#r Repositories
Entdecke 218 aktive Open-Source-GitHub-Repositories, die mit #r getaggt sind und insgesamt 504,015 Sterne gesammelt haben (durchschnittlich 2,311 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist microsoft/ML-For-Beginners mit 92,369 Sternen.
Insgesamt 218 Repositories
12 Wochen, 26 Lektionen, 52 Quizze, klassisches maschinelles Lernen für alle
Apache Spark – Eine einheitliche Analyse-Engine für die Verarbeitung großer Datenmengen
Werkzeug zur Erstellung hochwertiger Prognosen für Zeitreihendaten mit mehrfacher Saisonalität und linearer oder nichtlinearer Wachstum.
Ein schnelles, verteiltes, hochperformantes Gradient-Boosting-Framework (GBT, GBDT, GBRT, GBM oder MART) basierend auf Decision-Tree-Algorithmen, das für Ranking, Klassifikation und viele andere Machine-Learning-Aufgaben verwendet wird.
🧱 Beschreibe deine Seite, KI baut sie, du besitzt sie als Markdown. Verbinde Tailwind-Blöcke wie Lego — Landing Pages, Blogs, Portfolios, Docs & mehr. Kein KI-Müll. Kostenlos überall deployen 👇
Eine schnelle, skalierbare, hochperformante Gradient Boosting on Decision Trees Bibliothek, die für Ranking, Klassifikation, Regression und andere Machine-Learning-Aufgaben für Python, R, Java, C++ verwendet wird. Unterstützt Berechnungen auf CPU und GPU.
H2O ist eine Open-Source-, verteilte, schnelle und skalierbare Machine-Learning-Plattform: Deep Learning, Gradient Boosting (GBM) & XGBoost, Random Forest, Generalized Linear Modeling (GLM mit Elastic Net), K-Means, PCA, Generalized Additive Models (GAM), RuleFit, Support Vector Machine (SVM), Stacked Ensembles, Automatic Machine Learning (AutoML) usw.
Freunde lassen Freunde keine bestimmten Arten von Datenvisualisierungen erstellen – welche sind das und warum sind sie schlecht.
Eine kuratierte Liste toller verantwortungsvoller Machine-Learning-Ressourcen.
🛠 All-in-one webbasiertes IDE, spezialisiert auf Machine Learning und Data Science.
Mehrsprachiges Suite für Hochleistungs-Solver von Differentialgleichungen und Komponenten des wissenschaftlichen Machine Learnings (SciML). Gewöhnliche Differentialgleichungen (ODEs), stochastische Differentialgleichungen (SDEs), Verzögerungsdifferentialgleichungen (DDEs), differential-algebraische Gleichungen (DAEs) und mehr in Julia.
Sorgfältig kuratierte Ressourcenlinks für Data Science an einem Ort
Deepnote ist ein direkter Ersatz für Jupyter mit einem KI-zentrierten Design, einer eleganten Benutzeroberfläche, neuen Blöcken und nativen Datenintegrationen. Nutzen Sie Python, R und SQL lokal in Ihrer bevorzugten IDE und skalieren Sie dann zur Deepnote Cloud für Echtzeit-Zusammenarbeit, den Deepnote Agent und bereitstellbare Datenanwendungen. https://deepnote.com/
Transformieren Sie ML-Modelle in nativen Code (Java, C, Python, Go, JavaScript, Visual Basic, C#, R, PowerShell, PHP, Dart, Haskell, Ruby, F#, Rust) ohne Abhängigkeiten
Open Data, mehr als 50 Finanzdaten. Bietet über 50 Finanzdaten (hauptsächlich Taiwan-Aktien) an, täglich aktualisiert https://finmind.github.io/
Ein umfassender Satz von Fairness-Metriken für Datensätze und Machine-Learning-Modelle, Erklärungen zu diesen Metriken und Algorithmen zur Minderung von Bias in Datensätzen und Modellen.
Die chinesische Übersetzung von The Elements of Statistical Learning (ESL), Code-Implementierungen und Lösungen zu den Übungsaufgaben.
Data Science 100 Knockouts (Strukturierte Datenverarbeitung)
Nützliche Links, Skripte, Tools und Best Practices für Microsoft SQL Server-Datenbanken
Listen der beliebtesten Repositories für die meist bevorzugten Programmiersprachen (laut StackOverflow)
Verschiedene Arten der Aktienanalyse in Excel, Matlab, Power BI, Python, R und Tableau
Codierungsunterstützung für JupyterLab (Code-Navigation + Hover-Vorschläge + Linter + Autovervollständigung + Umbenennung) mit dem Language Server Protocol
Häufig gestellte Fragen
Welches ist das beliebteste #r-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#r-Projekt auf GitHub ist microsoft/ML-For-Beginners mit 92,369 Sternen. 12 Wochen, 26 Lektionen, 52 Quizze, klassisches maschinelles Lernen für alle
Welche Programmiersprachen werden in #r-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #r-Projekten auf GitHub sind R, Python, Jupyter Notebook, HTML die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #r-Repositories berechnet?
Wir verfolgen 218 aktive Open-Source-Repositories, die mit #r getaggt sind (500+ Sterne), mit insgesamt 504,015 Sternen und durchschnittlich 2,311 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.