#data-science Repositorios
Descubre 688 repositorios activos de código abierto de GitHub etiquetados con #data-science, que acumulan 3,508,536 estrellas en total (una media de 5,099 estrellas por proyecto). El líder de este tema es jackfrued/Python-100-Days, con 187,961 estrellas.
688 repositorios en total
12 semanas, 26 lecciones, 52 cuestionarios, aprendizaje automático clásico para todos
El desafío de programación '30 Días de Python' es una guía paso a paso para aprender el lenguaje de programación Python en 30 días. Este desafío puede tomar más de 100 días. Sigue tu propio ritmo. Estos videos también pueden ser de ayuda: https://www.youtube.com/channel/UC7PNRuno1rzYPb1xLa4yktw
Apache Superset es una Plataforma de Visualización de Datos y Exploración de Datos
Una lista curada de impresionantes frameworks, bibliotecas y software de Machine Learning.
Biblioteca flexible y potente para el análisis / manipulación de datos en Python, que proporciona estructuras de datos etiquetadas similares a los objetos data.frame de R, funciones estadísticas y mucho más
Aprende a desarrollar, implementar y iterar en aplicaciones de ML de grado de producción.
Publicaciones de pasantías de verano 2027 en ingeniería de software, ciencia de datos, IA, cuantitativo, gestión de productos y hardware. Actualizadas diariamente por Simplify y Pitt CSC.
Apache Airflow - Una plataforma para crear de manera programática, programar y monitorear flujos de trabajo
Streamlit — El framework nativo para agentes para aplicaciones de datos y paneles de control.
Ray es un motor de cómputo de IA. Ray consiste en un runtime distribuido central y un conjunto de bibliotecas de IA para acelerar cargas de trabajo de ML.
Crea y comparte aplicaciones de aprendizaje automático encantadoras, todo en Python. 🌟 Dale una estrella para apoyar nuestro trabajo!
500 proyectos de IA Machine learning Deep learning Visión por computadora NLP con código
Preentrene, ajuste fino CUALQUIER modelo de IA de CUALQUIER tamaño en 1 o más de 10,000 GPU sin cambios en el código.
Hoja de ruta para convertirse en un experto en Inteligencia Artificial en 2022
:memo: Un fantástico repositorio de Data Science para aprender y aplicar a problemas del mundo real.
⛔️ DEPRECADO – Ver https://github.com/ageron/handson-ml3 o handson-mlp en su lugar.
Notebooks de Python para ciencia de datos: Deep learning (TensorFlow, Theano, Caffe, Keras), scikit-learn, Kaggle, big data (Spark, Hadoop MapReduce, HDFS), matplotlib, pandas, NumPy, SciPy, fundamentos de Python, AWS y varias líneas de comandos.
📚 Artículos y blogs de tecnología de empresas que comparten su trabajo sobre ciencia de datos y aprendizaje automático en producción.
aka "Bayesian Methods for Hackers": Una introducción a los métodos bayesianos + programación probabilística con un enfoque primero en cómputo/comprensión, segundo en matemáticas. Todo en Python puro ;)
Libro interactivo de aprendizaje profundo con código de múltiples frameworks, matemáticas y discusiones. Adoptado en 500 universidades de 70 países, incluyendo Stanford, MIT, Harvard y Cambridge.
Prefect es un marco de orquestación de flujos de trabajo para construir tuberías de datos resilientes en Python.
Chatea con tu base de datos o tu datalake (SQL, CSV, parquet). PandasAI hace que el análisis de datos sea conversacional utilizando LLMs y RAG.
Una lista clasificada de fantásticas bibliotecas de Python para aprendizaje automático. Actualizado semanalmente.
Un cuaderno reactivo para Python — ejecuta experimentos reproducibles, consulta con SQL, ejecuta como script, despliega como aplicación y versiona con git. Almacenado como Python puro. Todo en un editor moderno, nativo de IA.
AKShare es una biblioteca de interfaz de datos financieros elegante y simple para Python, ¡construida para humanos! Biblioteca de interfaz de datos financieros de código abierto
Código para Machine Learning for Trading, 3.ª edición — desde la obtención de datos hasta la ejecución en vivo.
Resumen de libros gratuitos. Descarga PDF Baidu Cloud Descarga de libros electrónicos =钮趃圱欘偽罞僂珖椃櫑棅蚼饗仰苳堽彈朿骋騴郃碮字攉謳輒葓鼪滼觙悌爷砖杨鰙滣駧呸肧薉焤罳蛥鑔脽騺挬逽鴏剘牻帕啨砟躿猱逍錢饕橙岌媤瞧楆犧氤羼鳮鯆渟鶻椛彙踆膻挏鈒胆鬣喧璏鋂綨向糷螋炕谧溟涠褱暂餖钿慭轒烝嶬窷缚娽崢疺穻篥縍廝坞埜弼歒実湏蔎饮顀聂馅趿卄楲擜稿罫躸亖
Repositorio oficial para IPython en sí mismo. Otros repos en la organización IPython contienen cosas como el sitio web, compilaciones de documentación, etc.
Una lista completa de contenido relacionado con Pytorch en GitHub, como diferentes modelos, implementaciones, bibliotecas auxiliares, tutoriales, etc.
Una plataforma de orquestación para el desarrollo, producción y observación de activos de datos.
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
Una lista curada de increíbles frameworks de big data, recursos y otras maravillas.
Una serie de cuadernos Jupyter que te guían a través de los fundamentos del aprendizaje automático y el aprendizaje profundo en Python utilizando Scikit-Learn, Keras y TensorFlow 2.
Preguntas frecuentes
¿Cuál es el repositorio de #data-science más popular en GitHub?
El proyecto de código abierto de #data-science mejor posicionado en GitHub es jackfrued/Python-100-Days, con 187,961 estrellas. Python - 100 días de principiante a maestro
¿Qué lenguajes de programación se utilizan más en los repositorios de #data-science?
Entre los proyectos de #data-science mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, JavaScript.
¿Cómo se calcula la clasificación de los repositorios de #data-science?
Seguimos 688 repositorios activos de código abierto etiquetados con #data-science (500+ estrellas), que suman un total de 3,508,536 estrellas, con una media de 5,099 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.