예, 몇 가지가 있습니다.
ScalaLab 프로젝트는 Java Virtual Machine을위한 효율적인 과학적 프로그래밍 환경을 제공하는 것을 목표로합니다. 스크립팅 언어는 높은 수준의 과학 연산자와 Matlab과 유사한 작업 스타일을 제공하는 통합 환경으로 강화 된 Scala 프로그래밍 언어를 기반으로합니다.
스크립팅 코드는 매우 빠르며 Java에 가깝고 (때로는 더 느리거나 더 빠름) 일반적으로 동등한 Matlab .m 스크립트에서 더 빠릅니다!
벡터 및 행렬에 대한 풍부한 Matlab 유사 연산자가있는 Scala 용 고성능 숫자 선형 대수 라이브러리입니다. 수치 루틴 라이브러리; 플로팅 지원.
FACTORIE는 Scala에서 소프트웨어 라이브러리로 구현 된 배포 가능한 확률 모델링을위한 툴킷입니다. 사용자에게 관계형 요인 그래프 를 만들고 매개 변수를 추정하고 추론을 수행 하기위한 간결한 언어를 제공합니다 .
그래프 처리를위한 트위터 :
Cassovary는 처음부터 수십억 개의 모서리가있는 그래프를 효율적으로 처리하도록 설계되었습니다. 공통 노드 및 그래프 데이터 구조와 순회 알고리즘이 함께 제공됩니다. 일반적인 용도는 대규모 그래프 마이닝 및 분석을 수행하는 것입니다.
Twitter에서 Cassovary는 "Who to Follow"및 "Similar to"를 포함한 많은 그래프 기반 기능을 지원하는 데 사용하는 스택의 맨 아래 계층을 형성합니다. 또한 트위터 검색의 관련성과 사용자가 볼 프로모션 제품을 결정하는 알고리즘을 위해이 정보를 사용합니다. 시간이 지남에 따라 이러한 제품 기능 중 일부에서 더 많은 비 독점 논리를 Cassovary로 가져올 수 있기를 바랍니다.
Twitter의 추상 대수 라이브러리 :
코드는 건물 집계 시스템을 대상으로합니다 (Scalding 또는 Storm을 통해). 원래는 Scalding의 Matrix API의 일부로 개발되었으며, 여기에서 행렬은 Monoids, Groups 또는 Rings의 요소 인 값을 가졌습니다. 그 결과 코드가 Scalding과 Twitter 내의 다른 프로젝트에서 더 광범위하게 적용된다는 것이 분명해졌습니다.
! 실험 상태입니다!
sb_probdsl은 scala의 새로운 구분 된 연속 지원을 사용하여 간단한 이산 확률 프로그래밍 지원을 제공합니다.
Scala 용 Markov Chain 라이브러리
마르코프 체인은 다음 단계의 확률 분포가 현재 단계에 크게 의존하지 않고 이전 단계에 의존하지 않는 확률 적 프로세스를 나타냅니다. 이 라이브러리에 훈련 데이터를 제공하면 통계적으로 유사한 새로운 무작위 데이터가 생성됩니다.
Signal / Collect는 대규모 그래프 처리를위한 프로그래밍 모델 및 프레임 워크입니다. 이 모델은 프레임 워크가 처리를 투명하게 병렬화 할 수 있도록 허용하면서 그래프에서 많은 반복 및 데이터 흐름 알고리즘을 간결하게 공식화 할 수있을만큼 충분히 표현 적입니다.
통계 및 유틸리티 패키지를 포함합니다. 표준 수단과 같은 매우 기본적이고 잘 알려진 것들을 포함합니다.
라이브러리는 아니지만 확률을 다루는 데 많은 도움이 될 수 있습니다.