Kotlin для научных исследований данных

Записные книжки Kotlin

Записная книжка Kotlin — это плагин для IntelliJ IDEA, который позволяет создавать записные книжки на Kotlin. Он использует ядро Kotlin для выполнения ячеек и использует мощную поддержку Kotlin IDE для предоставления мгновенных подсказок по коду. Сейчас это предпочтительный способ работы с записными книжками Kotlin. Обязательно ознакомьтесь с нашей статьёй в блоге об этом.

Ядро Jupyter для Kotlin

Jupyter Notebook — это открытая веб-приложение, которое позволяет создавать и делиться документами (также известными как «записные книжки»), содержащими код, визуализации и текст Markdown. Kotlin-jupyter — это открытый проект, который добавляет поддержку Kotlin в Jupyter Notebook.

Ознакомьтесь с репозиторием GitHub ядра Kotlin для инструкций по установке, документации и примерах.

Записные книжки Kotlin в Datalore

В Datalore вы можете использовать Kotlin в браузере прямо из коробки, без необходимости установки. Вы также можете сотрудничать над записными книжками Kotlin в реальном времени, получать интеллектуальную помощь при написании кода и делиться результатами в виде интерактивных или статических отчётов. Ознакомьтесь с примерным отчётом.

Зарегистрируйтесь и используйте Kotlin с бесплатной учётной записью Datalore Community.

Интерпретатор Zeppelin для Kotlin

Apache Zeppelin — это популярное веб-решение для интерактивного анализа данных. Оно обеспечивает отличную поддержку системы кластеризации Apache Spark, что особенно полезно для инженерии данных. Начиная с версии 0.9.0, Apache Zeppelin поставляется с интегрированным интерпретатором Kotlin.

Библиотеки Kotlin

• Multik: многомерные массивы в Kotlin. Библиотека предоставляет интуитивно понятный, безопасный в отношении типов и размерностей API для математических операций над многомерными массивами. Multik предлагает взаимозаменяемые JVM и native вычислительные движки, а также их комбинацию для оптимальной производительности.

• KotlinDL — это API глубокого обучения высокого уровня, написанный на Kotlin и вдохновленный Keras. Он предоставляет простые API для обучения моделей глубокого обучения с нуля, импорта существующих моделей Keras для инференса и использования трансферного обучения для настройки существующих предварительно обученных моделей под ваши задачи.

• Kotlin DataFrame — это библиотека для обработки структурированных данных. Она стремится примирить статическую типизацию Kotlin с динамической природой данных, используя как весь потенциал языка Kotlin, так и возможности, предоставляемые неявным выполнением кода в Jupyter notebooks и REPL.

• Kotlin для Apache Spark добавляет недостающий уровень совместимости между Kotlin и Apache Spark. Он позволяет разработчикам Kotlin использовать такие привычные языковые функции, как классы данных и лямбда-выражения, в качестве простых выражений в фигурных скобках или ссылок на методы.

• kotlin-statistics — это библиотека, предоставляющая расширяющие функции для исследовательской и производственной статистики. Она поддерживает базовые числовые функции для списков/последовательностей/массивов (от sum до skewness), операторы среза (такие как countBy, simpleRegressionBy ), операции по группировке, дискретную выборку PDF, классификатор наивного Байеса, кластеризацию, линейную регрессию и многое другое.

• kmath — это экспериментальная библиотека, изначально вдохновлённая NumPy, но эволюционировавшая в более гибкие абстракции. Она реализует математические операции, объединённые в алгебраические структуры над типами Kotlin, определяет API для линейных структур, выражений, гистограмм, потоковых операций, предоставляет взаимозаменяемые оболочки над существующими Java и Kotlin-библиотеками, включая ND4J, Commons Math, Multik и другие.

• krangl — это библиотека, вдохновлённая R's dplyr и Python's pandas. Эта библиотека предоставляет функциональность для манипулирования данными с помощью функционального API; она также включает функции для фильтрации, преобразования, агрегирования и изменения формы табличных данных.

• lets-plot — это библиотека для построения графиков статистических данных, написанная на Kotlin. Lets-Plot многоплатформенная и может использоваться не только с JVM, но и с JS и Python.

• kravis — ещё одна библиотека для визуализации табличных данных, вдохновлённая R's ggplot.

• londogard-nlp-toolkit — библиотека, предоставляющая инструменты при работе с обработкой естественного языка, такие как вложения слов/суффиксов/предложений, частоты слов, стоп-слова, стемминг и многое другое.

Библиотеки Java

Поскольку Kotlin обеспечивает первоклассную интеграцию с Java, вы также можете использовать Java-библиотеки для науки о данных в вашем Kotlin-коде. Вот несколько примеров таких библиотек:

• DeepLearning4J — библиотека глубокого обучения для Java

• ND4J — эффективная библиотека для работы с матрицами для JVM

• Dex — инструмент визуализации данных на основе Java

• Smile — комплексная система машинного обучения, обработки естественного языка, линейной алгебры, графов, интерполяции и визуализации. Помимо Java API, Smile также предоставляет функциональный Kotlin API, а также API для Scala и Clojure.

  • Smile-NLP-kt — Kotlin-переработка Scala-имплиситов для части обработки естественного языка Smile в формате расширяющих функций и интерфейсов.

• Apache Commons Math — общая математическая, статистическая и библиотека машинного обучения для Java

• NM Dev — математическая Java-библиотека, охватывающая всю классическую математику.

• OptaPlanner — утилита-решатель для оптимизационных задач планирования.

• Charts — научная JavaFX-библиотека для построения графиков, находится в разработке.

• Apache OpenNLP — инструмент машинного обучения для обработки текстов естественного языка.

• CoreNLP — набор инструментов для обработки естественного языка.

• Apache Mahout — распределённая платформа для регрессии, кластеризации и рекомендаций.

• Weka — набор алгоритмов машинного обучения для задач по анализу данных.

• Tablesaw — Java-dataframe. Включает библиотеку визуализации на основе Plot.ly

Если этот список не удовлетворяет вашим потребностям, вы можете найти больше вариантов в репозитории GitHub Kotlin Machine Learning Demos с примерами от Thomas Nield.