and Mac OS作業系統。
  

通用機器學習

• MLPack

• DLib

• ecogg

• shark
  

Closure通用機器學習

• Closure Toolbox—Clojure語言庫與工具的分類目錄
  

Go自然語言處理

• go-porterstemmer—一個Porter詞幹提取演算法的原生Go語言淨室實現

• paicehusk—Paice/Husk詞幹提取演算法的Go語言實現

• snowball—Go語言版的Snowball詞幹提取器
  

通用機器學習

• Go Learn— Go語言機器學習庫

• go-pr —Go語言機器學習包.

• bayesian—Go語言樸素貝葉斯分類庫。

• go-galib—Go語言遺傳演算法庫。
  

資料分析/資料視覺化

• go-graph—Go語言圖形庫。

• SVGo—Go語言的SVG生成庫。
  

Java自然語言處理

• CoreNLP—斯坦福大學的CoreNLP提供一系列的自然語言處理工具，輸入原始英語文字，可以給出單詞的基本形式（下面Stanford開頭的幾個工具都包含其中）。

• Stanford Parser—一個自然語言解析器。

• Stanford POS Tagger —一個詞性分類器。

• Stanford Name Entity Recognizer—Java實現的名稱識別器

• Stanford Word Segmenter—分詞器，很多NLP工作中都要用到的標準預處理步驟。

• Tregex, Tsurgeon and Semgrex —用來在樹狀資料結構中進行模式匹配，基於樹關係以及節點匹配的正則表示式（名字是“tree regular expressions”的縮寫）。

