مكتبات بايثون هي مجموعة من الوظائف المفيدة التي تلغي الحاجة إلى كتابة الأكواد من الصفر. يوجد اليوم أكثر من 137,000 مكتبة بايثون، وهي تلعب دورًا حيويًا في تطوير التعلم الآلي وعلوم البيانات وتصور البيانات وتطبيقات معالجة الصور والبيانات والمزيد. دعونا نقدم بإيجاز لغة برمجة بايثون ثم نتعمق مباشرة في مكتبات بايثون الأكثر شعبية.

ما هي المكتبة؟

المكتبة عبارة عن مجموعة من الرموز المجمعة مسبقًا والتي يمكن استخدامها بشكل متكرر لتقليل الوقت المطلوب للبرمجة. إنها مفيدة بشكل خاص للوصول إلى الرموز المكتوبة مسبقًا والمستخدمة بشكل متكرر بدلاً من كتابتها من الصفر في كل مرة. على غرار المكتبات المادية، فهي عبارة عن مجموعة من الموارد القابلة لإعادة الاستخدام، مما يعني أن كل مكتبة لديها مصدر جذر. هذا هو الأساس وراء العديد من المكتبات مفتوحة المصدر المتوفرة في بايثون. 

ما هو بايثون المكتبة?

مكتبة بايثون عبارة عن مجموعة من الوحدات والحزم التي تقدم مجموعة واسعة من الوظائف. تتيح هذه المكتبات للمطورين أداء مهام مختلفة دون الحاجة إلى كتابة التعليمات البرمجية من البداية. وهي تحتوي على تعليمات برمجية وفئات ووظائف وإجراءات مكتوبة مسبقًا يمكن استخدامها لتطوير التطبيقات وأتمتة المهام ومعالجة البيانات وإجراء الحسابات الرياضية والمزيد.

يغطي النظام البيئي الشامل للمكتبات في Python مجالات متنوعة مثل تطوير الويب (على سبيل المثال، Django، Flask)، وتحليل البيانات (على سبيل المثال، pandas، NumPy)، والتعلم الآلي (على سبيل المثال، TensorFlow، وscikit-learn)، ومعالجة الصور (على سبيل المثال، Pillow، وOpenCV). )، والحوسبة العلمية (على سبيل المثال، SciPy)، وغيرها الكثير. تساهم هذه الثروة من المكتبات بشكل كبير في زيادة شعبية لغة Python بين المطورين والباحثين وعلماء البيانات، حيث إنها تبسط عملية التطوير وتنفذ الوظائف المعقدة بكفاءة.

فحص سريع - أسس بايثون

قائمة أفضل 30 مكتبة بيثون

يتضمن هذا الجدول المكتبات الأساسية لعلماء البيانات ومطوري الويب ومهندسي البرمجيات الذين يعملون مع Python. تتمتع كل مكتبة بنقاط قوة خاصة بها ويتم اختيارها لمهام محددة، بدءًا من أطر تطوير الويب مثل Django وFlask وحتى مكتبات التعلم الآلي مثل TensorFlow وPyTorch وحتى أدوات تحليل البيانات والتصور مثل Pandas وMatplotlib.

1. Scikit- تعلم

ومن البرمجيات الحرة آلة التعلم مكتبة لغة البرمجة بايثون. يمكن استخدامه بشكل فعال لمجموعة متنوعة من التطبيقات التي تشمل التصنيف، والانحدار، والتجميع، واختيار النموذج، وBayes الساذج، وتعزيز الدرجة، والوسائل K، والمعالجة المسبقة.
تتطلب Scikit-Learn:

• بايثون (> = 2.7 أو> = 3.3) ،
• NumPy (> = 1.8.2) ،
• SciPy (> = 0.13.3).

يستخدم Spotify Scikit-learn لتوصياته الموسيقية وEvernote لبناء مصنفاته. إذا كان لديك بالفعل تثبيت فعال لـ NumPy وscipy، فإن أسهل طريقة لتثبيت scikit-learn هي باستخدام بذرة.

2. نوبيك

منصة Numenta للحوسبة الذكية (NuPIC) هي منصة تهدف إلى تنفيذ خوارزمية تعلم HTM وجعلها مصدرًا عامًا أيضًا. إنه الأساس لخوارزميات التعلم الآلي المستقبلية القائمة على بيولوجيا القشرة المخية الحديثة. انقر هنا للتحقق من التعليمات البرمجية الخاصة بهم على GitHub.

