如今，机器学习和人工智能是IT部门和开发组织新的热门职业领域。企业迫切要求在这些领域招聘人才，而且当今市场上缺乏合格且技术熟练的专业人才。
为了填补这一空白，许多技术专业人员正在寻求通过机器学习和人工智能学习语言（如Python等）所需的技术来增强他们的技能。但是除了语言之外的技术（例如机器学习库），哪些是需要的技术？人们应该了解哪些技术
这里没有简单的答案。有许多框架和库，它们总是在不断发展。
考虑一下微软研究院的James McCaffrey的观点：“机器学习和人工智能正在经历爆炸式增长，但并不像20世纪90年代后期的互联网狂潮，”他说。有许多技术可用于各种目的，还有一些非常受欢迎的技术。也就是说，McCaffrey指出，“我不相信任何一种技术都会成为唯一技术。”
但是这些库和框架可能会缩小到极少数。亚马逊、Facebook、谷歌、微软这个云计算行业巨头正在努力创建软件和库。这是一个棘手的时期，因为使用一个库创建的模型不能轻易地被使用不同库编写的模型使用。那么你想要从哪些库入手？
在与机器学习、深度学习和人工智能领域的行业专家和专业人士的对话中，如果企业计划增加技能组合以包括人工智能和相关知识，那么以下是人们应该了解的5种非语言机器学习技术。
（1）Apache MXNet
这是一个开源深度学习框架，目前是Apache软件基金会n的孵化器项目。使这一特殊之处的一个原因是AWS已选择它作为其选择的深度学习引擎。亚马逊公司已经委派了一个重要的团队与MXNet社区合作，以发展该框架，这有助于其作为孵化器项目被接受。人们可以在孵化器网站上找到更多相关信息。
（2）Pytorch
PyTorch是一个基于Torch机器学习库的Python开源机器学习库。它起源于Facebook的人工智能研究小组。PyTorch网站将该库描述为一个快速灵活实验的深度学习框架。它是一个Python包，包括具有强大的GPU加速度和深度神经网络的张量计算。
（3）Theano
这是一个Python库，允许用户定义、优化和评估涉及多维数组的数学表达式。该库是一个开源项目，主要由蒙特利尔大学的机器学习小组开发。该库的1.0.0版于2017年11月发布。
（4）Keras
这是一个基于Tensor Flow构建的高级API，被认为是一种更加用户友好的方式来获取Tensor Flow的好处，而无需深入了解Tensor Flow本身。也就是说，用户也会错过Tensor Flow的一些好处，比如它的调试功能。尽管如此，根据应用的不同，Keras可能是一个不错的选择。Keras最初是作为项目ONEIROS（开放式神经电子智能机器人操作系统）的研究工作的一部分而开发的。人们可以在Keras网站上找到更多关于Keras的信息。
（5）TensorFlow
这是专家提到的重要机器学习技术。谷歌首先开发了Tensorflow的前身作为深度神经网络的专有机器学习库。谷歌公司多年来一直在自己的公司中使用Tensorflow，然后在2015年发布了一个简化版本的开源。现在TensorFlow拥有自己的相关技术生态系统、博客和、活跃的用户组社区。有很多资源，包括TensorFlow站点的教程。
