#r Dépôts
Découvrez 218 dépôts GitHub open source actifs associés à #r, cumulant 504,015 étoiles au total (soit une moyenne de 2,311 étoiles par projet). Le projet en tête de ce thème est microsoft/ML-For-Beginners, avec 92,369 étoiles.
218 dépôts au total
12 semaines, 26 leçons, 52 quiz, l'apprentissage automatique classique pour tous
Apache Spark – Un moteur d'analyse unifié pour le traitement de données à grande échelle
Outil pour produire des prévisions de haute qualité pour les données de séries temporelles qui présentent une multiplicité de saisonnalités avec une croissance linéaire ou non linéaire.
Un framework rapide, distribué et haute performance pour le gradient boosting (GBT, GBDT, GBRT, GBM ou MART) basé sur des algorithmes d'arbres de décision, utilisé pour le ranking, la classification et de nombreuses autres tâches d'apprentissage automatique.
🧱 Décrivez votre site, l'IA le construit, vous le possédez en Markdown. Assemblez des blocs Tailwind comme des Lego — pages d'accueil, blogs, portfolios, docs et plus. Pas de bouillie IA. Déploiement gratuit partout 👇
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.
H2O est une Plateforme d'Apprentissage Automatique Open Source, Distribuée, Rapide et Évolutive : Deep Learning, Gradient Boosting (GBM) & XGBoost, Random Forest, Generalized Linear Modeling (GLM avec Elastic Net), K-Means, PCA, Generalized Additive Models (GAM), RuleFit, Support Vector Machine (SVM), Stacked Ensembles, Automatic Machine Learning (AutoML), etc.
Les amis ne laissent pas leurs amis créer certains types de visualisation de données – lesquels et pourquoi sont-ils mauvais.
Une liste sélectionnée de ressources formidables sur l'apprentissage automatique responsable.
🛠 IDE tout-en-un basé sur le web spécialisé en machine learning et data science.
Suite multilingue pour des solveurs haute performance d'équations différentielles et de composants d'apprentissage automatique scientifique (SciML). Équations différentielles ordinaires (ODEs), équations différentielles stochastiques (SDEs), équations différentielles avec retard (DDEs), équations différentielles-algébriques (DAEs), et plus en Julia.
Liens vers des ressources soigneusement sélectionnées pour la science des données en un seul endroit
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/
Transformez les modèles ML en code natif (Java, C, Python, Go, JavaScript, Visual Basic, C#, R, PowerShell, PHP, Dart, Haskell, Ruby, F#, Rust) sans dépendances
Données ouvertes, plus de 50 données financières. Fournit plus de 50 données financières (principalement actions taïwanaises), mises à jour quotidiennes https://finmind.github.io/
Un ensemble complet de métriques d'équité pour les ensembles de données et les modèles d'apprentissage automatique, des explications pour ces métriques et des algorithmes pour atténuer les biais dans les ensembles de données et les modèles.
La traduction chinoise de The Elements of Statistical Learning (ESL), implémentations de code et solutions aux exercices.
100 Knockouts de Data Science (Traitement de Données Structurées)
Liens utiles, scripts, outils et meilleures pratiques pour les bases de données Microsoft SQL Server
Générez facilement des tableaux riches en informations et de qualité publication à partir de R
listes des dépôts les plus populaires pour les langages de programmation les plus appréciés (selon StackOverflow)
Divers types d'analyse boursière dans Excel, Matlab, Power BI, Python, R et Tableau
Assistance au codage pour JupyterLab (navigation de code + suggestions au survol + linters + autocomplétion + renommage) à l'aide du Language Server Protocol
Complément RStudio pour créer des graphiques de manière interactive avec ggplot2
Visualisation de graphes et de réseaux à l'aide de données tabulaires en R
Liste complète des palettes de couleurs disponibles dans R ❤️🧡💛💚💙💜
Foire aux questions
Quel est le dépôt #r le plus populaire sur GitHub ?
Le projet #r open source le mieux classé sur GitHub est microsoft/ML-For-Beginners, avec 92,369 étoiles. 12 semaines, 26 leçons, 52 quiz, l'apprentissage automatique classique pour tous
Quels langages de programmation sont les plus utilisés dans les dépôts #r ?
Parmi les projets #r les mieux classés sur GitHub, les langages de programmation les plus courants sont R, Python, Jupyter Notebook, HTML.
Comment le classement des dépôts #r est-il calculé ?
Nous suivons 218 dépôts open source actifs associés à #r (500+ étoiles), totalisant 504,015 étoiles, avec une moyenne de 2,311 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.