3. منحدر

إنها مكتبة بايثون تُستخدم للنماذج الأولية السريعة لنماذج التعلم الآلي. المنحدر يوفر بناء جملة تعريفيًا بسيطًا لاستكشاف الميزات والخوارزميات والتحولات. إنه إطار عمل تعلم آلي خفيف الوزن يعتمد على الباندا ويمكن استخدامه بسلاسة مع أدوات التعلم الآلي والإحصاء الموجودة في Python.

4. نومبي

عندما يتعلق الأمر بالحوسبة العلمية ، نمباي هي إحدى الحزم الأساسية لـ Python، حيث توفر الدعم للمصفوفات والمصفوفات الكبيرة متعددة الأبعاد إلى جانب مجموعة من الوظائف الرياضية عالية المستوى لتنفيذ هذه الوظائف بسرعة. يعتمد NumPy على بلاس و لاباك من أجل حسابات الجبر الخطي الفعالة. يمكن أيضًا استخدام NumPy كحاوية فعالة متعددة الأبعاد للبيانات العامة.

يمكن العثور على حزم تثبيت NumPy المختلفة هنا.

5.بيبينف

• أداة موصى بها رسميًا لـ Python في عام 2017 - Pipenv هي أداة جاهزة للإنتاج تهدف إلى تقديم أفضل ما في عوالم التغليف إلى عالم Python. الغرض الأساسي هو تزويد المستخدمين ببيئة عمل يسهل إعدادها. تم إنشاء Pipenv، "سير عمل تطوير Python للبشر"، بواسطة Kenneth Reitz لإدارة تناقضات الحزمة. يمكن العثور على تعليمات تثبيت Pipenv هنا.

6. تدفق موتر

إطار التعلم العميق الأكثر شيوعًا في TensorFlow هو مكتبة برمجيات مفتوحة المصدر للحسابات الرقمية عالية الأداء. إنها مكتبة رياضية مميزة وتستخدم أيضًا لـ Python في التعلم الآلي وخوارزميات التعلم العميق. تم تطوير Tensorflow من قبل الباحثين في فريق Google Brain داخل مؤسسة Google AI. واليوم، يتم استخدامه من قبل الباحثين في خوارزميات التعلم الآلي ومن قبل الفيزيائيين في الحسابات الرياضية المعقدة. تدعم أنظمة التشغيل التالية TensorFlow: macOS 10.12.6 (Sierra) أو الأحدث؛ أوبونتو 16.04 أو الأحدث؛ ويندوز 7 أو أعلى؛ راسبيان 9.0 أو الأحدث.

هل تحقق من موقعنا دورة مجانية في Tensorflow و Keras و بيثون TensorFlow. ستقدم لك هذه الدورة التدريبية هذين الإطارين وستوجهك أيضًا من خلال عرض توضيحي لكيفية استخدام هذه الأطر.

7. بوب

تم تطويره في معهد Idiap للأبحاث في سويسرا ، بوب عبارة عن مجموعة أدوات مجانية لمعالجة الإشارات والتعلم الآلي. تم كتابة صندوق الأدوات بمزيج من Python و C ++. من التعرف على الصور إلى معالجة الصور والفيديو باستخدام خوارزميات التعلم الآلي ، يتوفر عدد كبير من الحزم في Bob لتحقيق كل هذا بكفاءة عالية في وقت قصير.

8. باي تورش

قدمه Facebook في عام 2017 ، PyTorch هي حزمة Python التي تمنح المستخدم مزيجًا من ميزتين عاليتي المستوى - حساب Tensor (مثل NumPy) مع تسريع GPU قوي وتطوير الشبكات العصبية العميقة على نظام فرق تلقائي قائم على الشريط. توفر PyTorch نظامًا أساسيًا رائعًا لتنفيذ نماذج التعلم العميق مع زيادة المرونة والسرعة المصممة لتتكامل بعمق مع Python.

هل تتطلع للبدء مع PyTorch؟ تحقق من هذه دورات باي تورش لمساعدتك على البدء بسرعة وسهولة.