• Stanford Phrasal:最新的基於統計短語的機器翻譯系統，java編寫

• Stanford Tokens Regex—用以定義文字模式的框架。

• Stanford Temporal Tagger—SUTime是一個識別並標準化時間表達式的庫。

• Stanford SPIED—在種子集上使用模式，以迭代方式從無標籤文字中學習字元實體

• Stanford Topic Modeling Toolbox —為社會科學家及其他希望分析資料集的人員提供的主題建模工具。

• Twitter Text Java—Java實現的推特文字處理庫

• MALLET -—基於Java的統計自然語言處理、文件分類、聚類、主題建模、資訊提取以及其他機器學習文字應用包。

• OpenNLP—處理自然語言文字的機器學習工具包。

• LingPipe —使用計算機語言學處理文字的工具包。
  

通用機器學習

• MLlib in Apache Spark—Spark中的分散式機器學習程式庫

• Mahout —分散式的機器學習庫

• Stanford Classifier —斯坦福大學的分類器

• Weka—Weka是資料探勘方面的機器學習演算法集。

• ORYX—提供一個簡單的大規模實時機器學習/預測分析基礎架構。
  

資料分析/資料視覺化

• Hadoop—大資料分析平臺

• Spark—快速通用的大規模資料處理引擎。

• Impala —為Hadoop實現實時查詢
  

Javascript自然語言處理

• Twitter-text-js —JavaScript實現的推特文字處理庫

• NLP.js —javascript及coffeescript編寫的NLP工具

• natural—Node下的通用NLP工具

• Knwl.js—JS編寫的自然語言處理器
  

資料分析/資料視覺化

• D3.js

• High Charts

• NVD3.js

• dc.js

• chartjs

• dimple

• amCharts
  

通用機器學習

• Convnet.js—訓練深度學習模型的JavaScript庫。

• Clustering.js—用JavaScript實現的聚類演算法，供Node.js及瀏覽器使用。

• Decision Trees—Node.js實現的決策樹，使用ID3演算法。

• Node-fann —Node.js下的快速人工神經網路庫。

• Kmeans.js—k-means演算法的簡單Javascript實現，供Node.js及瀏覽器使用。

• LDA.js —供Node.js用的LDA主題建模工具。

• Learning.js—邏輯迴歸/c4.5決策樹的JavaScript實現

• Machine Learning—Node.js的機器學習庫。

• Node-SVM—Node.js的支援向量機

• Brain —JavaScript實現的神經網路

• Bayesian-Bandit —貝葉斯強盜演算法的實現，供Node.js及瀏覽器使用。
  

Julia通用機器學習

• PGM—Julia實現的概率圖模型框架。

• DA—Julia實現的正則化判別分析包。

• Regression—迴歸分析演算法包（如線性迴歸和邏輯迴歸）。

• Local Regression —區域性迴歸，非常平滑！

• Naive Bayes —樸素貝葉斯的簡單Julia實現

• Mixed Models —（統計）混合效應模型的Julia包

• Simple MCMC —Julia實現的基本mcmc取樣器

• Distance—Julia實現的距離評估模組

• Decision Tree —決策樹分類器及迴歸分析器

• Neural —Julia實現的神經網路

• MCMC —Julia下的MCMC工具

• GLM —Julia寫的廣義線性模型包

• Online Learning

• GLMNet —GMLNet的Julia包裝版，適合套索/彈性網模型。

• Clustering—資料聚類的基本函式：k-means, dp-means等。

• SVM—Julia下的支援向量機。

• Kernal Density—Julia下的核密度估計器

• Dimensionality Reduction—降維演算法

• NMF —Julia下的非負矩陣分解包

• ANN—Julia實現的神經網路
  

自然語言處理

• Topic Models —Julia下的主題建模

• Text Analysis—Julia下的文字分析包
  

資料分析/資料視覺化

• Graph Layout —純Julia實現的圖佈局演算法。

• Data Frames Meta —DataFrames的超程式設計工具。

• Julia Data—處理表格資料的Julia庫

• Data Read—從Stata、SAS、SPSS讀取檔案

• Hypothesis Tests—Julia中的假設檢驗包

• Gladfly —Julia編寫的靈巧的統計繪圖系統。

• Stats—Julia編寫的統計測試函式包

• RDataSets —讀取R語言中眾多可用的資料集的Julia函式包。

• DataFrames —處理表格資料的Julia庫。

• Distributions—概率分佈及相關函式的Julia包。

• Data Arrays —元素值可以為空的資料結構。

• Time Series—Julia的時間序列資料工具包。

• Sampling—Julia的基本取樣演算法包
  

雜項/簡報

• DSP —數字訊號處理

• JuliaCon Presentations—Julia大會上的簡報

• SignalProcessing—Julia的訊號處理工具

• Images—Julia的圖片庫
  

Lua
通用機器學習

• Torch7

  • cephes —Cephes數學函式庫，包裝成Torch可用形式。提供幷包裝了超過180個特殊的數學函式，由Stephen L. Moshier開發，是SciPy的核心，應用於很多場合。

  • graph —供Torch使用的圖形包。

  • randomkit—從Numpy提取的隨機數生成包，包裝成Torch可用形式。

  • signal —Torch-7可用的訊號處理工具包，可進行FFT, DCT, Hilbert, cepstrums, stft等變換。

  • nn —Torch可用的神經網路包。

  • nngraph —為nn庫提供圖形計算能力。

  • nnx—一個不穩定實驗性的包，擴充套件Torch內建的nn庫。

  • optim—Torch可用的優化演算法庫，包括 SGD, Adagrad, 共軛梯度演算法, LBFGS, RProp等演算法。

  • unsup—Torch下的非監督學習包。提供的模組與nn(LinearPsd, ConvPsd, AutoEncoder, …)及獨立演算法 (k-means, PCA)等相容。

