#data-science Repositorios
688 repositorios en total
Cuadernos de ejercicios para módulos de aprendizaje automático en Microsoft Learn
Feathr – Una plataforma de ingeniería de datos e IA escalable y unificada para empresas
El Almacén de Datos de IA para Esquemas, BLOBs y Predicciones. Úselo con sus aplicaciones o integre la Supervisión Humana integrada, el Flujo de Trabajo de Datos y el Catálogo de UI para obtener el máximo valor de sus Datos de IA.
Una lista curada de artículos y recursos sobre detección de fraudes, anomalías y valores atípicos basada en grafos/transformadores
Responsible AI Toolbox es un conjunto de herramientas que proporciona interfaces de usuario y bibliotecas para la exploración y evaluación de modelos y datos que permiten una mejor comprensión de los sistemas de inteligencia artificial. Estas interfaces y bibliotecas permiten a los desarrolladores y partes interesadas de los sistemas de IA desarrollar y supervisar la IA de manera más responsable, y tomar mejores medidas basadas en datos.
Biblioteca de Python para la visualización interactiva de modelos de temas. Port del paquete R LDAvis.
Este repositorio contiene todos los recursos relacionados con la serie masiva de aprendices automáticos de codificadores masivos.
Una lista curada de artículos de minería de datos sobre detección de fraudes.
DATAGEN: Asistente de investigación multiagente impulsado por IA que automatiza la generación de hipótesis, el análisis de datos y la redacción de informes.
Una biblioteca de seguimiento de experimentos ligera, local y gratuita de Hugging Face 🤗
Apuestas deportivas de la NBA usando aprendizaje automático
Una lista completa de más de 180 canales de YouTube sobre ciencia de datos, ingeniería de datos, aprendizaje automático, aprendizaje profundo, informática, programación, ingeniería de software, etc.
comparación de comediantes de stand up usando procesamiento de lenguaje natural
MLRun es una plataforma de MLOps de código abierto para construir y gestionar rápidamente aplicaciones de ML continuas a lo largo de su ciclo de vida. MLRun se integra en su entorno de desarrollo y CI/CD y automatiza la entrega de datos de producción, tuberías de ML y aplicaciones en línea.
Una biblioteca compatible con scikit-learn para estimar intervalos de predicción y controlar riesgos, basada en predicciones conformes.
Las acciones de Deep Learning y Machine Learning representan oportunidades prometedoras para inversores y traders a largo y corto plazo.
Tutoriales de Apache Spark & Python (pySpark) para el Análisis de Big Data y Machine Learning como cuadernos IPython / Jupyter
paquete R caret (Classification And Regression Training) que contiene funciones varias para entrenar y graficar modelos de clasificación y regresión
Los agentes de backend se construyen con: base de datos multimodal, orquestación y servicio en un solo archivo
🚀 Recursos GRATUITOS de IA - 🎓 Cursos, 👷 Empleos, 📝 Blogs, 🔬 Investigación de IA y mucho más, ¡para todos!
Cuadernos de Jupyter que respaldan mis publicaciones de blog sobre ciencia de datos de grafos en https://bratanic-tomaz.medium.com/
Paquete de ML interpretable 🔍 para modelado predictivo conciso, transparente y preciso (compatible con sklearn).
AIDE: un agente LLM para ingeniería de aprendizaje automático, la investigación de la que surgió Weco. Referenciado en MLE-bench de OpenAI.
Implementaciones de alta calidad de métodos estándar y SOTA en una variedad de tareas.
¿Qué hay en tus datos? Extrae esquemas, estadísticas y entidades de los conjuntos de datos
Chatea con tus datos: análisis y visualización de datos de IA en CSV, Postgres, MySQL, Snowflake, SQLite...
API HTTP y servidor MCP para AKShare: obtén datos financieros desde cualquier lenguaje de programación o asistente de IA (Claude, Cursor)
Repositorio de código abierto para selección de características en Python
Una lista curada de más de 100 recursos para construir e implementar IA generativa, centrándose específicamente en ayudarte a convertirte en un Científico de Datos de IA Generativa con LLMs
Biblioteca de Python para pronóstico de series temporales usando modelos compatibles con scikit-learn, métodos estadísticos y modelos fundamentales
:truck: Flujos de trabajo de preparación de datos ágiles hechos fáciles con Pandas, Dask, cuDF, Dask-cuDF, Vaex y PySpark