9. باي برين

بيبرين يحتوي على خوارزميات لـ الشبكات العصبية التي يمكن استخدامها من قبل الطلاب المبتدئين ولكن يمكن استخدامها في أحدث الأبحاث. الهدف هو تقديم خوارزميات بسيطة ومرنة ومتطورة وقوية للتعلم الآلي مع العديد من البيئات المحددة مسبقًا لاختبار ومقارنة الخوارزميات الخاصة بك. الباحثون، الطلاب، المطورون، المحاضرون، أنت وأنا يمكننا استخدام PyBrain.

10. MILK

تركز مجموعة أدوات التعلم الآلي هذه في Python على التصنيف الخاضع للإشراف مع مجموعة كاملة من المصنفات المتاحة: SVM و k-NN والغابات العشوائية وأشجار القرار. مجموعة من مجموعات هذه المصنفات تعطي أنظمة تصنيف مختلفة. بالنسبة للتعلم غير الخاضع للإشراف ، يمكن للمرء استخدام مجموعة الوسائل k وانتشار التقارب. هناك تركيز قوي على السرعة وانخفاض استخدام الذاكرة. لذلك ، فإن معظم التعليمات البرمجية الحساسة للأداء موجودة في C ++. اقرأ المزيد عنها هنا.

11. كراس

إنها مكتبة شبكة عصبية مفتوحة المصدر مكتوبة بلغة Python مصممة لتمكين التجريب السريع مع الشبكات العصبية العميقة. مع انتشار التعلم العميق في كل مكان ، Keras يصبح الخيار المثالي لأنه واجهة برمجة التطبيقات (API) مصممة للبشر وليس للآلات، وفقًا للمبدعين. مع أكثر من 200,000 مستخدم اعتبارًا من نوفمبر 2017، تتمتع Keras باعتماد أقوى في كل من الصناعة ومجتمع البحث، حتى عبر TensorFlow أو Theano. قبل تثبيت Keras، يُنصح بتثبيت محرك الواجهة الخلفية TensorFlow.

12. اندفاع

من استكشاف البيانات إلى مراقبة تجاربك، تشبه داش الواجهة الأمامية لواجهة بايثون الخلفية التحليلية. يعد إطار عمل Python الإنتاجي هذا مثاليًا لتطبيقات تصور البيانات المناسبة بشكل خاص لكل مستخدم Python. إن السهولة التي نختبرها هي نتيجة لجهد مكثف وشامل.

13. الباندا

وهي مكتبة مفتوحة المصدر ومرخصة من قبل BSD. تتيح الباندا توفير بنية بيانات سهلة وتحليل أسرع للبيانات لبيثون. بالنسبة لعمليات مثل تحليل البيانات والنمذجة، يتيح Pandas إمكانية تنفيذها دون الحاجة إلى التبديل إلى لغة أكثر تحديدًا للمجال مثل R. أفضل طريقة لتثبيت Pandas هي عن طريق تركيب كوندا.

14. سكيبي

هذا برنامج آخر مفتوح المصدر يستخدم للحوسبة العلمية في بايثون. بصرف النظر عن ذلك ، يستخدم Scipy أيضًا في حساب البيانات والإنتاجية والحوسبة عالية الأداء وضمان الجودة. يمكن العثور على حزم التثبيت المختلفة هنا. النواة سكيبي الحزم هي Numpy، وSciPy Library، وMatplotlib، وIPython، وSypy، وPandas.

15. ماتبلوتليب

جميع المكتبات التي ناقشناها قادرة على إجراء سلسلة من العمليات الرقمية، ولكن عندما يتعلق الأمر بتخطيط الأبعاد، فإن Matplotlib يسرق الأضواء. تُستخدم هذه المكتبة مفتوحة المصدر بلغة Python على نطاق واسع لنشر أرقام الجودة بتنسيقات مطبوعة مختلفة وبيئات تفاعلية عبر الأنظمة الأساسية. يمكنك تصميم المخططات، والرسوم البيانية، والمخططات الدائرية، ومخططات التشتت، والرسوم البيانية، ومخططات الأخطاء، وما إلى ذلك، باستخدام بضعة أسطر فقط من التعليمات البرمجية.

يمكن العثور على حزم التثبيت المختلفة هنا.

16. ثيانو

تمكنك هذه المكتبة مفتوحة المصدر من تحديد وتحسين وتقييم التعبيرات الرياضية التي تتضمن صفائف متعددة الأبعاد بكفاءة. بالنسبة لحجم البيانات الهائل، تصبح رموز C المصنوعة يدويًا أبطأ. يتيح Theano التنفيذ السريع للتعليمات البرمجية. يمكن لـ Theano التعرف على التعبيرات غير المستقرة وحسابها باستخدام خوارزميات مستقرة إنها اليد العليا على NumPy. أقرب حزمة بايثون إلى Theano هي Sympy. لذا دعونا نتحدث عنها.

