#data-analysis Repositories
Insgesamt 290 Repositories
GUI-basierter Python-Code-Generator für Data Science, Erweiterung für Jupyter Lab, Jupyter Notebook und Google Colab.
Ich teile meine Reise von 66DaysofData in Data Analytics, indem ich an Ken Jee's #66daysofdata Challenge teilnehme.
Clojure-Reduktionswerkzeuge für parallele Ausführung: lokal und auf verteilten Systemen.
Community-getrieben, einfach und doch leistungsstarkes Framework für schnelles, kostengünstiges verteiltes Compute über Daten.
FlyFish ist eine Coding-Plattform für Datenvisualisierung. Wir können schnell und einfach ein Datenmodell erstellen und durch Ziehen schnell eine Reihe von Datenvisualisierungslösungen generieren.
🌀 Was ist wirklich in Ihrem Discord-Datenpaket enthalten?
Eine KI-gestützte Datenanalyse-Workbench, entwickelt für Transparenz, Reproduzierbarkeit und die Kontrolle durch Nutzer. Prüfen Sie den Code und die Belege hinter den Ergebnissen, verifizieren Sie Berechnungen durch erneutes Ausführen und wählen Sie aus einer großen Auswahl an Modellen, darunter lokale Modelle mit offenen Gewichten.
Kontinuierlich aktualisierte Liste von Papieren zu Fortschritten bei Data Agents. Begleit-Repository zu unserem Paper „A Survey of Data Agents: Emerging Paradigm or Overstated Hype?“
Feature Engineering ist der Prozess, Domain-Wissen zu nutzen, um Features aus Rohdaten mittels Data-Mining-Techniken zu extrahieren. Diese Features können verwendet werden, um die Leistung von Machine-Learning-Algorithmen zu verbessern. Feature Engineering kann als angewandtes Machine Learning selbst betrachtet werden.
Flux ist eine leichte Skriptsprache zum Abfragen von Datenbanken (wie InfluxDB) und zur Arbeit mit Daten. Sie ist Teil von InfluxDB 1.7 und 2.0, kann aber unabhängig davon ausgeführt werden.
Code und Daten für die zweite Auflage von "Practical SQL" von Anthony DeBarros, veröffentlicht von No Starch Press.
Python-Implementierung des Apriori-Algorithmus zur Ermittlung von häufigen Mengen und Assoziationsregeln
Exportieren Sie Spotify-Playlists mithilfe der Web-API. Analysieren Sie diese im Jupyter-Notebook.
DataFoundry ist eine Open-Source-KI-Workbench für die Datenanalyse, die Datenquellen, Wissen, Tools und Agenten-Runtime in einem kontrollierten Arbeitsbereich für interaktive Analysen vereint.
Materialien zum Mitmachen bei Hands-On Data Analysis mit Pandas – Zweite Auflage
Dieses Repository enthält die Notebooks und Präsentationen, die wir für unsere Databricks Tech Talks "
Ein leistungsstarkes, formatunabhängiges und community-getriebenes Python-Paket zur Analyse und Visualisierung von Erdwissenschaftsdaten
Drag’n’drop Pivot-Tabellen und Diagramme für Jupyter/IPython Notebook, dank PivotTable.js
Eine Full Stack ML (Machine Learning) Roadmap beinhaltet das Erlernen der notwendigen Fähigkeiten und Technologien, um in allen Aspekten des maschinellen Lernens versiert zu werden, einschließlich Datenerfassung und -vorverarbeitung, Modellentwicklung, Bereitstellung und Wartung.
Code und Daten für die Erstausgabe von „Practical SQL“ von Anthony DeBarros, veröffentlicht von No Starch Press (2018).
Python-Client und Toolkit für DataFrames, Big Data, Machine Learning und ETL in Elasticsearch
ML-capsule ist ein Projekt für Anfänger und erfahrene Data-Science-Enthusiasten, die keinen Mentor oder keine Anleitung haben und Machine Learning lernen möchten. Mit unserem Repository können sie ML, DL und viele verwandte Technologien anhand verschiedener realer Projekte erlernen und sich auf Vorstellungsgespräche vorbereiten.
ScienceClaw ist ein persönlicher Recherche-Assistent, der mit LangChain DeepAgents und AIO Sandbox-Infrastruktur aufgebaut wurde und eine völlig neue Architektur jenseits von OpenClaw übernimmt. Es bietet stärkere Sicherheit, bessere Transparenz und ein benutzerfreundlicheres Erlebnis.
Ein Multi-Agenten-Handelssystem basierend auf einem internen Wettbewerbsmechanismus
Verfolgen Sie Ihre Data Science. Die Open-Source-Python-Bibliothek von Skore beschleunigt die Entwicklung von ML-Modellen mit automatisierten Evaluationsberichten, klugem methodischem Rat und umfassender Kreuzvalidierungsanalyse.
WeDataSphere ist eine financial-grade, one-stop Big-Data-Plattform-Suite.
Performance-Analyse, Portfolio-Backtesting, Risikoanalyse und Factsheet-Berichterstattung in Python
Der offene Kontext-Engine für KI-Agenten unterstützt über 15 Datenquellen. Aufgebaut auf Rust und Apache DataFusion.
Die vollständig quelloffene DuckDB-Workbench, die in Ihrem Browser läuft. SQL-Editor, Notebooks, Diagramme, KI-Assistent. Keine Installation, keine Anmeldung, kein Backend — Ihre Daten verlassen niemals den Tab.
Ein KI-gestützter Betrüger-Pub-Kampf-Framework, das von einem großen Sprachmodell angetrieben wird