#data-science Dépôts
688 dépôts au total
Probablement la meilleure liste curated de logiciels de data science en Python.
Bibliothèque Python qui facilite la création de graphiques pour les data scientists.
🔨 🍇 💻 🚀 GraphScope: Un système complet pour le calcul de graphes à grande échelle d'Alibaba | Système complet pour le calcul de graphes
Tous les supports de cours pour le cours Zero to Mastery Machine Learning and Data Science.
🛠 IDE tout-en-un basé sur le web spécialisé en machine learning et data science.
Inférence Causale pour les Braves et les Vrais. Une approche légère mais rigoureuse pour apprendre l'estimation de l'impact et la causalité.
:earth_americas: tutoriels d'apprentissage automatique (principalement en Python3)
Débogage, surveillance et visualisation pour Python Machine Learning et Data Science
Livre_7_《Machine Learning》 | Le livre sur l'iris : de l'addition et de la soustraction au machine learning ; critiques et suggestions sont les bienvenues.
Ce dépôt est une collection sélectionnée de projets pratiques en data science adaptés aux débutants. Que vous commenciez tout juste votre parcours en data science ou que vous souhaitiez renforcer vos compétences, ces projets offrent une manière pratique et interactive d'appliquer vos connaissances.
Paquet Python pour AutoML sur des données tabulaires avec ingénierie des caractéristiques, réglage des hyper-paramètres, explications et documentation automatique
Apprenez à concevoir, développer, déployer et itérer sur des applications ML prêtes pour la production.
Un dépôt listant les sources potentielles qui vous aideront à vous préparer pour un entretien Data Science/Machine Learning. De nouvelles ressources sont ajoutées fréquemment.
Determined est une plateforme open-source d'apprentissage automatique qui simplifie l'entraînement distribué, le réglage des hyperparamètres, le suivi des expériences et la gestion des ressources. Fonctionne avec PyTorch et TensorFlow.
.NET Interactive combine la puissance de .NET avec de nombreuses autres langues pour créer des carnets, des REPL et des expériences de codage intégrées. Partagez du code, explorez des données, écrivez et apprenez dans vos applications de manières que vous ne pouviez pas auparavant.
Une bibliothèque Python pour la visualisation des arbres de décision et l'interprétation de modèles.
Liens vers des ressources soigneusement sélectionnées pour la science des données en un seul endroit
un outil d'apprentissage automatique exceptionnel qui vous permet d'entraîner, de tester et d'utiliser des modèles sans écrire de code
Visualisez et comparez des ensembles de données, des valeurs cibles et des associations, en une seule ligne de code.
Deepnote est un remplacement direct pour Jupyter avec une conception axée sur l'IA, une interface utilisateur élégante, de nouveaux blocs et des intégrations de données natives. Utilisez Python, R et SQL localement dans votre IDE préféré, puis passez à Deepnote cloud pour la collaboration en temps réel, l'agent Deepnote et les applications de données déployables. https://deepnote.com/
DataFrame C++ pour l'analyse statistique, financière et ML en C++ moderne
Une liste de jeux de données publiquement disponibles avec des données en temps réel maintenus par l'équipe de bytewax.io
Contenu ouvert pour l'apprentissage autodirigé en science des données
Une bibliothèque pour déboguer/inspecter les classificateurs d'apprentissage automatique et expliquer leurs prédictions
Une bibliothèque open-source de journalisation de données pour les modèles d'apprentissage automatique et les pipelines de données. 📚 Offre une visibilité sur la qualité des données et les performances du modèle au fil du temps. 🛡️ Prend en charge la collecte de données respectueuse de la vie privée, garantissant sécurité et robustesse. 📈
📊⚽ Une collection de projets, de données et d'analyses de football par Edd Webster (@eddwebster), y compris une liste organisée de ressources publiquement disponibles publiées par la communauté d'analystes de football.
Livre_6_"La Voie des Données" | Le livre Iris : De l'addition, la soustraction, la multiplication et la division au machine learning ; nous vous invitons à critiquer et corriger ! Les étudiants qui corrigeront le plus d'erreurs recevront un exemplaire du livre en remerciement !
Feather : stockage rapide et interopérable de données binaires pour Python, R et plus encore, propulsé par Apache Arrow
ArcticDB est une base de données DataFrame serverless haute performance conçue pour l'écosystème scientifique de données Python.
Extensions Jupyter qui vous aident à écrire du code plus rapidement : chat IA contextuel, autocomplétion et tableur
Client Python pour Supabase. Interrogez Postgres depuis Flask, Django et FastAPI. Authentification des utilisateurs Python, politiques de sécurité, fonctions edge, stockage de fichiers et diffusion de données en temps réel.
Apache Hamilton aide les scientifiques des données et les ingénieurs à définir des dataflows testables, modulaires et auto-documentants, qui encodent la lignée/le traçage et les métadonnées. S'exécute et s'adapte partout où python le fait.
Liaison de données probabilistique rapide, précise et évolutive avec prise en charge de plusieurs backends SQL