#data-science Dépôts
688 dépôts au total
🎨 Boîte à outils pour générer des graphiques de qualité publication pour les revues Cell, Nature et Science
Ce dépôt contient les notebooks et les présentations que nous utilisons pour nos Databricks Tech Talks "
Perpetual est une machine de gradient boosting haute performance. Elle délivre une précision optimale en une seule exécution sans réglages complexes grâce à un simple paramètre de budget. Elle prend en charge, par défaut, le ML causal, l’apprentissage continu, la calibration native et la surveillance robuste du dérive, ainsi que le cœur Rust et des liaisons zéro‑copie pour Python et R.
AKHub : Une sélection d’outils de données financières et économiques, de sources de données, de cadres de recherche quantitative et de ressources pédagogiques
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.
Impressionnez votre patron avec une visualisation interactive d'arbre de décision
Charger les données de limites et d'attributs du recensement américain comme des data frames prêts pour 'tidyverse' et 'sf' en R
Buckaroo - L'interface utilisateur de table de données pour les Notebooks. Explorez rapidement les dataframes, faites défiler les dataframes, recherchez, triez, visualisez les statistiques récapitulatives et les histogrammes. Fonctionne avec Pandas, Polars, Jupyter, Marimo, VSCode Notebooks.
Second Brain est un framework agentique qui agit comme un système d'exploitation, utilisant l'intelligence des fichiers locaux, l'automatisation des flux de travail et les LLMs pour accomplir des tâches et communiquer via plusieurs modalités et plateformes de messagerie.
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.
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.
Visualisation interactive de réseaux en Python et Dash, alimentée par Cytoscape.js
Exemples de techniques pour entraîner des modèles ML interprétables, expliquer des modèles ML et déboguer des modèles ML en termes de précision, discrimination et sécurité.
Plotlars est une bibliothèque Rust conçue pour faciliter l'intégration entre la bibliothèque d'analyse de données Polars et la bibliothèque Plotly.
RAGLight est un framework modulaire pour la Génération Augmentée par Récupération (RAG). Il permet d'intégrer facilement différents LLM, embeddings et bases de données vectorielles, et inclut désormais une intégration MCP transparente pour connecter des outils externes et des sources de données.
Passez rapidement du prototype de science des données au pipeline. Capturez, analysez et transformez des notebooks désordonnés en pipelines de données en seulement deux lignes de code.
Une collection organisée de ressources gratuites pour vous aider à approfondir votre compréhension du langage de programmation R. Mis à jour régulièrement. Les contributions sont encouragées via une demande de tirage (voir contributing.md).
Comparaison de Pandas, Polars, Spark et Snowpark DataFrame pour les humains et plus !
Accédez et analysez des données historiques sur la météo et le climat avec Python.
Ce dépôt contient tous les projets d'analyse de données sur lesquels j'ai travaillé en Python.
Extension Polars pour les cas d'utilisation généraux de la science des données
Apprentissage automatique reproductible pour la détection de fraude par carte de crédit - Manuel pratique
(AAAI' 20) Une boîte à outils Python pour la combinaison de modèles d'apprentissage automatique
Turbodbc est un module Python pour accéder à des bases de données relationnelles via l'interface Open Database Connectivity (ODBC). Le module respecte la spécification Python Database API 2.0.
Un repository de datasets plutôt cool que j'ai collectés pour la recherche en science des réseaux et en apprentissage automatique.
Si vous venez de l'un de mes tutoriels de data science, vous trouverez le code et les liens vers les tutoriels ici. J'espère qu'ils vous seront utiles. Bonne chance dans l'apprentissage et le codage !