#scikit-learn Dépôts
Découvrez 137 dépôts GitHub open source actifs associés à #scikit-learn, cumulant 687,046 étoiles au total (soit une moyenne de 5,014 étoiles par projet). Le projet en tête de ce thème est microsoft/ML-For-Beginners, avec 92,369 étoiles.
137 dépôts au total
12 semaines, 26 leçons, 52 quiz, l'apprentissage automatique classique pour tous
Python Data Science Handbook : texte intégral dans les notebooks Jupyter
AiLearning : Analyse de données + Machine Learning pratique + Algèbre linéaire + PyTorch + NLTK + TF2
⛔️ OBSOLÈTE – Voir https://github.com/ageron/handson-ml3 ou handson-mlp à la place.
Notebooks Python pour la science des données : Deep learning (TensorFlow, Theano, Caffe, Keras), scikit-learn, Kaggle, big data (Spark, Hadoop MapReduce, HDFS), matplotlib, pandas, NumPy, SciPy, fondamentaux de Python, AWS et diverses lignes de commande.
⛔️ OBSOLÈTE – Voir https://github.com/ageron/handson-ml3 ou handson-mlp à la place.
Une liste classée d'incroyables bibliothèques Python pour le machine learning. Mise à jour chaque semaine.
ONNX Runtime : accélérateur d'inférence et d'entraînement ML multiplateforme haute performance
Une série de notebooks Jupyter qui vous guident à travers les bases de l'apprentissage automatique et de l'apprentissage profond en Python à l'aide de Scikit-Learn, Keras et TensorFlow 2.
Le dépôt de code et la ressource d'information du livre "Python Machine Learning (1re édition)"
Un outil de Machine Learning Automatisé en Python qui optimise les pipelines de machine learning en utilisant la programmation génétique.
Plateforme AutoML open-source low-code pour Python. PyCaret 4.0 : moteur natif sklearn + plan de contrôle React.
Cahiers et code pour le livre "Introduction to Machine Learning with Python"
Une bibliothèque Python open source pour l'ingénierie de fonctionnalités automatisée
Ajustez des modèles interprétables. Expliquez l'apprentissage automatique en boîte noire.
Une liste curated de tutoriels de projets pour l'apprentissage basé sur des projets.
Une bibliothèque de réseaux de neurones compatible avec scikit-learn qui encapsule PyTorch
Dépôt de code pour l'apprentissage automatique avec PyTorch et Scikit-Learn
Conteneurs d'apprentissage automatique pour NVIDIA Jetson et JetPack-L4T
Une bibliothèque rapide pour AutoML et le réglage. Rejoignez notre Discord : https://discord.gg/Cppx2vSPVP.
Outils d'analyse visuelle et de diagnostic pour faciliter la sélection de modèles d'apprentissage automatique.
🧠💬 Articles que j'ai écrits sur l'apprentissage automatique, archivés depuis MachineCurve.com.
Probablement la meilleure liste curated de logiciels de data science en Python.
Hummingbird compile des modèles ML entraînés en calcul tensoriel pour une inférence plus rapide.
🛠 IDE tout-en-un basé sur le web spécialisé en machine learning et data science.
Paquet Python pour AutoML sur des données tabulaires avec ingénierie des caractéristiques, réglage des hyper-paramètres, explications et documentation automatique
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
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
Une bibliothèque pour déboguer/inspecter les classificateurs d'apprentissage automatique et expliquer leurs prédictions
Mars est un cadre unifié basé sur les tenseurs pour le calcul de données à grande échelle qui met à l'échelle numpy, pandas, scikit-learn et les fonctions Python.
Bibliothèque Python basée sur scikit-learn pour l’optimisation de portefeuille, la construction de modèles factoriels et la gestion des risques
Une bibliothèque d'encodeurs de variables catégorielles compatibles avec sklearn
Une bibliothèque intuitive pour ajouter des fonctionnalités de tracé aux objets scikit-learn.
Foire aux questions
Quel est le dépôt #scikit-learn le plus populaire sur GitHub ?
Le projet #scikit-learn 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 #scikit-learn ?
Parmi les projets #scikit-learn les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, C++, TypeScript.
Comment le classement des dépôts #scikit-learn est-il calculé ?
Nous suivons 137 dépôts open source actifs associés à #scikit-learn (500+ étoiles), totalisant 687,046 étoiles, avec une moyenne de 5,014 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.