17. سيمبي

لجميع الرياضيات الرمزية، SymPy هو الجواب. تعد مكتبة بايثون للرياضيات الرمزية وسيلة مساعدة فعالة لأنظمة الجبر الحاسوبية (CAS) مع الحفاظ على التعليمات البرمجية بسيطة قدر الإمكان لتكون مفهومة وقابلة للتوسعة بسهولة. SimPy مكتوب بلغة Python فقط ويمكن تضمينه في تطبيقات أخرى وتوسيعه بوظائف مخصصة. يمكنك العثور على الكود المصدري على جيثب. 

18. كافيه 2

الصبي الجديد في المدينة – Caffe2، هو إطار عمل للتعلم العميق خفيف الوزن وقابل للتطوير. ويهدف إلى توفير طريقة سهلة ومباشرة لتجربة التعلم العميق. بفضل Python وC++ APIs في Caffe2، يمكننا إنشاء نموذجنا الأولي الآن وتحسينه لاحقًا. يمكنك البدء مع Caffe2 الآن من خلال هذه الخطوة بخطوة دليل التثبيت.

19. بحار

عندما يتعلق الأمر بتصور النماذج الإحصائية مثل خرائط الحرارة ، يعد Seaborn من بين المصادر الموثوقة. مكتبة Python هذه مشتقة من Matplotlib وهي مدمجة بشكل وثيق مع هياكل بيانات Pandas. قم بزيارة صفحة التثبيت لنرى كيف يمكن تثبيت هذه الحزمة.

20. هيبل

مكتبة Python هذه هي أداة للتعلم العميق مع الشبكات العصبية باستخدام تسريع GPU مع CUDA من خلال pyCUDA. في الوقت الحالي ، يطبق هيبل شبكات عصبية تغذية متقدمة من أجل التصنيف والانحدار في مهمة واحدة أو عدة مهام. نماذج أخرى مثل Autoencoder ، والشبكات العصبية التلافيفية ، وآلات Boltzman المقيدة مخطط لها في المستقبل. اتبع ال الصفحة لاستكشاف هيبل.

21. شينر

تهدف حزمة Python هذه ، المنافسة لـ Hebel ، إلى زيادة مرونة نماذج التعلم العميق. تشمل مجالات التركيز الرئيسية الثلاثة لـ Chainer ما يلي:
أ. نظام النقل: لقد أظهر صانعو Chainer باستمرار ميلًا نحو السيارات ذات القيادة الأوتوماتيكية، وقد أجروا محادثات مع شركة Toyota Motors حول نفس الشيء.

ب. الصناعة التحويلية: تم استخدام Chainer بشكل فعال في مجال الروبوتات والعديد من أدوات التعلم الآلي، من التعرف على الكائنات إلى التحسين.

ج. الرعاية الصحية الحيوية: للتعامل مع شدة السرطان ، استثمر صانعو Chainer في البحث عن صور طبية مختلفة لـ التشخيص المبكر للخلايا السرطانية.
يمكن العثور على التثبيت والمشاريع والتفاصيل الأخرى هنا.
إذن، إليك قائمة بمكتبات بايثون الشائعة التي تستحق إلقاء نظرة خاطفة عليها، والتعرف عليها إن أمكن. إذا كنت تشعر أن هناك مكتبة ما تستحق أن تكون في القائمة، ولا تنس أن تذكر ذلك في التعليقات.

22. أوبن سي في بايثون

Open Source Computer Vision أو مكتبة برمجية مفتوحة للرؤية الحاسوبية يستخدم لمعالجة الصور. إنها حزمة Python التي تراقب الوظائف الشاملة التي تركز على الرؤية الفورية للكمبيوتر. يوفر OpenCV العديد من الوظائف المدمجة؛ بمساعدة هذا، يمكنك تعلم رؤية الكمبيوتر. يسمح بقراءة وكتابة الصور في نفس الوقت. يمكن تشخيص الأجسام مثل الوجوه والأشجار وما إلى ذلك في أي فيديو أو صورة. وهو متوافق مع أنظمة التشغيل Windows وOS-X وأنظمة التشغيل الأخرى. يمكنك الحصول عليه هنا. 

