2019独角兽企业重金招聘Python工程师标准>>> 
Python 由于本身的易用优势和强大的工具库储备，成为了在人工智能及其它相关科学领域中最常用的语言之一。尤其是在机器学习，已然是各大项目最偏爱的语言。
其实除了 Python ，也不乏有开发者用其他语言写出优秀的机器学习项目。在此，列出其中一些个人认为值得关注的开源机器学习项目。由于篇幅有限，考虑分多期整理。
1、C
Darknet —— 神经网络框架
Darknet 是一个用 C 和 CUDA 编写的开源神经网络框架。它快速，易于安装，并支持 CPU 和 GPU 计算。
CCV —— 计算机视觉库
CCV 是 C-based/Cached/Core Computer Vision Library 的简称, 它是一个现代的计算机视觉库。
CCV 是一种以应用驱动的算法库，比如对静态物体（如人脸）的快速检测算法、对某些不容易定位物体（如猫）的准确检测算法、艺术文本的检测算法、长期目标的跟踪算法和特征点检测算法。
2、C++
CNTK —— 深度学习工具包
微软出品的开源深度学习工具包，它把神经网络描述成一个有向图的结构，叶子节点代表输入或者网络参数，其他节点计算步骤。
CNTK 不仅使深度神经网络（DNN）、卷积神经网络（CNN）、循环神经网络（RNN）和长短时记忆单元（LSTM）的实现变得非常容易，还支持多个 GPU 组合、服务器自动分化和并行的随机梯度下降（SGD）学习。
Caffe —— 深度学习框架
Caffe 是一个清晰而又高效的深度学习框架，模型与相应优化都是以文本形式而非代码形式给出，并给出了模型的定义、最优化设置以及预训练的权重，方便立即上手。同时，它能够运行最棒的模型与海量的数据，也能很方便扩展到新的任务和设置上。
Kaldi —— 语音识别工具包
Kaldi 是用 C ++ 编写的语言识别工具包，旨在供语音识别研究人员使用，且易于修改和扩展。它在设计之初就尽可能地以最通用的形式提供的算法，以保证其可扩展性。
3、Go
CloudForest —— 决策树组合算法
纯 Go 编写的快速、灵活、多线程的决策树，允许一些相关的算法用于具有缺失值的异构数据的分类、回归、特征选择和结构分析。它可以实现更快的训练时间，非常适合现代处理器来学习二进制。
4、Java
CoreNLP —— 自然语言处理工具
coreNLP 是斯坦福大学开发的一套关于自然语言处理的工具，使用简单功能强大。它可以通过输入原始文本，给出单词的基本形式，它们的词性、公司、人员的名称、解释日期、时间和数量等等。它最初针对英语开发，但现在也已支持中文。
H2O —— 机器学习和预测分析框架
H2O 是一个分布式的、基于内存的、可扩展的机器学习和预测分析框架，适合在企业环境中构建大规模机器学习模型。它使用开发者熟悉的界面，可与 Hadoop 和 Spark 等大型数据技术无缝工作。它也提供许多流行算法的实现，例如 GBM、Random Forest、Deep Neural Networks、Word2Vec 等。
Deeplearning4J —— 分布式神经网络库
Deeplearning4J 是一个使用 Java 和 Scala 编写的分布式神经网络库，集成了 Hadoop 和 Spark ，设计用于运行在分布式 GPU 和 CPU 上的商业环境。它即插即用，方便开发者在 APP 中快速集成深度学习功能
Deeplearning4j 包括了分布式、多线程的深度学习框架，以及普通的单线程深度学习框架。
5、Javascript
Natural —— 自然语言处理工具
node.js 下用的自然语言处理工具，支持词法分析、词干分析、分类、语音、反比文档频数权重评价、WordNet、字符串相似度等处理。
ConvNetJS —— 深度学习库
ConvNetJS 是一个基于 JavaScript 的深度学习库，可以让你在浏览器中训练深度网络。它可以帮助深度学习初学者更快、更直观的理解算法通，过一些简单的 Demo 给用户最直观的解释。