  • manifold—操作流形的包。

  • svm—Torch的支援向量機庫。

  • lbfgs—將liblbfgs包裝為FFI介面。

  • vowpalwabbit —老版的vowpalwabbit對torch的介面。

  • OpenGM—OpenGM是C++編寫的圖形建模及推斷庫，該binding可以用Lua以簡單的方式描述圖形，然後用OpenGM優化。

  • sphagetti —MichaelMathieu為torch7編寫的稀疏線性模組。

  • LuaSHKit —將區域性敏感雜湊庫SHKit包裝成lua可用形式。

  • kernel smoothing —KNN、核權平均以及區域性線性迴歸平滑器

  • cutorch—torch的CUDA後端實現

  • cunn —torch的CUDA神經網路實現。

  • imgraph—torch的影象/圖形庫，提供從影象建立圖形、分割、建立樹、又轉化回影象的例程

  • videograph—torch的視訊/圖形庫，提供從視訊建立圖形、分割、建立樹、又轉化回視訊的例程

  • saliency —積分影象的程式碼和工具，用來從快速積分直方圖中尋找興趣點。

  • stitch —使用hugin拼合影象並將其生成視訊序列。

  • sfm—運動場景束調整/結構包

  • fex —torch的特徵提取包，提供SIFT和dSIFT模組。

  • OverFeat—當前最高水準的通用密度特徵提取器。
    

• Numeric Lua

• Lunatic Python

• SciLua

• Lua – Numerical Algorithms

• Lunum
  

演示及指令碼

• Core torch7 demos repository.核心torch7演示程式庫

  • 線性迴歸、邏輯迴歸

  • 人臉檢測（訓練和檢測是獨立的演示）

  • 基於mst的斷詞器

  • train-a-digit-classifier

  • train-autoencoder

  • optical flow demo

  • train-on-housenumbers

  • train-on-cifar

  • tracking with deep nets

  • kinect demo

  • 濾波視覺化

  • saliency-networks
    

• Training a Convnet for the Galaxy-Zoo Kaggle challenge(CUDA demo)

• Music Tagging—torch7下的音樂標籤指令碼

• torch-datasets 讀取幾個流行的資料集的指令碼，包括：

  • BSR 500

  • CIFAR-10

  • COIL

  • Street View House Numbers

  • MNIST

  • NORB
    

• Atari2600 —在Arcade Learning Environment模擬器中用靜態幀生成資料集的指令碼。
  

Matlab計算機視覺

• Contourlets —實現輪廓波變換及其使用函式的MATLAB原始碼

• Shearlets—剪下波變換的MATLAB原始碼

• Curvelets—Curvelet變換的MATLAB原始碼（Curvelet變換是對小波變換向更高維的推廣，用來在不同尺度角度表示影象。）

• Bandlets—Bandlets變換的MATLAB原始碼
  

自然語言處理

• NLP —一個Matlab的NLP庫
  

通用機器學習

• Training a deep autoencoder or a classifier on MNIST digits—在MNIST字元資料集上訓練一個深度的autoencoder或分類器[深度學習]。

• t-Distributed Stochastic Neighbor Embedding —獲獎的降維技術，特別適合於高維資料集的視覺化

• Spider—Matlab機器學習的完整面向物件環境。

• LibSVM —支援向量機程式庫

• LibLinear —大型線性分類程式庫

• Machine Learning Module —M. A .Girolami教授的機器學習課程，包括PDF，講義及程式碼。

• Caffe—考慮了程式碼清潔、可讀性及速度的深度學習框架

• Pattern Recognition Toolbox —Matlab中的模式識別工具包，完全面向物件
  

資料分析/資料視覺化

• matlab_gbl—處理影象的Matlab包

• gamic—影象演算法純Matlab高效實現，對MatlabBGL的mex函式是個補充。
  

.NET計算機視覺

• OpenCVDotNet —包裝器，使.NET程式能使用OpenCV程式碼

• Emgu CV—跨平臺的包裝器，能在Windows, Linus, Mac OS X, iOS, 和Android上編譯。
  

自然語言處理

• Stanford.NLP for .NET —斯坦福大學NLP包在.NET上的完全移植，還可作為NuGet包進行預編譯。
  

通用機器學習

• Accord.MachineLearning —支援向量機、決策樹、樸素貝葉斯模型、K-means、高斯混合模型和機器學習應用的通用演算法，例如：隨機抽樣一致性演算法、交叉驗證、網格搜尋。這個包是Accord.NET框架的一部分。

