#kaggle Repositorios
Descubre 19 repositorios activos de código abierto de GitHub etiquetados con #kaggle, que acumulan 140,042 estrellas en total (una media de 7,370 estrellas por proyecto). El líder de este tema es donnemartin/data-science-ipython-notebooks, con 28,776 estrellas.
19 repositorios en total
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.
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.
¡Genera audiolibros a partir de libros electrónicos con más de 50 motores de TTS, clonación de voz y compatibilidad con 1696 idiomas!
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.
Implementación de U-Net en PyTorch para segmentación semántica de imágenes con imágenes de alta calidad
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.
Minería de datos, Visión por computadora, Procesamiento del lenguaje natural, Conocimiento en competencias de sistemas de recomendación, Código, Ideas
Approaching (Almost) Any Machine Learning Problem versión china, dirección de la documentación en línea: https://ytzfhqs.github.io/AAAMLP-CN/
Extensiones de PyTorch para prototipado rápido de R&D y farming en Kaggle
Framework rápido y personalizable para la creación automática de modelos de ML (AutoML)
Modelos abiertos de nivel frontera en una TPU v5e-8 gratuita de Kaggle: GLM-5.3-Flash 320B MoE (~165 tokens/s, con nuestro propio motor JAX) y Qwen3.8-27B bf16 (~130 tokens/s), contexto de 262k y caché de prefijos. Funciona con Claude Code, Codex, opencode y pi.
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.
Clasificar la descripción de delitos de Kaggle San Francisco en 39 clases. Construir el modelo con CNN, RNN (GRU y LSTM) y Word Embeddings en Tensorflow.
Una implementación mejorada y reproducible de una solución de predicción de polímeros Open NeurIPS Kaggle Medalla de Plata, con canonicalización SMILES, descriptores moleculares, modelos CatBoost/XGBoost, apilamiento OOF y GNNs PyTorch Geometric opcionales.
Preguntas frecuentes
¿Cuál es el repositorio de #kaggle más popular en GitHub?
El proyecto de código abierto de #kaggle mejor posicionado en GitHub es donnemartin/data-science-ipython-notebooks, con 28,776 estrellas. 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.
¿Qué lenguajes de programación se utilizan más en los repositorios de #kaggle?
Entre los proyectos de #kaggle mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, C++, Astro.
¿Cómo se calcula la clasificación de los repositorios de #kaggle?
Seguimos 19 repositorios activos de código abierto etiquetados con #kaggle (500+ estrellas), que suman un total de 140,042 estrellas, con una media de 7,370 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.