#data-science Repositorios
688 repositorios en total
Perfilado de calidad de datos & análisis exploratorio de datos con 1 línea de código para DataFrames de Pandas y Spark.
Repositorio oficial de Trino, el motor de consulta SQL distribuido para big data, anteriormente conocido como PrestoSQL (https://trino.io)
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
OpenRefine es una herramienta potente gratuita y de código abierto para trabajar con datos desordenados y mejorarlos
Lime: Explicando las predicciones de cualquier clasificador de aprendizaje automático
Cliente de terminal MySQL enriquecido con autocompletado, resaltado de sintaxis y marcos de datos
Framework de bajo código para construir LLMs personalizados, redes neuronales y otros modelos de IA
La biblioteca de código abierto de Cleanlab es el paquete estándar de IA centrado en datos para la calidad de datos y el aprendizaje automático con datos y etiquetas desordenados del mundo real.
La plataforma para desarrolladores de IA. Usa Weights & Biases para entrenar y ajustar finamente modelos, y gestionar modelos desde la experimentación hasta la producción.
Motor de documentos con reconocimiento de la maquetación para IA y un completo conjunto de herramientas de Python para extraer, representar y editar PDF y otros documentos. Desde la versión 2.0, su análisis de maquetación basado en aprendizaje automático convierte archivos PDF y de Office en Markdown de alta calidad para RAG y agentes, funciona con rapidez en CPU y vincula cada resultado con su página de origen.
Cuadernos de Jupyter 📓 de ejemplo que demuestran cómo construir, entrenar e implementar modelos de aprendizaje automático usando 🧠 Amazon SageMaker.
Libro de texto en línea gratuito de cuadernos Jupyter para el curso de Álgebra Lineal Computacional de fast.ai
Tutoriales, asignaciones y competiciones para cursos relacionados con MIT Deep Learning.
Modin: Escala tus flujos de trabajo de Pandas cambiando una sola línea de código
Una estructura de proyecto lógica, razonablemente estandarizada, pero flexible para realizar y compartir trabajos de ciencia de datos.
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.
Una herramienta de Automated Machine Learning en Python que optimiza pipelines de machine learning usando programación genética.
El motor de investigación que te da una ventaja injusta. Prueba miles de ideas de trading antes de que los demás terminen una.
Plataforma AutoML de código abierto y bajo código para Python. PyCaret 4.0: motor nativo de sklearn + plano de control React.
Mejores prácticas, muestras de código y documentación para Computer Vision.
Biblioteca de aprendizaje profundo con una API de nivel superior para TensorFlow.
Una biblioteca de Python para pronósticos y detección de anomalías amigables para el usuario en series temporales.
XGo es un lenguaje de programación que se lee como inglés sencillo. Pero también es increíblemente potente: le permite aprovechar activos de C/C++, Go, Python y JavaScript/TypeScript, creando un ecosistema unificado de ingeniería de software. Nuestra visión es permitir que todos se conviertan en constructores del mundo.
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 colección de ejemplos y tutoriales de aprendizaje automático.
🧙 Cree, ejecute y administre pipelines de datos para integrar y transformar datos.
Una plataforma GIS ligera y nativa de la nube para visualizar, explorar y analizar datos geoespaciales. Se ejecuta en el navegador web, en el escritorio, en dispositivos móviles y dentro de cuadernos Jupyter.
[SIGMOD'27] Preparación sencilla de datos con los operadores y pipelines más recientes basados en LLM.
DataFrame híbrido Apache Arrow/NumPy fuera de memoria para Python, ML, visualización y exploración de grandes datos tabulares a mil millones de filas por segundo 🚀
DoWhy es una biblioteca de Python para la inferencia causal que soporta la modelización y prueba explícita de suposiciones causales. DoWhy se basa en un lenguaje unificado para la inferencia causal, que combina modelos gráficos causales y marcos de resultados potenciales.
Despídete del aburrimiento, dedicado a crear pequeños ejemplos prácticos de Python, más tutoriales Python concienzudos en https://ai-jupyter.com
Evidently es un framework de código abierto para la observabilidad de ML y LLM. Evalúe, pruebe y monitoree cualquier sistema impulsado por IA o pipeline de datos. Desde datos tabulares hasta Gen AI. Más de 100 métricas.
Libro_3_《Elementos de Matemáticas》 | El libro del iris: de la aritmética al aprendizaje automático; Puesto a la venta; ¡Bienvenido a continuar corrigiendo errores, los estudiantes que corrijan muchos errores también recibirán libros de regalo!