• Vulpes—F#語言實現的Deep belief和深度學習包，它在Alea.cuBase下利用CUDA GPU來執行。

• Encog —先進的神經網路和機器學習框架，包括用來建立多種網路的類，也支援神經網路需要的資料規則化及處理的類。它的訓練採用多執行緒彈性傳播。它也能使用GPU加快處理時間。提供了圖形化介面來幫助建模和訓練神經網路。

• Neural Network Designer —這是一個數據庫管理系統和神經網路設計器。設計器用WPF開發，也是一個UI，你可以設計你的神經網路、查詢網路、建立並配置聊天機器人，它能問問題，並從你的反饋中學習。這些機器人甚至可以從網路蒐集資訊用來輸出，或是用來學習。
  

資料分析/資料視覺化

• numl —numl這個機器學習庫，目標就是簡化預測和聚類的標準建模技術。

• Math.NET Numerics—Math.NET專案的數值計算基礎，著眼提供科學、工程以及日常數值計算的方法和演算法。支援 Windows, Linux 和 Mac上的 .Net 4.0, .Net 3.5 和 Mono ，Silverlight 5, WindowsPhone/SL 8, WindowsPhone 8.1 以及裝有 PCL Portable Profiles 47 及 344的Windows 8， 裝有 Xamarin的Android/iOS 。

• Sho —Sho是資料分析和科學計算的互動式環境，可以讓你將指令碼（IronPython語言）和編譯的程式碼（.NET）無縫連線，以快速靈活的建立原型。這個環境包括強大高效的庫，如線性代數、資料視覺化，可供任何.NET語言使用，還為快速開發提供了功能豐富的互動式shell。
  

Python計算機視覺

• SimpleCV—開源的計算機視覺框架，可以訪問如OpenCV等高效能運算機視覺庫。使用Python編寫，可以在Mac、Windows以及Ubuntu上執行。
  

