#data-science Dépôts
Découvrez 688 dépôts GitHub open source actifs associés à #data-science, cumulant 3,508,536 étoiles au total (soit une moyenne de 5,099 étoiles par projet). Le projet en tête de ce thème est jackfrued/Python-100-Days, avec 187,961 étoiles.
688 dépôts au total
12 semaines, 26 leçons, 52 quiz, l'apprentissage automatique classique pour tous
Le défi de programmation « 30 Jours de Python » est un guide étape par étape pour apprendre le langage de programmation Python en 30 jours. Ce défi peut prendre plus de 100 jours. Suivez votre propre rythme. Ces vidéos peuvent également vous aider : https://www.youtube.com/channel/UC7PNRuno1rzYPb1xLa4yktw
Une liste organisée d'excellents frameworks, bibliothèques et logiciels d'apprentissage automatique.
Bibliothèque flexible et puissante pour l'analyse / manipulation de données en Python, fournissant des structures de données étiquetées similaires aux objets data.frame de R, des fonctions statistiques et bien plus
Apprenez à développer, déployer et itérer sur des applications ML de qualité production.
Offres de stage d'été 2027 en ingénierie logicielle, science des données, IA, quantitatif, gestion de produits et matériel. Mises à jour quotidiennement par Simplify et Pitt CSC.
Apache Airflow - Une plateforme pour créer, planifier et surveiller des workflows de manière programmatique
Streamlit — Le framework natif pour les agents dédié aux applications de données et aux tableaux de bord.
Ray est un moteur de calcul IA. Ray est composé d'un runtime distribué central et d'un ensemble de bibliothèques IA pour accélérer les charges de travail ML.
Créez et partagez des applications d'apprentissage automatique délicieuses, tout en Python. 🌟 Étoilé pour soutenir notre travail !
500 projets IA Machine learning Deep learning Vision par ordinateur NLP avec code
Préentraînez, affinez n'importe quel modèle d'IA de n'importe quelle taille sur 1 ou 10 000+ GPU sans aucune modification de code.
Feuille de route pour devenir un expert en intelligence artificielle en 2022
:memo: Un référentiel génial de Data Science pour apprendre et appliquer à des problèmes du monde réel.
⛔️ OBSOLÈTE – Voir https://github.com/ageron/handson-ml3 ou handson-mlp à la place.
Notebooks Python pour la science des données : Deep learning (TensorFlow, Theano, Caffe, Keras), scikit-learn, Kaggle, big data (Spark, Hadoop MapReduce, HDFS), matplotlib, pandas, NumPy, SciPy, fondamentaux de Python, AWS et diverses lignes de commande.
📚 Articles et blogs tech d'entreprises partageant leur travail sur la science des données et l'apprentissage automatique en production.
aka "Bayesian Methods for Hackers" : Une introduction aux méthodes bayésiennes + programmation probabiliste avec une perspective computation/compréhension d'abord, mathématiques ensuite. Tout en Python pur ;)
Livre interactif sur l'apprentissage profond avec code multi-frameworks, mathématiques et discussions. Adopté dans 500 universités de 70 pays, dont Stanford, MIT, Harvard et Cambridge.
Prefect est un framework d'orchestration de workflows pour construire des pipelines de données résilients en Python.
Discutez avec votre base de données ou votre datalake (SQL, CSV, parquet). PandasAI rend l'analyse de données conversationnelle grâce aux LLM et au RAG.
Une liste classée d'incroyables bibliothèques Python pour le machine learning. Mise à jour chaque semaine.
Un notebook réactif pour Python — exécutez des expériences reproductibles, interrogez avec SQL, exécutez en tant que script, déployez en tant qu'application et versionnez avec git. Stocké en tant que Python pur. Le tout dans un éditeur moderne, natif de l'IA.
AKShare est une bibliothèque d'interfaces de données financières élégante et simple pour Python, construite pour les humains ! Bibliothèque d'interfaces de données financières open source
Code pour Machine Learning for Trading, 3e édition — de l'acquisition de données à l'exécution en direct.
Résumé des livres gratuits. Téléchargement PDF Baidu Cloud Téléchargement eBook =钮趃圱欘偽罞僂珖椃櫑棅蚼饗仰苳堽彈朿骋騴郃碮字攉謳輒葓鼪滼觙悌爷砖杨鰙滣駧呸肧薉焤罳蛥鑔脽騺挬逽鴏剘牻帕啨砟躿猱逍錢饕橙岌媤瞧楆犧氤羼鳮鯆渟鶻椛彙踆膻挏鈒胆鬣喧璏鋂綨向糷螋炕谧溟涠褱暂餖钿慭轒烝嶬窷缚娽崢疺穻篥縍廝坞埜弼歒実湏蔎饮顀聂馅趿卄楲擜稿罫躸亖
📺 Découvrez les derniers cours sur l'apprentissage automatique / l'IA sur YouTube.
Dépôt officiel pour IPython lui-même. D'autres dépôts dans l'organisation IPython contiennent des éléments comme le site web, les builds de documentation, etc.
Une liste complète de contenu lié à Pytorch sur GitHub, tels que différents modèles, implémentations, bibliothèques d'assistance, tutoriels, etc.
Une plateforme d'orchestration pour le développement, la production et l'observation des actifs de données.
La recherche et le développement (R&D) sont essentiels à l'amélioration de la productivité industrielle, en particulier à l'ère de l'IA, où les aspects centraux de la R&D sont principalement axés sur les données et les modèles. Nous nous engageons à automatiser ces processus de R&D génériques de grande valeur grâce à R&D-Agent, qui permet à l'IA de piloter l'IA axée sur les données. 🔗https://aka.ms/RD-Agent-Tech-Report
Une liste organisée d'incroyables frameworks big data, de ressources et d'autres choses géniales.
Une série de notebooks Jupyter qui vous guident à travers les bases de l'apprentissage automatique et de l'apprentissage profond en Python à l'aide de Scikit-Learn, Keras et TensorFlow 2.
Foire aux questions
Quel est le dépôt #data-science le plus populaire sur GitHub ?
Le projet #data-science open source le mieux classé sur GitHub est jackfrued/Python-100-Days, avec 187,961 étoiles. Python - 100 jours du débutant au maître
Quels langages de programmation sont les plus utilisés dans les dépôts #data-science ?
Parmi les projets #data-science les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, JavaScript.
Comment le classement des dépôts #data-science est-il calculé ?
Nous suivons 688 dépôts open source actifs associés à #data-science (500+ étoiles), totalisant 3,508,536 étoiles, avec une moyenne de 5,099 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.