#data-science Dépôts
688 dépôts au total
Profilage de la qualité des données & analyse exploratoire des données en 1 ligne de code pour les DataFrames Pandas et Spark.
Répertoire officiel de Trino, le moteur de requête SQL distribué pour les big data, anciennement connu sous le nom de PrestoSQL (https://trino.io)
Le dépôt de code et la ressource d'information du livre "Python Machine Learning (1re édition)"
Feuille de route d'apprentissage en intelligence artificielle, compilation de près de 200 cas pratiques et projets, manuels complémentaires gratuits, entrée pour débutants absolus, pratique pour l'emploi ! Inclut : Python, mathématiques, apprentissage automatique, analyse de données, apprentissage profond, vision par ordinateur, traitement du langage naturel, PyTorch, tensorflow, machine-learning, deep-learning, data-analysis, data-mining, mathematics, data-science, artificial-intelligence, python, tensorflow, tensorflow2, caffe, keras, pytorch, algorithm, numpy, pandas, matplotlib, seaborn, nlp, cv et autres domaines populaires
OpenRefine est un outil puissant gratuit et open source pour travailler avec des données désordonnées et les améliorer
Lime : Explication des prédictions de tout classificateur d'apprentissage automatique
Client de terminal MySQL riche avec autocomplétion, coloration syntaxique et dataframes
Framework low-code pour construire des LLMs personnalisés, des réseaux neuronaux et d'autres modèles d'IA
La bibliothèque open-source de Cleanlab est le package AI centré sur les données standard pour la qualité des données et l'apprentissage automatique avec des données et des étiquettes désordonnées du monde réel.
La plateforme pour les développeurs d'IA. Utilisez Weights & Biases pour entraîner et affiner les modèles, et gérer les modèles de l'expérimentation à la production.
Moteur documentaire prenant en compte la mise en page pour l’IA et boîte à outils Python riche en fonctionnalités pour extraire, afficher et modifier des PDF et d’autres documents. Depuis la version 2.0, son analyse de mise en page basée sur l’apprentissage automatique convertit les fichiers PDF et Office en Markdown de haute qualité pour le RAG et les agents, s’exécute rapidement sur CPU et rattache chaque résultat à sa page source.
Exemples de carnets Jupyter 📓 démontrant comment construire, entraîner et déployer des modèles d'apprentissage automatique en utilisant 🧠 Amazon SageMaker.
Manuel scolaire en ligne gratuit de carnets Jupyter pour le cours fast.ai Computational Linear Algebra
Tutoriels, devoirs et compétitions pour les cours liés à MIT Deep Learning.
Modin : Échellez vos flux de travail Pandas en modifiant une seule ligne de code
Une structure de projet logique, raisonnablement standardisée, mais flexible pour réaliser et partager des travaux de science des données.
Une bibliothèque Python pour la détection d'anomalies sur des données tabulaires, des séries temporelles, des graphes, du texte, des images et de l'audio. Plus de 60 détecteurs, une orchestration ADEngine basée sur des benchmarks et un flux de travail agentique pour les agents IA.
Un outil de Machine Learning Automatisé en Python qui optimise les pipelines de machine learning en utilisant la programmation génétique.
Le moteur de recherche qui vous donne un avantage déloyal. Testez des milliers d’idées de trading avant que les autres n’en terminent une seule.
Plateforme AutoML open-source low-code pour Python. PyCaret 4.0 : moteur natif sklearn + plan de contrôle React.
Meilleures pratiques, exemples de code et documentation pour la Vision par ordinateur.
Bibliothèque d'apprentissage profond dotée d'une API de niveau supérieur pour TensorFlow.
Une bibliothèque Python pour des prévisions conviviales et la détection d'anomalies sur des séries temporelles.
Extraction automatique de caractéristiques pertinentes à partir de séries temporelles :
XGo est un langage de programmation qui se lit comme de l'anglais simple. Mais il est également incroyablement puissant — il vous permet de tirer parti des actifs de C/C++, Go, Python et JavaScript/TypeScript, créant ainsi un écosystème d'ingénierie logicielle unifié. Notre vision est de permettre à chacun de devenir un bâtisseur du monde.
Une bibliothèque Gradient Boosting sur arbres de décision rapide, scalable et haute performance, utilisée pour le ranking, la classification, la régression et d'autres tâches d'apprentissage automatique pour Python, R, Java, C++. Prend en charge le calcul sur CPU et GPU.
Une collection d'exemples et de tutoriels d'apprentissage automatique.
🧙 Créez, exécutez et gérez des pipelines de données pour l'intégration et la transformation des données.
Une plateforme SIG légère et native du cloud pour visualiser, explorer et analyser des données géospatiales. Elle fonctionne dans le navigateur web, sur le bureau, sur mobile et dans les notebooks Jupyter.
[SIGMOD'27] Préparation simplifiée des données grâce aux opérateurs et pipelines les plus récents fondés sur les LLM.
DataFrame hybride Apache Arrow/NumPy hors mémoire pour Python, ML, visualisation et exploration de grandes données tabulaires à un milliard de lignes par seconde 🚀
DoWhy est une bibliothèque Python pour l'inférence causale qui prend en charge la modélisation et le test explicites des hypothèses causales. DoWhy est basé sur un langage unifié pour l'inférence causale, combinant des modèles graphiques causaux et des cadres de résultats potentiels.
Adieu à l'ennui, dédié à la création d'exemples pratiques petits de Python, plus de tutoriels Python consciencieux sur https://ai-jupyter.com
Evidently est un framework open-source d'observabilité ML et LLM. Évaluez, testez et surveillez tout système alimenté par l'IA ou pipeline de données. Des données tabulaires à Gen AI. Plus de 100 métriques.
Livre_3_《Éléments de Mathématiques》 | Le livre Iris : De l'arithmétique au machine learning ; Mis en ligne ; Bienvenue pour continuer à corriger les erreurs, les étudiants qui corrigent beaucoup d'erreurs recevront également des livres en cadeau !