¿Qué biblioteca de aprendizaje profundo (compatible con R & Python) es fácil de aprender y aplicar?

He usado la biblioteca Keras con backend tensorflow en Python, Deepwater (H20) en R para CNN. Son fáciles de aprender y aplicar.

Keras es un tutorial muy fácil de entender para principiantes.

El espacio de aprendizaje profundo en R se está desarrollando actualmente en una fase muy rápida, sin embargo, muchos ingenieros / académicos de ML prefieren Python a R. Recomiendo que comience el aprendizaje profundo con Python y se mueva a R una vez que esté familiarizado

Me gustaría sugerir H2o, aunque técnicamente no es una biblioteca. Tiene una GUI maravillosa y también puede usarla en R para construir modelos y probarlo. También tiene la función de búsqueda de cuadrícula para el ajuste de hiperparámetros

H2O.ai

Para Python, seguramente puedo decir que es Keras. Es muy fácil de escribir, y puede obtener un conocimiento claro del marco de aprendizaje profundo mediante el uso de Keras. Es muy bueno para empezar.

Documentación de Keras

Para R, supongo que MXNET y H2O son los correctos, leyendo el blog a continuación.

Aprendizaje profundo en R

Tal vez pueda usar Keras porque RStudio lanzó una interfaz con R en junio.

Puede encontrar más información en keras: Deep Learning en R

Darch en R es bastante bueno, al igual que H20. Recomendaría a Darch como el primero en aprender. Tiene bastante buena documentación y ayuda para solucionar problemas cuando encuentra un error.

Definitivamente Tensorflow

No puedo enfatizar lo suficiente sobre lo increíble que es Tensorflow. Más sobre los tutoriales en su sitio web están bien explicados e incluso un principiante sin experiencia en programación puede aprender a implementar redes neuronales para el aprendizaje profundo.

Antecedentes: voy a escribir mi tesis de licenciatura en informática empresarial sobre aprendizaje profundo (DL). Mi idea es comparar R vs Python en un marco / biblioteca DL (caffe, tensorflow, ..) en una aplicación de negocios.