自然語言處理

• NLTK —一個領先的平臺，用來編寫處理人類語言資料的Python程式

• Pattern—Python可用的web挖掘模組，包括自然語言處理、機器學習等工具。

• TextBlob—為普通自然語言處理任務提供一致的API，以NLTK和Pattern為基礎，並和兩者都能很好相容。

• jieba—中文斷詞工具。

• SnowNLP —中文文字處理庫。

• loso—另一箇中文斷詞庫。

• genius —基於條件隨機域的中文斷詞庫。

• nut —自然語言理解工具包。
  

通用機器學習

• Bayesian Methods for Hackers —Python語言概率規劃的電子書

• MLlib in Apache Spark—Spark下的分散式機器學習庫。

• scikit-learn—基於SciPy的機器學習模組

• graphlab-create —包含多種機器學習模組的庫（迴歸，聚類，推薦系統，圖分析等），基於可以磁碟儲存的DataFrame。

• BigML—連線外部伺服器的庫。

• pattern—Python的web挖掘模組

• NuPIC—Numenta公司的智慧計算平臺。

• Pylearn2—基於Theano的機器學習庫。

• hebel —Python編寫的使用GPU加速的深度學習庫。

• gensim—主題建模工具。

• PyBrain—另一個機器學習庫。

• Crab —可擴充套件的、快速推薦引擎。

• python-recsys —Python實現的推薦系統。

• thinking bayes—關於貝葉斯分析的書籍

• Restricted Boltzmann Machines —Python實現的受限波爾茲曼機。[深度學習]。

• Bolt —線上學習工具箱。

• CoverTree —cover tree的Python實現，scipy.spatial.kdtree便捷的替代。

• nilearn—Python實現的神經影像學機器學習庫。

• Shogun—機器學習工具箱。

• Pyevolve —遺傳演算法框架。

• Caffe —考慮了程式碼清潔、可讀性及速度的深度學習框架

• breze—深度及遞迴神經網路的程式庫，基於Theano。
  

資料分析/資料視覺化

• SciPy —基於Python的數學、科學、工程開源軟體生態系統。

• NumPy—Python科學計算基礎包。

• Numba —Python的低階虛擬機器JIT編譯器，Cython and NumPy的開發者編寫，供科學計算使用

• NetworkX —為複雜網路使用的高效軟體。

• Pandas—這個庫提供了高效能、易用的資料結構及資料分析工具。

• Open Mining—Python中的商業智慧工具（Pandas web介面）。

• PyMC —MCMC取樣工具包。

• zipline—Python的演算法交易庫。

• PyDy—全名Python Dynamics，協助基於NumPy, SciPy, IPython以及 matplotlib的動態建模工作流。

• SymPy —符號數學Python庫。

• statsmodels—Python的統計建模及計量經濟學庫。

• astropy —Python天文學程式庫，社群協作編寫

• matplotlib —Python的2D繪相簿。

• bokeh—Python的互動式Web繪相簿。

• plotly —Python and matplotlib的協作web繪相簿。

• vincent—將Python資料結構轉換為Vega視覺化語法。

• d3py—Python的繪相簿，基於D3.js。

• ggplot —和R語言裡的ggplot2提供同樣的API。

• Kartograph.py—Python中渲染SVG圖的庫，效果漂亮。

• pygal—Python下的SVG圖表生成器。

• pycascading
  

雜項指令碼/iPython筆記/程式碼庫

• pattern_classification

• thinking stats 2

• hyperopt

• numpic

• 2012-paper-diginorm

• ipython-notebooks

• decision-weights

• Sarah Palin LDA —Sarah Palin關於主題建模的電郵。

• Diffusion Segmentation —基於擴散方法的影象分割演算法集合。

• Scipy Tutorials —SciPy教程，已過時，請檢視scipy-lecture-notes

• Crab—Python的推薦引擎庫。

• BayesPy—Python中的貝葉斯推斷工具。

• scikit-learn tutorials—scikit-learn學習筆記系列

• sentiment-analyzer —推特情緒分析器

• group-lasso—座標下降演算法實驗，應用於（稀疏）群套索模型。

• mne-python-notebooks—使用 mne-python進行EEG/MEG資料處理的IPython筆記

• pandas cookbook—使用Python pandas庫的方法書。

• climin—機器學習的優化程式庫，用Python實現了梯度下降、LBFGS、rmsprop、adadelta 等演算法。
  

Kaggle競賽原始碼

• wiki challange —Kaggle上一個維基預測挑戰賽 Dell Zhang解法的實現。

• kaggle insults—Kaggle上”從社交媒體評論中檢測辱罵“競賽提交的程式碼

• kaggle_acquire-valued-shoppers-challenge—Kaggle預測回頭客挑戰賽的程式碼

