#data-science Repositorios
688 repositorios en total
🎨 Kit de herramientas para generar gráficos de calidad de publicación para las revistas Cell, Nature y Science
Este repositorio contiene los cuadernos y presentaciones que utilizamos para nuestras charlas técnicas de Databricks "
Perpetual es una máquina de gradient boosting de alto rendimiento. Ofrece precisión óptima en una sola ejecución sin ajustes complejos mediante un simple parámetro de presupuesto. Cuenta con soporte incorporado para ML causal, aprendizaje continuo, calibración nativa y monitorización robusta de deriva, además de un núcleo en Rust y enlaces sin copia para Python y R.
AKHub: Una selección de herramientas de datos financieros y económicos, fuentes de datos, marcos de investigación cuantitativa y recursos de aprendizaje
Plataforma de ciencia de datos impulsada por IA y de código abierto。
Tablas dinámicas y gráficos de arrastrar y soltar para Jupyter/IPython Notebook, cortesía de PivotTable.js
Una hoja de ruta completa de ML (Machine Learning) Full Stack implica aprender las habilidades y tecnologías necesarias para dominar todos los aspectos del machine learning, incluida la recopilación y preprocesamiento de datos, el desarrollo de modelos, la implementación y el mantenimiento.
Cargar datos de límites y atributos del Censo de EE.UU. como data frames listos para 'tidyverse' y 'sf' en R
Buckaroo - La interfaz de usuario de tabla de datos para Notebooks. Explore rápidamente dataframes, desplácese por dataframes, busque, ordene, vea estadísticas de resumen e histogramas. Funciona con Pandas, Polars, Jupyter, Marimo, VSCode Notebooks.
Second Brain es un marco agentivo que actúa como un sistema operativo, utilizando inteligencia de archivos locales, automatización de flujos de trabajo y LLMs para completar tareas y comunicarse a través de múltiples modalidades y plataformas de mensajería.
ML-capsule es un proyecto para principiantes y entusiastas de la ciencia de datos con experiencia que no tienen un mentor o guía y desean aprender aprendizaje automático (Machine Learning). Usando nuestro repositorio, pueden aprender ML, DL y muchas tecnologías relacionadas con diferentes proyectos del mundo real y prepararse para entrevistas.
Sigue tu Data Science. La biblioteca Python de código abierto de Skore acelera el desarrollo de modelos de ML con informes de evaluación automatizados, orientación metodológica inteligente y análisis exhaustivo de validación cruzada.
Visualización interactiva de redes en Python y Dash, impulsada por Cytoscape.js
Ejemplos de técnicas para entrenar modelos ML interpretables, explicar modelos ML y depurar modelos ML en términos de precisión, discriminación y seguridad.
Plotlars es una biblioteca de Rust diseñada para facilitar la integración entre la biblioteca de análisis de datos Polars y la biblioteca Plotly.
RAGLight es un marco modular para la Generación Aumentada por Recuperación (RAG). Facilita la incorporación de diferentes LLM, embeddings y almacenes vectoriales, y ahora incluye una integración MCP perfecta para conectar herramientas externas y fuentes de datos.
Pasa rápidamente del prototipo de ciencia de datos a la canalización. Captura, analiza y transforma notebooks desordenados en canalizaciones de datos con solo dos líneas de código.
Una colección curada de recursos gratuitos para ayudarte a profundizar tu comprensión del lenguaje de programación R. Actualizado regularmente. Se alientan las contribuciones a través de pull requests (ver contributing.md).
Comparación de Pandas, Polars, Spark y Snowpark DataFrame para humanos y más!
Este repositorio contiene todos los proyectos de análisis de datos en los que he trabajado en Python.
Extensión de Polars para casos de uso generales de ciencia de datos
Aprendizaje automático reproducible para la detección de fraude con tarjetas de crédito - Manual práctico
(AAAI' 20) Una caja de herramientas de Python para la combinación de modelos de aprendizaje automático
Turbodbc es un módulo de Python para acceder a bases de datos relacionales a través de la interfaz Open Database Connectivity (ODBC). El módulo cumple con la Especificación de la API de Base de Datos de Python 2.0.
Un repositorio de conjuntos de datos bastante geniales que he recopilado para la investigación en ciencia de redes y aprendizaje automático.
Si vienes de uno de mis tutoriales de data science, encontrarás el código y los enlaces a los tutoriales aquí. Espero que los encuentres útiles. ¡Feliz aprendizaje y programación!