#scikit-learn Repositorios
137 repositorios en total
Algoritmos de ML 2-2000x más rápidos, 50% menos uso de memoria, funciona en todo hardware - nuevo y viejo.
Domina las habilidades esenciales necesarias para reconocer y resolver problemas complejos del mundo real con Machine Learning y Deep Learning aprovechando el ecosistema de Python Machine Learning altamente popular.
Librería de Python de código abierto para ingeniería y selección de características compatible con sklearn.
Una serie de cuadernos de Jupyter que te guían a través de los fundamentos del aprendizaje automático y el aprendizaje profundo en Python utilizando las bibliotecas Scikit-Learn, PyTorch y Hugging Face.
El selector de características es una herramienta para la reducción de dimensionalidad de conjuntos de datos de aprendizaje automático
Visualice automáticamente cualquier conjunto de datos, de cualquier tamaño, con una sola línea de código. Creado por Ram Seshadri. Colaboradores bienvenidos. Permiso concedido previa solicitud.
ADVERTENCIA: El proyecto Katib está OBSOLETO. Los usuarios deben migrar a OptimizationJob y Kubeflow Trainer.
Paquete de ML interpretable 🔍 para modelado predictivo conciso, transparente y preciso (compatible con sklearn).
Repositorio de código abierto para selección de características en Python
Biblioteca de Python para pronóstico de series temporales usando modelos compatibles con scikit-learn, métodos estadísticos y modelos fundamentales
Portafolio de proyectos de ciencia de datos completados por mí con fines académicos, de autoaprendizaje y pasatiempos.
:crown: Análisis exploratorio multivariado de datos en Python — PCA, CA, MCA, MFA, FAMD, GPA
Un kit de herramientas para aprendizaje automático y aprendizaje profundo de series temporales
Concrete ML: Framework de ML para la preservación de la privacidad que utiliza cifrado totalmente homomórfico (FHE), construido sobre Concrete, con enlaces a frameworks de ML tradicionales.
Paquete de Python de MLOps orientado a producción e implementación de referencia del curso de programación de MLOps: MLflow, scikit-learn, Pydantic, Pandera, uv y mise.
Aprender análisis de datos de forma práctica centrado en proyectos, con puntos de conocimiento integrados, para lograr mejores resultados de aprendizaje a través del aprendizaje, la práctica y la guía
La extensión para Scikit-learn es una forma fluida de acelerar su aplicación de Scikit-learn.
Proyectos de aprendizaje automático a pequeña escala para entender los conceptos principales. Dale una Estrella 🌟 si te ayuda. BONUS: Banco de Entrevistas próximamente..!
Transpila estimadores y transformadores entrenados de scikit-learn a C, C#, Go, Java, JavaScript, PHP y Ruby.
Implementaciones en Python de los algoritmos de clustering k-modes y k-prototypes, para el clustering de datos categóricos
Aprendizaje automático, estadística y minería de datos para astronomía y astrofísica
Biblioteca de extracción de características para series temporales (TSFEL): más de 60 características estadísticas, temporales, espectrales y fractales para clasificación y regresión de series temporales, y procesamiento de señales en Python
Compilación de códigos de programación en R y Python en el canal de YouTube de Data Professor.
Notas y soluciones de ejercicios de la Parte I del libro: "Hands-On ML with Scikit-Learn, Keras & TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems" por Aurelien Geron
Una caja de herramientas de aprendizaje automático topológico de alto rendimiento en Python
Un módulo basado en scikit-learn para clasificación multi-etiqueta et. al.
Un curso de aprendizaje automático utilizando Python, Jupyter Notebooks y OpenML
Un servidor de inferencia para sus modelos de aprendizaje automático, que incluye soporte para múltiples frameworks, servicio de múltiples modelos y más
Validadores cruzados de scikit-learn para la estratificación iterativa de datos multilabel