#data-science Dépôts
688 dépôts au total
Apprentissage métrique et pipelines de récupération, modèles et zoo.
Ressources de Carrière pour la Science des Données, l'Apprentissage Automatique, les Big Data et l'Analytique des Affaires Dépôt de Carrière
Introduction à Python et à la programmation pour les futurs data scientists
Plus de 10 000 projets sélectionnés, notamment l'apprentissage automatique, l'apprentissage profond, le NLP, les GNN, les systèmes de recommandation, la biomédecine, la vision par ordinateur, le développement frontend et backend, etc. Pour que d'excellents projets soient découverts par les gens. Continuez à mettre à jour ! Bienvenue à mettre des étoiles !
Ce dépôt héberge le code du livre en ligne "Coding for Economists".
Une collection des dépôts Github les plus importants pour les praticiens du ML, de l'IA et de la science des données
Un cours d'apprentissage automatique utilisant Python, Jupyter Notebooks et OpenML
Mon cours de 'Python pour l'analyse de données' sur YouTube
Stages en technologie aux États-Unis pour l'été 2027 et hors saison. Postes en logiciel, données et ML, matériel, quantitatif et produit, mis à jour régulièrement.
Un site web Django utilisé dans le livre Practical Recommender Systems pour illustrer comment implémenter des algorithmes de recommandation.
Explorez l'apprentissage automatique et la science des données avec Codespaces
skweak : Une boîte à outils logicielle pour la supervision faible appliquée aux tâches NLP
Je partage mon parcours de 66DaysofData en analyse de données en participant au défi #66daysofdata de Ken Jee.
Générez des synthétiques de haute qualité, entraînez, mesurez et évaluez dans un pipeline unique
Codes pour compléter les vidéos YouTube et les articles de blog sur Medium.
Ce sont les instructions pour "100 Days of ML Code" par Siraj Raval sur YouTube
Une interface commune et belle pour les données tabulaires, quel que soit le format
Le dépôt contient des scripts et des carnets liés à la statistique, l'apprentissage automatique, les réseaux de neurones, l'apprentissage profond, le TALN, les méthodes numériques et l'automatisation.
Code pour le cours en ligne «Déploiement de Modèles d’Apprentissage Automatique»
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.
Une base de données vectorielle haute performance exploitant le calcul parallèle sur graphes
Dépôt pour le devoir de programmation 2 pour la programmation R sur Coursera
Extension de base de données vectorielle PostgreSQL pour la création d'applications d'IA
Implémentation très basique (style gist) des RLM avec des environnements REPL.
Le meilleur dépôt montrant pourquoi les transformeurs pourraient ne pas être la réponse pour la prévision de séries chronologiques et présentant les meilleurs modèles SOTA non transformeurs.
Outil Pythonique pour orchestrer les flux de travail d'apprentissage automatique/haute performance/informatique quantique dans des environnements de calcul hétérogènes.
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.