#data-science Repositories
Entdecke 688 aktive Open-Source-GitHub-Repositories, die mit #data-science getaggt sind und insgesamt 3,508,536 Sterne gesammelt haben (durchschnittlich 5,099 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist jackfrued/Python-100-Days mit 187,961 Sternen.
Insgesamt 688 Repositories
12 Wochen, 26 Lektionen, 52 Quizze, klassisches maschinelles Lernen für alle
Die '30 Tage Python'-Programmierherausforderung ist eine Schritt-für-Schritt-Anleitung, um die Programmiersprache Python in 30 Tagen zu lernen. Diese Herausforderung kann auch mehr als 100 Tage dauern. Folgen Sie Ihrem eigenen Tempo. Auch diese Videos könnten hilfreich sein: https://www.youtube.com/channel/UC7PNRuno1rzYPb1xLa4yktw
Eine kuratierte Liste von großartigen Machine-Learning-Frameworks, -Bibliotheken und -Software.
Flexible und leistungsstarke Bibliothek für die Datenanalyse / -manipulation in Python, die beschriftete Datenstrukturen ähnlich wie R data.frame-Objekte, statistische Funktionen und vieles mehr bereitstellt
Lernen Sie, wie man produktionsreife ML-Anwendungen entwickelt, bereitstellt und iteriert.
Summer 2027 Praktikumsausschreibungen für Softwareentwicklung, Datenwissenschaft, KI, Quant, Produktmanagement und Hardware. Täglich aktualisiert von Simplify und Pitt CSC.
Apache Airflow - Eine Plattform zum programmgesteuerten Erstellen, Planen und Überwachen von Workflows
Ray ist ein AI-Compute-Engine. Ray besteht aus einem zentralen verteilten Runtime und einem Satz von AI-Bibliotheken zur Beschleunigung von ML-Workloads.
Erstellen und teilen Sie entzückende Machine-Learning-Apps, alles in Python. 🌟 Sternen Sie, um unsere Arbeit zu unterstützen!
500 KI-Projekte Machine Learning Deep Learning Computer Vision NLP mit Code
Trainieren Sie JEDES KI-Modell JEDER Größe auf 1 oder 10.000+ GPUs mit null Codeänderungen vor und stimmen Sie es fein ab.
Roadmap zur Entwicklung eines Experten für künstliche Intelligenz im Jahr 2022
:memo: Ein großartiges Data Science Repository zum Lernen und Anwenden für reale Probleme.
⛔️ VERSCHOBEN – Siehe https://github.com/ageron/handson-ml3 oder handson-mlp stattdessen.
Python-Notebooks für Data Science: Deep Learning (TensorFlow, Theano, Caffe, Keras), scikit-learn, Kaggle, Big Data (Spark, Hadoop MapReduce, HDFS), matplotlib, pandas, NumPy, SciPy, Python-Grundlagen, AWS und verschiedene Befehlszeilen.
📚 Artikel & Tech-Blogs von Unternehmen, die ihre Arbeit zu Data Science & Machine Learning in der Produktion teilen.
aka "Bayesian Methods for Hackers": Eine Einführung in bayessche Methoden + probabilistische Programmierung mit einem computation/understanding-first, mathematics-second Standpunkt. Alles in reinem Python ;)
Interaktives Deep-Learning-Buch mit Code für mehrere Frameworks, Mathematik und Diskussionen. An 500 Universitäten in 70 Ländern übernommen, darunter Stanford, MIT, Harvard und Cambridge.
Prefect ist ein Workflow-Orchestrierungs-Framework zum Erstellen robuster Datenpipelines in Python.
Chatten Sie mit Ihrer Datenbank oder Ihrem Datalake (SQL, CSV, Parquet). PandasAI macht Datenanalyse gesprächig mit LLMs und RAG.
Eine Rangliste von großartigen Machine-Learning-Python-Bibliotheken. Wöchentlich aktualisiert.
Ein reaktives Notebook für Python — Führe reproduzierbare Experimente durch, frage mit SQL ab, führe es als Skript aus, stelle es als App bereit und versioniere es mit Git. Gespeichert als reines Python. Alles in einem modernen, KI-nativen Editor.
AKShare ist eine elegante und einfache Finanzdaten-Schnittstellenbibliothek für Python, die für Menschen gebaut wurde! Open-Source-Finanzdaten-Schnittstellenbibliothek
Code für Machine Learning for Trading, 3. Auflage — von der Datenbeschaffung bis zur Live-Ausführung.
Kostenlose Bücherübersicht. PDF-Download Baidu Cloud E-Book-Download =钮趃圱欘偽罞僂珖椃櫑棅蚼饗仰苳堽彈朿骋騴郃碮字攉謳輒葓鼪滼觙悌爷砖杨鰙滣駧呸肧薉焤罳蛥鑔脽騺挬逽鴏剘牻帕啨砟躿猱逍錢饕橙岌媤瞧楆犧氤羼鳮鯆渟鶻椛彙踆膻挏鈒胆鬣喧璏鋂綨向糷螋炕谧溟涠褱暂餖钿慭轒烝嶬窷缚娽崢疺穻篥縍廝坞埜弼歒実湏蔎饮顀聂馅趿卄楲擜稿罫躸亖
Offizielles Repository für IPython selbst. Andere Repos in der IPython-Organisation enthalten Dinge wie die Website, Dokumentationsbuilds usw.
Eine umfassende Liste von PyTorch-bezogenen Inhalten auf GitHub, wie verschiedene Modelle, Implementierungen, Hilfsbibliotheken, Tutorials usw.
Eine Orchestrierungsplattform für die Entwicklung, Produktion und Beobachtung von Datenassets.
Forschung und Entwicklung (F&E) ist entscheidend für die Steigerung der industriellen Produktivität, insbesondere im KI-Zeitalter, in dem sich die Kernaspekte der F&E hauptsächlich auf Daten und Modelle konzentrieren. Wir haben uns der Automatisierung dieser hochwertigen generischen F&E-Prozesse durch R&D-Agent verschrieben, das KI antreibt, datengesteuerte KI zu entwickeln. 🔗https://aka.ms/RD-Agent-Tech-Report
Eine kuratierte Liste von großartigen Big-Data-Frameworks, Ressourcen und anderen großartigen Dingen.
Eine Reihe von Jupyter-Notebooks, die Sie durch die Grundlagen des maschinellen Lernens und des Deep Learnings in Python mit Scikit-Learn, Keras und TensorFlow 2 führen.
Häufig gestellte Fragen
Welches ist das beliebteste #data-science-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#data-science-Projekt auf GitHub ist jackfrued/Python-100-Days mit 187,961 Sternen. Python - 100 Tage vom Anfänger zum Meister
Welche Programmiersprachen werden in #data-science-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #data-science-Projekten auf GitHub sind Python, Jupyter Notebook, JavaScript die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #data-science-Repositories berechnet?
Wir verfolgen 688 aktive Open-Source-Repositories, die mit #data-science getaggt sind (500+ Sterne), mit insgesamt 3,508,536 Sternen und durchschnittlich 5,099 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.