#data-science Dépôts
688 dépôts au total
Répertoire pour le contenu Community Mentor lié à la Spécialisation en Data Science de l'Université Johns Hopkins sur Coursera
Probabilités et statistiques pour la science des données : Une introduction autonome aux probabilités et statistiques pour la science des données, comprenant un pdf gratuit, 103 cahiers Python utilisant 23 ensembles de données réels, 118 vidéos avec diapositives et les solutions à 200 exercices
Cycle de vie complet d'un projet de science des données
Apprenez le Machine Learning avec le programme Amazon ML Summer School 2026. Accédez aux résumés des sessions, aux QCM des années précédentes, aux questions de programmation et au matériel de test officiel. Pratiquez des tâches de codage par module et construisez une base solide pour les entretiens et les applications réelles.
Cross Beat (xbe.at) - Votre centre de tutoriels sur python, l'apprentissage automatique et l'IA. Explorez les tutoriels Python, les aperçus de l'IA et plus encore.
Implémentation minimale de transformeurs à flux rectifié évolutifs, basée sur l'approche de SD3
Diapositives sur l’IA, notes d’articles, notes de cours, billets de blog et synthèses de recherche.
Essayer de comparer des bibliothèques connues de dessin de graphes
MRMR (minimum-redondance-maximum-pertinence) pour la sélection automatique de caractéristiques à grande échelle.
Un outil d'analyse visuelle pour explorer les représentations apprises dans les modèles Transformers
Indexeur Polymarket reprenable : métadonnées des marchés CLOB et transactions on-chain de Polygon, dans un seul fichier DuckDB interrogeable en SQL
Data Package est une norme composée d'un ensemble de spécifications simples mais extensibles pour décrire les ensembles de données, les fichiers de données et les données tabulaires. Il s'agit d'un langage de définition de données (DDL) et d'une API de données qui facilite la découvrabilité, l'accessibilité, l'interopérabilité et la réutilisabilité (FAIR) des données.
Framework parallèle de manipulation de données sur disque rapide pour des données dépassant la taille de la RAM
Modeltime débloque les modèles de prévision des séries chronologiques et le machine learning dans un seul framework
Ce dépôt contient tout ce dont vous avez besoin pour devenir compétent en apprentissage automatique
Démarrez avec la programmation de bases de données SQL. Ce guide pour débutants propose des tutoriels étape par étape, des exemples pratiques, des exercices et des ressources pour maîtriser SQL. Libérons la puissance des données avec SQL !
Une bibliothèque de métriques pour évaluer les systèmes de recommandation
Dépôt officiel du livre Efficient Python for Data Scientists. Vous pouvez acheter le livre ici :
Obsidian tools - un paquet Python pour analyser un coffre-fort Obsidian.md
Une bibliothèque décimale à virgule flottante haute performance et précision arbitraire.
:octocat:🌟 Les ressources ultimes pour des projets de niveau débutant à avancé en un seul endroit 💻 🎯🚀
Un composant simple pour afficher du texte annoté dans les applications Streamlit.
Une liste organisée de ressources éducatives en science des données pour les compétences essentielles en science des données
Package R, utilisant la bibliothèque vis.js pour la visualisation de réseau
Une liste curated de ressources en intelligence artificielle (Cours, Outils, Applications, Projets open source)
Une bibliothèque Python pour l'analyse de séries temporelles à espacement irrégulier
Une interface unifiée pour les algorithmes d'optimisation et les expériences
Votre guide pratique des mathématiques utilisées dans l'intelligence artificielle
Ce dépôt contient une liste de lecture d'articles sur la segmentation des séries temporelles. Ce dépôt est encore en cours d'amélioration continue.
Patrons d'apprentissage automatique distribué de Manning Publications par Yuan Tang https://bit.ly/2RKv8Zo
Des détections en temps utile pour des actions plus proactives et efficaces dans les puits de pétrole offshore !
Bibliothèque Java et application en ligne de commande pour convertir les pipelines Scikit-Learn en PMML