#statistics Repositories
Insgesamt 174 Repositories
Player Analytics Plugin für Minecraft Server-Plattformen - Überwache die Aktivitätsdaten deiner Server mit Leichtigkeit. :calendar:
JASP zielt darauf ab, ein vollständiges Statistikpaket für sowohl bayessche als auch frequentistische statistische Methoden zu sein, das einfach zu bedienen ist und für SPSS-Nutzer vertraut wirkt
Alle Stanford Cheatsheets: Künstliche Intelligenz, Transformer, LLMs, Deep Learning, Maschinelles Lernen, Wahrscheinlichkeiten, Statistik, Algebra und Analysis.
📚 Einführung in die Moderne Statistik - Ein Lehrbuch auf Hochschulniveau, Open Source, mit einem modernen Ansatz, der multivariate Beziehungen und simulationsbasierte Inferenz hervorhebt.
API-Beobachtbarkeit. API-Aufrufe verfolgen und API-Leistung, Gesundheit und Nutzungsstatistiken in Node.js Microservices überwachen.
Begleitende Webseite zum Buch „Bayesian Optimization“ von Roman Garnett
🌞 Eine hochgradig anpassbare JavaScript-Bibliothek zur Erstellung interaktiver Heatmaps. Sie wandelt Daten in sanfte, visuell intuitive Wärmestreifen um und macht Muster und Intensität auf einen Blick erkennbar.
🌀 Was ist wirklich in Ihrem Discord-Datenpaket enthalten?
statistische Signifikanz-Annotationen zu Seaborn-Plots hinzufügen. Weiterentwicklung von statannot mit Bugfixes, neuen Funktionen und einer anderen API.
Streamystats ist ein Statistikdienst für Jellyfin, der Analysen und Datenvisualisierung bereitstellt.
Code-Repository für Projekte und Tutorials in R und Python, das eine Vielzahl von Themen in der Datenvisualisierung, Statistik, Sportanalytik und allgemeine Anwendung der Wahrscheinlichkeitstheorie abdeckt.
Gramm ist eine vollständige Datenvisualisierungstoolbox für Matlab. Es bietet eine benutzerfreundliche und hochstufige Schnittstelle zur Erstellung von publikationsqualitätsvollen Plots komplexer Daten mit vielfältigen statistischen Visualisierungen. Gramm ist von der R-Bibliothek ggplot2 inspiriert.
Zusammenfassende Statistik der Open-Source-Teams und -Projekte der „großen Unternehmen“.
R-Programmierungstipps für Datenbereinigung, Datenvisualisierung, statistische Modellierung und maschinelles Lernen
jamovi - Open-Software, die die Lücke zwischen Forscher und Statistikexperten überbrückt
Maschinelles Lernen für multivariate Daten durch die Riemannsche Geometrie positiver definiter Matrizen in Python
Probabilistische hierarchische Vorhersage 👑 mit statistischen und ökonometrischen Methoden.
Stilvolles Design, vielseitige Funktionen – der ultimative Taschenrechner für Android.
Windows-Begleiter für League of Legends ARAM Mayhem mit schreibgeschützten LCU-Empfehlungen, Hextech-Augment-Statistiken und OCR-Overlays im Spiel.
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.
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.
Greifen Sie mit Python auf historische Wetter- und Klimadaten zu und analysieren Sie diese.
GSTools – Ein geostatistisches Toolbox: Zufallsfelder, Variogramm-Schätzung, Kovarianzmodelle, Kriging und vieles mehr
PyTensor ermöglicht es Ihnen, mathematische Ausdrücke mit mehrdimensionalen Arrays zu definieren, zu optimieren und effizient auszuwerten.
Modul für statistisches Lernen mit besonderem Schwerpunkt auf zeitabhängige Modellierung
Wahrscheinlichkeit und Statistik für Data Science: Eine in sich geschlossene Einführung in Wahrscheinlichkeit und Statistik für Data Science, einschließlich einer kostenlosen PDF-Datei, 103 Python-Notebooks mit 23 realen Datensätzen, 118 Videos mit Folien und Lösungen für 200 Übungen