• kaggle-cifar —Kaggle上CIFAR-10 競賽的程式碼，使用cuda-convnet

• kaggle-blackbox —Kaggle上blackbox賽程式碼，關於深度學習。

• kaggle-accelerometer —Kaggle上加速度計資料識別使用者競賽的程式碼

• kaggle-advertised-salaries —Kaggle上用廣告預測工資競賽的程式碼

• kaggle amazon —Kaggle上給定員工角色預測其訪問需求競賽的程式碼

• kaggle-bestbuy_big—Kaggle上根據bestbuy使用者查詢預測點選商品競賽的程式碼（大資料版）

• kaggle-bestbuy_small—Kaggle上根據bestbuy使用者查詢預測點選商品競賽的程式碼（小資料版）

• Kaggle Dogs vs. Cats —Kaggle上從圖片中識別貓和狗競賽的程式碼

• Kaggle Galaxy Challenge —Kaggle上遙遠星系形態分類競賽的優勝程式碼

• Kaggle Gender —Kaggle競賽：從筆跡區分性別

• Kaggle Merck—Kaggle上預測藥物分子活性競賽的程式碼（默克製藥贊助）

• Kaggle Stackoverflow—Kaggle上 預測Stack Overflow網站問題是否會被關閉競賽的程式碼

• wine-quality —預測紅酒質量。
  

Ruby自然語言處理

• Treat—文字檢索與註釋工具包，Ruby上我見過的最全面的工具包。

• Ruby Linguistics—這個框架可以用任何語言為Ruby物件構建語言學工具。包括一個語言無關的通用前端，一個將語言程式碼對映到語言名的模組，和一個含有很有英文語言工具的模組。

• Stemmer—使得Ruby可用 libstemmer_c中的介面。

• Ruby Wordnet —WordNet的Ruby介面庫。

• Raspel —aspell繫結到Ruby的介面

• UEA Stemmer—UEALite Stemmer的Ruby移植版，供搜尋和檢索用的保守的詞幹分析器

• Twitter-text-rb—該程式庫可以將推特中的使用者名稱、列表和話題標籤自動連線並提取出來。
  

通用機器學習

• Ruby Machine Learning —Ruby實現的一些機器學習演算法。

• Machine Learning Ruby

• jRuby Mahout —精華！在JRuby世界中釋放了Apache Mahout的威力。

• CardMagic-Classifier—可用貝葉斯及其他分類法的通用分類器模組。

• Neural Networks and Deep Learning—《神經網路和深度學習》一書的示例程式碼。
  

資料分析/資料視覺化

• rsruby – Ruby – R bridge

• data-visualization-ruby—關於資料視覺化的Ruby Manor演示的原始碼和支援內容

• ruby-plot —將gnuplot包裝為Ruby形式，特別適合將ROC曲線轉化為svg檔案。

• plot-rb—基於Vega和D3的ruby繪相簿

• scruffy —Ruby下出色的圖形工具包

• SciRuby

• Glean—資料管理工具

• Bioruby

• Arel
  

Misc
雜項

• Big Data For Chimps—大資料處理嚴肅而有趣的指南書
  

R通用機器學習

• Clever Algorithms For Machine Learning

• Machine Learning For Hackers

• Machine Learning Task View on CRAN—R語言機器學習包列表，按演算法型別分組。

• caret—R語言150個機器學習演算法的統一介面

• SuperLearner and subsemble—該包集合了多種機器學習演算法

• Introduction to Statistical Learning
  

資料分析/資料視覺化

• Learning Statistics Using R

• ggplot2—基於圖形語法的資料視覺化包。
  

Scala自然語言處理

• ScalaNLP—機器學習和數值計算庫的套裝

• Breeze —Scala用的數值處理庫

• Chalk—自然語言處理庫。

• FACTORIE—可部署的概率建模工具包，用Scala實現的軟體庫。為使用者提供簡潔的語言來建立關係因素圖，評估引數並進行推斷。
  

資料分析/資料視覺化

• MLlib in Apache Spark—Spark下的分散式機器學習庫

• Scalding —CAscading的Scala介面

• Summing Bird—用Scalding 和 Storm進行Streaming MapReduce

• Algebird —Scala的抽象代數工具

• xerial —Scala的資料管理工具

• simmer —化簡你的資料，進行代數聚合的unix過濾器

• PredictionIO —供軟體開發者和資料工程師用的機器學習伺服器。

• BIDMat—支援大規模探索性資料分析的CPU和GPU加速矩陣庫。
  

通用機器學習

• Conjecture—Scalding下可擴充套件的機器學習框架

• brushfire—scalding下的決策樹工具。

• ganitha —基於scalding的機器學習程式庫

• adam—使用Apache Avro, Apache Spark 和 Parquet的基因組處理引擎，有專用的檔案格式，Apache 2軟體許可。

• bioscala —Scala語言可用的生物資訊學程式庫

• BIDMach—機器學習CPU和GPU加速庫。