Mi colega dijo que TensorFlow es la biblioteca de aprendizaje automático más simple para principiantes, ¿qué tan cierto es eso?

No estoy de acuerdo con tu colega. Tensorflow no es exactamente una biblioteca de aprendizaje automático: es una biblioteca para la optimización y el álgebra simbólica, en particular para operaciones de vectores / matrices. Fue diseñado para el aprendizaje profundo (redes neuronales profundas) pero también puede usarse para otros tipos de problemas (por ejemplo, GPflow). De las bibliotecas de redes neuronales de bajo nivel, creo que Tensorflow es el más fácil de aprender desde cero, pero eso se debe principalmente a la gran cantidad de documentación disponible.

Si conoce algo de Python básico y desea una biblioteca de aprendizaje automático muy simple, mire scikit-learn. Está bien documentado y es muy intuitivo (cada algoritmo es una clase, crea una instancia de esa clase y usa sus métodos de ajuste y predicción).

Diría que TensorFlow es el marco de aprendizaje profundo más fácil que existe. Por supuesto, hay diferentes bibliotecas de ciencia de datos / aprendizaje automático, como scikit-learn, que son posiblemente más fáciles que TensorFlow. Sin embargo, Tensorflow se distingue de la competencia debido a su marco relativamente fácil de usar para el entrenamiento de redes neuronales. Tensorflow excluye una gran cantidad de verbosidad molesta e innecesaria, al tiempo que tiene una plataforma más simple para agregar capas y optimizar modelos.

Otra biblioteca de aprendizaje profundo relativamente fácil sería Keras, aunque tiene un propósito más general que Tensorflow. En general, sin embargo, no llegará demasiado lejos con Tensorflow o cualquier marco de aprendizaje profundo solo con su CPU, por lo que si recién está comenzando, recomendaría un análisis estadístico de datos / aprendizaje automático.

Como alternativa, recomendaría H2O. Es fácil de instalar y fácil de ejecutar. Tiene API para Python, R, Java y Scala.

También puede aprovechar múltiples núcleos.