感谢邀请回答。
人工智能现在有2个方向。
一。机器学习
机器学习首先要介绍的是sklearn，这个是开源的基于python语言的机器学习工具包。其中包含了有分类、回归、聚类、降维、模型选择、预处理等大多数机器学习算法包和数据处理包。
预处理：特征提取和归一化。
分类：识别某个对象属于哪个类别
回归：预测与对象相关联的连续值属性
聚类：将相似对象自动分组
降维：减少要考虑的随机变量的数量
模型选择：比较，验证，选择参数和模型。
每种算法库具体包含的具体算法如下。
除了sklearn外，机器学习三大神器GBDT、XGBoost、LightGBM也是参加竞赛和优化算法的必备。
GBDT用来做回归预测，调整后也可以用于分类。
XGBoost能自动利用cpu的多线程，而且适当改进了gradient boosting，在代价函数里加入了正则项，用于控制模型的复杂度。
lightGBM：基于决策树算法的分布式梯度提升框架。相比于xgboost,速度更快 内存消耗更低。是现在最常用的竞赛快速提升神器。
说完了机器学习，就进入人工智能的最神奇的深度学习了。
二。深度学习
在Python范围内，深度学习的框架真是百花齐放。最正统的就是TensorFlow。Google出品，出身名门。当然，大宅门里不一定最好用，一直盯住TensorFlow使用中为人诟病的艰难语法，有好心人出了一个优化版本，Keras，非常好用。在TensorFlow 2.0中干脆将Keras纳入豪门，和TF合二为一了。
Theano 是诸多学习框架的“发言人”，用他写代码，可以保证你的深度学习代码灵活实现算法，但这个框架学习比较困难。
如果搞科研，亚马逊(Amazon)选择的深度学习库，并且也许是最优秀的库。但Mxnet币Theano还难学，大家掂量着来吧。
另外，好用强大的FaceBook出品Pytorch你一定要试试。它完全地对动态图的支持让人耳目一新。
谢谢大家，希望你看完本文后，能选择适合你的Python人工智能框架。