لتعلم OpenCV من الأساسيات، قم بمراجعة البرنامج التعليمي OpenCV

23. ثيانو

إلى جانب كونها مكتبة Python ، يعد Theano أيضًا مترجمًا محسنًا. يتم استخدامه لتحليل الإعلانات الرياضية المختلفة ووصفها وتحسينها في نفس الوقت. إنها تستخدم المصفوفات متعددة الأبعاد ، مما يضمن أننا لا داعي للقلق بشأن كمال مشاريعنا. يعمل Theano بشكل جيد مع وحدات معالجة الرسومات وله واجهة مشابهة تمامًا لـ Numpy. تجعل المكتبة عملية الحساب أسرع بـ 140 مرة ويمكن استخدامها لاكتشاف أي أخطاء ضارة وتحليلها. يمكنك الحصول عليه هنا. 

24. نلتك

تعد مجموعة أدوات اللغة الطبيعية NLTK إحدى مكتبات Python NLP الشهيرة. يحتوي على مجموعة من مكتبات المعالجة التي تقدم حلول معالجة للمعالجة العددية والرمزية للغة باللغة الإنجليزية فقط. تأتي مجموعة الأدوات مع منتدى مناقشة ديناميكي يسمح لك بمناقشة وطرح أي مشكلات تتعلق بـ NLTK.

25. SQLAlchemy

SQLAcademy هي مكتبة تجريد لقاعدة البيانات لبايثون تأتي مع دعم مذهل لمجموعة من قواعد البيانات والتخطيطات. إنه يوفر أنماطًا متسقة ، ويسهل فهمه ، ويمكن استخدامه من قبل المبتدئين أيضًا. يعمل على تحسين سرعة الاتصال بين لغة Python وقواعد البيانات ويدعم معظم الأنظمة الأساسية مثل Python 2.5 و Jython و Pypy. باستخدام SQLAcademy ، يمكنك تطوير مخططات قواعد البيانات من البداية.

26. خوخه

مكتبة تصور البيانات لـ Python، Bokeh تسمح بالتصور التفاعلي. فهو يستخدم HTML وJavascript لتوفير الرسومات، مما يجعله موثوقًا للمساهمة في التطبيقات المستندة إلى الويب. إنه مرن للغاية ويسمح لك بتحويل التصورات المكتوبة في مكتبات أخرى مثل ggplot أو matplot lib. يستخدم Bokeh أوامر واضحة لإنشاء سيناريوهات إحصائية مركبة.

27 الطلبات

تتيح لك الطلبات إرسال طلبات HTTP/1.1 وتضمين الرؤوس وبيانات النموذج والملفات متعددة الأجزاء والمعلمات باستخدام قواميس Python الأساسية.
وبالمثل، فإنه يمكنك أيضًا من استرداد بيانات الإجابة.

28. بيجليت

تم تصميم Pyglet لإنشاء ألعاب وتطبيقات أخرى جذابة بصريًا. يتم دعم النوافذ ومعالجة أحداث واجهة المستخدم وعصا التحكم ورسومات OpenGL وتحميل الصور والأفلام وتشغيل الأصوات والموسيقى. يدعم كل من Linux وOS X وWindows Pyglet.

29. LightGBM

تساعد إحدى أفضل مكتبات التعلم الآلي وأكثرها شهرة، وهي تعزيز التدرج، المبرمجين في إنشاء خوارزميات جديدة باستخدام أشجار القرار والنماذج الأساسية الأخرى المعاد صياغتها. ونتيجة لذلك، يمكن الاستعانة بالمكتبات المتخصصة لتنفيذ هذه الطريقة بسرعة وفعالية.

30 Eli5

تساعد مكتبة التعلم الآلي Eli5 المبنية على Python في معالجة مشكلة تنبؤات نماذج التعلم الآلي التي تكون غير دقيقة في كثير من الأحيان. فهو يجمع بين التصور وتصحيح جميع نماذج التعلم الآلي وتتبع جميع عمليات العمل الخوارزمية.

