#data-science Repositories
Insgesamt 688 Repositories
Ich glaube, dass Sie, die Doktoranden und Arbeitssuchenden, für die das Buch hauptsächlich bestimmt ist, davon profitieren werden; ich hoffe jedoch, dass selbst die erfahrensten Forscher es faszinierend finden werden.
Eine probabilistische Programmiersprache in TensorFlow. Tiefgehende generative Modelle, variationelle Inferenz.
DeepAnalyze ist das erste agentische LLM für autonome Datenwissenschaft. 🎈 Ihr KI-Datenanalyst, der automatisch große Datenmengen analysiert und professionelle Analyseberichte mit einem Klick erstellt!
Datenmining, Computer Vision, Natürliche Sprachverarbeitung, Empfehlungssystem-Wettbewerbswissen, Code, Ideen
Eine kuratierte Liste toller Jupyter-Projekte, Bibliotheken und Ressourcen
🕵 Künstliche Intelligenz zur sozialen Kontrolle der öffentlichen Verwaltung | **Dieses Repository wird nicht häufig aktualisiert. Schauen Sie sich die README an**
Grundlagen des maschinellen Lernens: Lineare Algebra, Analysis, Statistik & Informatik
Eine schnelle Bibliothek für AutoML und Tuning. Treten Sie unserem Discord bei: https://discord.gg/Cppx2vSPVP.
Python-Notebooks mit ML- und Deep-Learning-Beispielen mit Azure Machine Learning Python SDK | Microsoft
⚡️SwanLab - ein Open-Source-Tool zur KI-Trainingsverfolgung und -visualisierung mit modernem Design. Unterstützt Cloud- / selbst gehostete Nutzung. Integriert mit PyTorch / Transformers / verl / LLaMA Factory / ms-swift / Ultralytics / MMEngine / Keras usw.
Python-Toolkit für Quantitative Finance: Aktienanalyse, technische Indikatoren, Strategie-Backtesting, Portfoliooptimierung und Finanzmodellierung.
Beeindrucken Sie Ihren Chef und verwandeln Sie ein Jupyter-Notebook in eine schöne, teilbare Web-App — ohne Callbacks, ohne Frontend, ohne Neuschreiben.
Eine Sammlung von Cheatsheets, Büchern, Fragen und Portfolio für die DS/ML-Interviewvorbereitung
Dieses Projekt reproduziert das Buch Dive Into Deep Learning (https://d2l.ai/) und passt den Code von MXNet an PyTorch an.
Werden Sie versiert in Künstlicher Intelligenz, Maschinellem Lernen, Generativer KI, Deep Learning, Datenwissenschaft, Verarbeitung natürlicher Sprache, Bestärkendem Lernen und mehr mit diesem kompletten 0-zu-100-Repository.
STUMPY ist eine leistungsstarke und skalierbare Python-Bibliothek für die moderne Zeitreihenanalyse
Sammlung nützlicher Data-Science-Themen zusammen mit Artikeln, Videos und Code
pandas auf AWS - Einfache Integration mit Athena, Glue, Redshift, Timestream, Neptune, OpenSearch, QuickSight, Chime, CloudWatchLogs, DynamoDB, EMR, SecretManager, PostgreSQL, MySQL, SQLServer und S3 (Parquet, CSV, JSON und EXCEL).
Eine kuratierte Liste toller verantwortungsvoller Machine-Learning-Ressourcen.
Ein Python-Paket für interaktive Geodatenanalyse und Visualisierung mit Google Earth Engine.
Deepchecks: Tests für die kontinuierliche Validierung von ML-Modellen & Daten. Deepchecks ist eine ganzheitliche Open-Source-Lösung für all Ihre Anforderungen an die KI- & ML-Validierung, mit der Sie Ihre Daten und Modelle von der Forschung bis zur Produktion gründlich testen können.
Eine tolle Liste von Veranstaltungen und Stipendienmöglichkeiten für Informatik-Studenten
:atom: Code interaktiv ausführen, Daten inspizieren und plotten. Die volle Power von Jupyter-Kernels direkt in deinem Lieblings-Texteditor.
Ein Framework zur Erfassung und Analyse von Vorhersagemarkt-Daten, einschließlich des größten öffentlich verfügbaren Datensatzes von Polymarket- und Kalshi-Marktdaten und Handelsdaten.
Antworten auf 120 häufig gestellte Data-Science-Interviewfragen.
Ein Python-Paket für interaktives Mapping und Geodatenanalyse mit minimalem Programmieraufwand in einer Jupyter-Umgebung
Dies sind die handschriftlichen Notizen von Andrew NG auf Coursera.
[NeurIPS 2026] DataFlex: Ein einheitlicher Benchmark und eine Evaluierungsplattform für das datenorientierte Training großer Sprachmodelle
"Mathematik ist nicht schwer" - "Lineare Algebra ist nicht schwer", Bände 1 und 2, 66 Themen abgeschlossen; willkommen zu Kritik und Korrekturen.