#data-science Repositories
Insgesamt 688 Repositories
🎨 Toolkit zur Erstellung von publikationsreifen Grafiken für die Zeitschriften Cell, Nature und Science
Dieses Repository enthält die Notebooks und Präsentationen, die wir für unsere Databricks Tech Talks "
Perpetual ist eine Hochleistungs-Gradient-Boosting-Maschine. Sie liefert optimale Genauigkeit in einem einzigen Lauf ohne komplexes Tuning durch einen einfachen Budgetparameter. Sie bietet sofortige Unterstützung für kausales ML, kontinuierliches Lernen, native Kalibrierung und robuste Drift‑Überwachung sowie einen Rust‑Kern und Zero‑Copy‑Bindings für Python und R.
AKHub: Eine kuratierte Sammlung von Finanz- und Wirtschaftsdaten-Tools, Datenquellen, quantitativen Forschungsframeworks und Lernressourcen
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.
US Census Grenz- und Attributdaten als 'tidyverse'- und 'sf'-bereite Data Frames in R laden
Buckaroo – Die Benutzeroberfläche der Datentabelle für Notebooks. Durchsuchen Sie DataFrames schnell, scrollen Sie durch DataFrames, suchen, sortieren, zeigen Sie Statistikzusammenfassungen und Histogramme an. Funktioniert mit Pandas, Polars, Jupyter, Marimo, VSCode Notebooks.
Second Brain ist ein agentisches Framework, das als Betriebssystem fungiert und lokale Dateiintelligenz, Workflow-Automatisierung und LLMs nutzt, um Aufgaben zu erledigen und über mehrere Modalitäten und Messaging-Plattformen zu kommunizieren.
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.
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.
Interaktive Netzwerkvisualisierung in Python und Dash, betrieben von Cytoscape.js
Beispiele für Techniken zum Trainieren interpretierbarer ML-Modelle, Erklären von ML-Modellen und Debuggen von ML-Modellen hinsichtlich Genauigkeit, Diskriminierung und Sicherheit.
Plotlars ist eine Rust-Bibliothek, die die Integration zwischen der Datenanalysebibliothek Polars und der Plotly-Bibliothek erleichtern soll.
RAGLight ist ein modulares Framework für Retrieval-Augmented Generation (RAG). Es ermöglicht das einfache Einbinden verschiedener LLMs, Embeddings und Vektor-Speicher und beinhaltet nun eine nahtlose MCP-Integration, um externe Tools und Datenquellen zu verbinden.
Schnelle Entwicklung vom Data-Science-Prototyp zur Pipeline. Erfassen, analysieren und transformieren Sie unordentliche Notebooks mit nur zwei Codezeilen in Datenpipelines.
Eine kuratierte Sammlung kostenloser Ressourcen, die Ihnen helfen, Ihr Verständnis der R-Programmiersprache zu vertiefen. Regelmäßig aktualisiert. Beiträge über Pull-Anfrage erwünscht (siehe CONTRIBUTING.md).
Vergleich von Pandas, Polars, Spark und Snowpark DataFrame für Menschen und mehr!
Greifen Sie mit Python auf historische Wetter- und Klimadaten zu und analysieren Sie diese.
Dieses Repository enthält alle Datenanalyseprojekte, an denen ich in Python gearbeitet habe.
Reproduzierbares maschinelles Lernen zur Betrugserkennung bei Kreditkarten – Praktischer Leitfaden
Turbodbc ist ein Python-Modul zum Zugriff auf relationale Datenbanken über die Open Database Connectivity (ODBC)-Schnittstelle. Das Modul entspricht der Python Database API Specification 2.0.
Ein Repository mit ziemlich coolen Datensätzen, die ich für die Forschung in Netzwerkwissenschaft und maschinellem Lernen gesammelt habe.
Wenn Sie aus einem meiner Data-Science-Tutorials kommen, finden Sie hier den Code und die Links zu den Tutorials. Ich hoffe, sie sind hilfreich. Viel Spaß beim Lernen und Coden!