مكتبات بايثون الهامة لعلوم البيانات

بمساهمة: شفيتا راجبال
الملف الشخصي https://www.linkedin.com/in/shveta-rajpal-0030b59b/

فيما يلي قائمة بمكتبات Python المهمة والمثيرة للاهتمام والتي ستكون مفيدة لجميع علماء البيانات الموجودين هناك. لذلك ، لنبدأ بأهم 20 مكتبة مستخدمة في Python-

سكرابى- إنه إطار تعاوني لاستخراج البيانات المطلوبة من مواقع الويب. إنها أداة بسيطة وسريعة للغاية.

شوربة جميلة- هذه مكتبة شائعة أخرى تُستخدم في بايثون لاستخراج المعلومات أو جمعها من مواقع الويب، أي أنها تُستخدم في استخراج البيانات من الويب.

نماذج الإحصائيات- كما يوحي الاسم ، فإن Statsmodels هي مكتبة Python التي توفر العديد من الفرص ، مثل تحليل النماذج الإحصائية والتقدير ، وإجراء الاختبارات الإحصائية ، وما إلى ذلك ، ولها وظيفة للتحليل الإحصائي لتحقيق نتائج عالية الأداء أثناء معالجة مجموعات البيانات الإحصائية الكبيرة.

XGBoost- يتم تنفيذ هذه المكتبة في خوارزميات التعلم الآلي ضمن إطار عمل تعزيز التدرج. يوفر تنفيذًا عالي الأداء لأشجار القرار المعزز بالتدرج. XGBoost محمول ومرن وفعال. إنه يوفر تطبيقات محسّنة للغاية وقابلة للتطوير وسريعة لتعزيز التدرج.

مؤامرة-تُستخدم هذه المكتبة لرسم الرسوم البيانية بسهولة. يعمل هذا بشكل جيد جدًا في تطبيقات الويب التفاعلية. باستخدام هذا، يمكننا إنشاء أنواع مختلفة من المخططات الأساسية مثل الخرائط الخطية والدائرية والمبعثرة والخرائط الحرارية والمؤامرات القطبية وما إلى ذلك. يمكننا بسهولة رسم رسم بياني لأي تصور يمكننا التفكير في استخدامه Plotly.

بيدوت- يتم استخدام Pydot لإنشاء رسوم بيانية معقدة وغير موجهة. يتم استخدامه خصيصًا أثناء تطوير الخوارزميات القائمة على الشبكات العصبية وأشجار القرار.

جنسيم- إنها مكتبة بايثون لنمذجة المواضيع وفهرسة المستندات، مما يعني أنها قادرة على استخراج المواضيع الأساسية من حجم كبير من النص. يمكنه التعامل مع الملفات النصية الكبيرة دون تحميل الملف بأكمله في الذاكرة.

بايود- كما يوحي الاسم ، إنها مجموعة أدوات Python لـ الكشف عن القيم المتطرفة في البيانات متعددة المتغيرات. يوفر الوصول إلى مجموعة واسعة من خوارزميات الكشف الخارجية. يشير الكشف الخارجي، المعروف أيضًا باسم اكتشاف الشذوذ، إلى تحديد العناصر أو الأحداث أو الملاحظات النادرة التي تختلف عن التوزيع العام للسكان.

يقودنا هذا إلى نهاية المدونة الخاصة بأعلى مكتبات بايثون. نأمل أن تستفيد من نفس الشيء. إذا كان لديك أي استفسارات أخرى، فلا تتردد في تركها في التعليقات أدناه، وسنقوم بالرد عليك في أقرب وقت.

سيرشدك المسار أدناه لتصبح عالم بيانات ماهرًا.

الأسئلة الشائعة حول مكتبات Python

لمزيد من القراءة

1. ما هو TensorFlow؟ أوضحت مكتبة التعلم الآلي
2. تعلم Scikit في تعلم الآلة ، التعريف والمثال
3. دروس تعلم الآلة للمبتدئين | تعلم تعلم الآلة مع بايثون
4. دروس علوم البيانات للمبتدئين | تعلم دروس كاملة في علوم البيانات
5. دروس بايثون للمبتدئين - دليل كامل | تعلم بايثون بسهولة

• محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
• PlatoData.Network Vertical Generative Ai. تمكين نفسك. الوصول هنا.
• أفلاطونايستريم. ذكاء Web3. تضخيم المعرفة. الوصول هنا.
• أفلاطون كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
• أفلاطون هيلث. التكنولوجيا الحيوية وذكاء التجارب السريرية. الوصول هنا.
• المصدر https://www.mygreatlearning.com/blog/open-source-python-libraries/