#data-mining Repositorios
Descubre 81 repositorios activos de código abierto de GitHub etiquetados con #data-mining, que acumulan 318,511 estrellas en total (una media de 3,932 estrellas por proyecto). El líder de este tema es academic/awesome-datascience, con 30,352 estrellas.
81 repositorios en total
:memo: Un fantástico repositorio de Data Science para aprender y aplicar a problemas del mundo real.
OCR listo para usar con más de 80 idiomas compatibles y todos los scripts de escritura populares, incluidos latín, chino, árabe, devanagari, cirílico, etc.
Una lista curada de excelentes bibliotecas de código abierto para desplegar, monitorear, versionar y escalar tu machine learning
Un framework rápido, distribuido y de alto rendimiento para gradient boosting (GBT, GBDT, GBRT, GBM o MART) basado en algoritmos de árboles de decisión, utilizado para ranking, clasificación y muchas otras tareas de aprendizaje automático.
La investigación y el desarrollo (I+D) son cruciales para la mejora de la productividad industrial, especialmente en la era de la IA, donde los aspectos centrales de la I+D se centran principalmente en datos y modelos. Estamos comprometidos a automatizar estos procesos de I+D genéricos de alto valor a través de R&D-Agent, que permite a la IA impulsar la IA basada en datos. 🔗https://aka.ms/RD-Agent-Tech-Report
El repositorio de código y recurso de información del libro "Python Machine Learning (1ª edición)"
Mapa de ruta de aprendizaje de inteligencia artificial, recopilación de casi 200 casos y proyectos prácticos, materiales complementarios gratuitos, entrada desde cero bases, práctica para el empleo! Incluye: Python, matemáticas, aprendizaje automático, análisis de datos, aprendizaje profundo, visión por computadora, procesamiento del lenguaje natural, PyTorch, tensorflow, machine-learning, deep-learning, data-analysis, data-mining, mathematics, data-science, artificial-intelligence, python, tensorflow, tensorflow2, caffe, keras, pytorch, algorithm, numpy, pandas, matplotlib, seaborn, nlp, cv y otros campos populares
Una biblioteca de Python para la detección de anomalías en datos tabulares, series temporales, grafos, texto, imágenes y audio. Incluye más de 60 detectores, orquestación ADEngine respaldada por benchmarks y un flujo de trabajo agente para agentes de IA.
Libros, artículos, vídeos y cajas de herramientas relacionados con la detección de anomalías. ¡Última actualización a finales de 2025 para trabajos sobre LLM y VLM!
Una biblioteca de Gradient Boosting en Árboles de Decisión rápida, escalable y de alto rendimiento, utilizada para ranking, clasificación, regresión y otras tareas de aprendizaje automático para Python, R, Java, C++. Soporta cómputo en CPU y GPU.
Una biblioteca de módulos de extensión y ayuda para las bibliotecas de análisis de datos y aprendizaje automático de Python.
Tasas de aceptación para las principales conferencias de IA
Alink es la plataforma de algoritmos de Machine Learning basada en Flink, desarrollada por el equipo PAI de la plataforma de cómputo de Alibaba.
Herramienta asistida por visión por computadora para extraer datos numéricos de imágenes de gráficos.
Lista de herramientas y conjuntos de datos para la detección de anomalías en datos de series temporales.
WebCollector es un framework de rastreo web de código abierto basado en Java. Proporciona algunas interfaces sencillas para rastrear la Web, puede configurar un rastreador web multihilo en menos de 5 minutos.
Biblioteca de Python y CLI para el scraping de X/Twitter con rotación de múltiples cuentas y manejo integrado de límites de velocidad.
Una biblioteca/herramienta de Python para aprendizaje automático/profundo y minería de datos centrado en la realidad en series temporales parcialmente observadas, con más de 50 modelos de redes neuronales SOTA para tareas de análisis científico (imputación, clasificación, agrupación, pronóstico, detección de anomalías, limpieza) en TS multivariadas industriales incompletas muestreadas irregularmente con valores faltantes NaN
Información académica completa y oportuna sobre aprendizaje federado (artículos, marcos, conjuntos de datos, tutoriales, talleres)
Una lista curada de artículos y recursos sobre detección de fraudes, anomalías y valores atípicos basada en grafos/transformadores
Una lista curada de artículos de minería de datos sobre detección de fraudes.
Algunos libros y pdf increíbles relacionados con la IA para aprender y descargar, también aplica algunos modelos de campo de pruebas para aprender
Un kit de herramientas de aprendizaje profundo para la IA en salud: historias clínicas electrónicas (MIMIC, eICU, OMOP), texto clínico, señales e imágenes. Más de 30 modelos y flujos de trabajo reproducibles.
paquete R caret (Classification And Regression Training) que contiene funciones varias para entrenar y graficar modelos de clasificación y regresión
Una lista profesional de artículos, tutoriales y encuestas sobre IA para series temporales en las principales conferencias y revistas de IA.
Repositorio de código abierto para selección de características en Python
UnityPy es un módulo de Python que hace posible extraer/desempaquetar y editar activos de Unity.
Un kit de herramientas para aprendizaje automático y aprendizaje profundo de series temporales
Framework AIL - Analysis Information Leak framework. Proyecto movido a https://github.com/ail-project
CleverCSV es un paquete de Python para manejar archivos CSV desordenados. Proporciona un reemplazo directo para el módulo CSV integrado con una detección de dialectos mejorada, y viene con una aplicación práctica de línea de comandos para trabajar con archivos CSV.
:video_game: Una lista curada de datasets de juegos increíbles y herramientas para inteligencia artificial en juegos
Aprendizaje automático, estadística y minería de datos para astronomía y astrofísica
Repositorio público oficial para PM4Py (Process Mining for Python) — una biblioteca de código abierto para explorar, analizar y optimizar procesos de negocio con Python.
Preguntas frecuentes
¿Cuál es el repositorio de #data-mining más popular en GitHub?
El proyecto de código abierto de #data-mining mejor posicionado en GitHub es academic/awesome-datascience, con 30,352 estrellas. :memo: Un fantástico repositorio de Data Science para aprender y aplicar a problemas del mundo real.
¿Qué lenguajes de programación se utilizan más en los repositorios de #data-mining?
Entre los proyectos de #data-mining mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, HTML, Java.
¿Cómo se calcula la clasificación de los repositorios de #data-mining?
Seguimos 81 repositorios activos de código abierto etiquetados con #data-mining (500+ estrellas), que suman un total de 318,511 estrellas, con una media de 3,932 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.