#data-analysis Dépôts
290 dépôts au total
Générateur de code Python basé sur une interface graphique pour la science des données, extension pour Jupyter Lab, Jupyter Notebook et Google Colab.
Je partage mon parcours de 66DaysofData en analyse de données en participant au défi #66daysofdata de Ken Jee.
Réducteurs Clojure, mais pour l'exécution parallèle : localement et sur des systèmes distribués.
Un outil de conception dans le navigateur pour les tableaux de bord et les visualisations de données.
Framework communautaire, simple mais puissant pour un calcul distribué rapide et économique sur les données.
FlyFish est une plateforme de codage de visualisation de données. Nous pouvons créer rapidement un modèle de données de manière simple et générer rapidement un ensemble de solutions de visualisation de données par glisser-déposer.
🌀 Qu'y a-t-il vraiment dans votre package de données Discord ?
Un espace de travail d’analyse de données propulsé par l’IA, conçu pour assurer la transparence, la reproductibilité et le contrôle de l’utilisateur. Examinez le code et les éléments qui étayent les résultats, vérifiez les calculs en les rejouant et choisissez parmi une vaste gamme de modèles, y compris des modèles locaux à poids ouverts.
Liste de papiers continuellement mise à jour sur les avancées en Data Agents. Repo compagnon de notre article « A Survey of Data Agents : Emerging Paradigm or Overstated Hype ? »
L'ingénierie des caractéristiques est le processus d'utilisation des connaissances du domaine pour extraire des caractéristiques des données brutes via des techniques de fouille de données. Ces caractéristiques peuvent être utilisées pour améliorer les performances des algorithmes d'apprentissage automatique. L'ingénierie des caractéristiques peut être considérée comme l'apprentissage automatique appliqué lui-même.
Flux est un langage de script léger pour interroger les bases de données (comme InfluxDB) et travailler avec les données. Il fait partie d'InfluxDB 1.7 et 2.0, mais peut être exécuté de manière indépendante.
Code et données pour la deuxième édition de "Practical SQL" par Anthony DeBarros, publié par No Starch Press.
Implémentation Python de l'algorithme Apriori pour la recherche d'ensembles fréquents et de règles d'association
Exportez les playlists Spotify à l'aide de l'API Web. Analysez-les dans le carnet Jupyter.
DataFoundry est un atelier d'IA open source pour l'analyse de données, unifiant les sources de données, les connaissances, les outils et l'exécution d'agents dans un espace de travail gouverné pour l'analyse interactive.
Matériaux pour suivre"Hands-On Data Analysis with Pandas – Second Edition"
Ce dépôt contient les notebooks et les présentations que nous utilisons pour nos Databricks Tech Talks "
Un package Python puissant, indépendant du format et piloté par la communauté pour l'analyse et la visualisation de données en sciences de la Terre
Plateforme de science des données alimentée par l'IA et open source。
Tableaux croisés dynamiques et graphiques par glisser-déposer pour Jupyter/IPython Notebook, grâce à PivotTable.js
Une feuille de route complète en ML (Machine Learning) Full Stack implique l'acquisition des compétences et des technologies nécessaires pour maîtriser tous les aspects du machine learning, y compris la collecte et le prétraitement des données, le développement de modèles, le déploiement et la maintenance.
Code et données pour la première édition de « Practical SQL » par Anthony DeBarros, publié par No Starch Press (2018).
Client et Kit d'Outils Python pour DataFrames, Big Data, Machine Learning et ETL dans Elasticsearch
ML-capsule est un projet destiné aux débutants et aux passionnés de science des données expérimentés qui n'ont pas de mentor ou de conseils et qui souhaitent apprendre l'apprentissage automatique (Machine Learning). En utilisant notre dépôt, ils peuvent apprendre le ML, le DL et de nombreuses technologies connexes grâce à différents projets concrets et se préparer aux entretiens.
ScienceClaw est un assistant de recherche personnel construit avec LangChain DeepAgents et l'infrastructure AIO Sandbox, adoptant une architecture complètement nouvelle au-delà d'OpenClaw. Il offre une sécurité renforcée, une meilleure transparence et une expérience plus conviviale pour l'utilisateur.
Un système de négociation multi-agents basé sur un mécanisme de compétition interne
Suivez votre Data Science. La bibliothèque Python open-source de Skore accélère le développement de modèles ML grâce à des rapports d’évaluation automatisés, des conseils méthodologiques intelligents et une analyse exhaustive de la validation croisée.
WeDataSphere est une suite de plateformes big data de grade financier, tout-en-un.
Analyse de performance, backtesting de portefeuille, analyse des risques et reporting de fiches en Python
Le moteur de contexte ouvert pour les agents IA prend en charge plus de 15 sources de données. Construit sur Rust et Apache DataFusion.
Le poste de travail DuckDB entièrement open source qui fonctionne dans votre navigateur. Éditeur SQL, notebooks, graphiques, assistant IA. Aucune installation, aucune inscription, aucun backend — vos données ne quittent jamais l'onglet.
Un cadre de combat de pub d'escroc propulsé par l'IA, alimenté par un grand modèle linguistique