Menü

Vergleich von Machine-Learning-Frameworks

Die Auswahl an Machine-Learning-Frameworks ist groß: Am Ende entscheiden auch Lizenz, Support und Community darüber, welches zum jeweiligen Projekt passt.

Lesezeit: 10 Min.
In Pocket speichern
vorlesen Druckansicht Kommentare lesen 4 Beiträge

(Bild: Machine Learning & Artificial Intelligence / Mike MacKenzie / cc-by-2.0))

Von

Inhaltsverzeichnis

Wer heute Machine Learning betreiben möchte, kommt nicht an den großen Open-Source-Frameworks vorbei. Nach einer kurzen Recherche im Internet überhäufen einen Websites mit Artikeln wie "Top-10-Machine-Learning-Frameworks" oder "Die besten Open-Source-Tools für ML": ein Dschungel, durch den es sich nur manchmal zu kämpfen lohnt.

Neben den verwendeten Programmiersprachen, Phyton lässt sich mit fast allen ML-Frameworks nutzen, und dem Setup sind Informationen zur Lizenz, zum Support und über die Community wichtig. Ein Framework mit vielen Facetten, dessen Einsatz die Lizenzen allerdings verhindern, nützt ebenso wenig wie eines, das seit Wochen keinen Support mehr erhalten hat oder dessen Community inaktiv ist.

Mehr zum Thema Machine Learning

Deshalb bietet der folgende Framework-Vergleich eine Übersicht über verbreitete Machine-Learning-Frameworks, die allesamt unter Open-Source-Lizenzen zur Verfügung stehen.

Immer mehr Wissen. Das digitale Abo für IT und Technik.

  • Zugriff auf alle Inhalte von heise+
  • exklusive Tests, Ratgeber & Hintergründe: unabhängig, kritisch fundiert
  • c't, iX, Technology Review, Mac & i, Make, c't Fotografie direkt im Browser lesen
  • einmal anmelden – auf allen Geräten lesen - jederzeit kündbar
  • erster Monat gratis, danach monatlich 9,95 €
  • Wöchentlicher Newsletter mit persönlichen Leseempfehlungen des Chefredakteurs
GRATIS-Monat beginnen Jetzt GRATIS-Monat beginnen Mehr Informationen zu heise+