#data-science Dépôts
688 dépôts au total
Tableaux de bord interactifs Python pour l'apprentissage de la science des données
100 Knockouts de Data Science (Traitement de Données Structurées)
Notes de cours d'algèbre linéaire avec Python. Cette série de notes de cours vous guidera à travers tous les concepts incontournables qui jettent les bases de la science des données ou des compétences quantitatives avancées. Convient aux statisticiens/économètres, analystes quantitatifs, scientifiques des données, etc. pour rafraîchir rapidement l'algèbre linéaire avec l'aide du calcul et de la visualisation Python.
Une bibliothèque d'encodeurs de variables catégorielles compatibles avec sklearn
Une bibliothèque Python qui aide les data scientists à inférer la causalité plutôt que d'observer la corrélation.
Métriques d'apprentissage automatique pour les applications PyTorch distribuées et évolutives.
Un référentiel comprenant principalement des ressources du Gate DA et de l'IA
Un service de classement personnalisé par apprentissage automatique à faible code pour les articles, les annonces, les résultats de recherche, les recommandations qui stimule l'engagement des utilisateurs. Un moteur Learn-to-Rank convivial
Une liste sélectionnée de papiers de recherche sur la détection de communautés avec implémentations.
Une liste de recommandations de livres informatiques classiques et de haute qualité, caractérisée par : la collecte de livres de haute qualité, classiques dans tous les domaines, sans chercher la quantité mais l'excellence.
Une bibliothèque intuitive pour ajouter des fonctionnalités de tracé aux objets scikit-learn.
🍕 Répertoire pour rassembler des informations sur les matériaux d'étude en analyse de données et domaines connexes, entreprises travaillant avec des données et dictionnaire de concepts
Algorithmes ML 2-2000x plus rapides, 50 % d'utilisation de mémoire en moins, fonctionne sur tout le matériel - neuf et ancien.
Étiqueter, nettoyer et enrichir des ensembles de données textuelles avec des LLM.
Maîtrisez les bases de l'apprentissage automatique, de l'apprentissage profond et de l'optimisation mathématique en construisant les concepts et modèles clés à partir de zéro avec Python.
L'objectif de CLAIMED est de permettre une programmation de style prototypage rapide low-code/no-code qui s'intègre de manière fluide en CI/CD en production.
Bibliothèque Python open-source de préparation et de sélection de caractéristiques compatible avec sklearn.
Un site Web affichant des centaines de graphiques créés avec Python
Liste activement curatée d'outils BI géniaux. Les PR sont les bienvenus !
Une application Django qui crée des interfaces Web automatiques pour les scripts Python.
Collection organisée par NVIDIA de ressources éducatives relatives à la programmation GPU à usage général.
Le sélecteur de fonctionnalités est un outil pour la réduction de dimensionnalité des ensembles de données d'apprentissage automatique
Bibliothèque open-source low-code pour la préparation de données en Python. Collectez, nettoyez et visualisez vos données en Python avec quelques lignes de code.
🚀 Plus de 500 ressources sélectionnées pour l'analyse de données et la science des données : Python, SQL, Statistiques, ML, IA, Visualisation, Fiches mémo, Feuilles de route, Préparation aux entretiens. Pour débutants et experts.
Dépôt de livres pour The Turing Way : un guide pratique pour une science des données reproductible, éthique et collaborative
Le Compendium de l’IA, auparavant appelé Compendium du ML, rassemble des ressources et des explications sur l’apprentissage automatique (ML) et l’apprentissage profond, depuis un problème métier jusqu’aux données, à l’IA, à l’ingénierie et au produit.
📺(tv) Tidy Viewer est un outil d'impression CSV en ligne de commande multiplateforme qui utilise un style de colonnes pour maximiser le plaisir du spectateur.
Meilleures idées pour qu'une entreprise particulière réalise des projets fous.
Une boîte à outils/bibliothèque Python pour l'apprentissage automatique/profonds centré sur la réalité et le data mining sur des séries temporelles partiellement observées, avec plus de 50 modèles de réseaux de neurones SOTA pour les tâches d'analyse scientifique (imputation, classification, clustering, prévision, détection d'anomalies, nettoyage) sur des TS multivariées industrielles incomplètes échantillonnées irrégulièrement avec des valeurs manquantes NaN
Exemples officiels d'Azure Machine Learning pilotés par la communauté, testés avec GitHub Actions.
Une introduction concise et conviviale pour les débutants aux idées fondamentales de l'algèbre linéaire.
Approaching (Almost) Any Machine Learning Problem traduction chinoise, adresse de la documentation en ligne : https://ytzfhqs.github.io/AAAMLP-CN/
Le Virtual Feature Store. Transformez votre infrastructure de données existante en un magasin de fonctionnalités.