Git Stars Git Stars

#sklearn Dépôts

Découvrez 21 dépôts GitHub open source actifs associés à #sklearn, cumulant 72,496 étoiles au total (soit une moyenne de 3,452 étoiles par projet). Le projet en tête de ce thème est apachecn/ailearning, avec 41,904 étoiles.

21
Total des Dépôts
72,496
Nombre total d'étoiles
3,452
Moyenne d'Étoiles/Dépôt
1
apachecn/ailearning

AiLearning : Analyse de données + Machine Learning pratique + Algèbre linéaire + PyTorch + NLTK + TF2

apachecn
⭐ 41,904 Python 👤 apachecn Organization 🕐 Mis à jour 2024-11-12 📅 Créé 2017-02-25
2
charliedream1/ai_quant_trade

Stock AI Trader : plateforme tout-en-un pour apprendre, s’entraîner en simulation et trader en réel. Couvre les bases de la Bourse, les stratégies, les grands modèles de langage, l’extraction de facteurs, l’apprentissage automatique/profond/par renforcement, les réseaux neuronaux de graphes, le trading haute fréquence, le déploiement en C++ et le code JoinQuant.

charliedream1
⭐ 6,773 Python 👤 charliedream1 User 🕐 Mis à jour 2026-11-21 📅 Créé 2022-06-09
3
nidhaloff/igel

un outil d'apprentissage automatique exceptionnel qui vous permet d'entraîner, de tester et d'utiliser des modèles sans écrire de code

nidhaloff
⭐ 3,138 Python 👤 nidhaloff User 🕐 Mis à jour 2025-12-07 📅 Créé 2020-08-27
4
aws-samples/aws-machine-learning-university-accelerated-nlp

Machine Learning University : Cours accéléré de traitement du langage naturel

aws-samples
⭐ 2,429 Jupyter Notebook 👤 aws-samples Organization 🕐 Mis à jour 2024-10-13 📅 Créé 2020-08-07
5
benedekrozemberczki/karateclub

Karate Club : Un Framework Python Open-Source Orienté API pour l'Apprentissage Non Supervisé sur les Graphes (CIKM 2020)

benedekrozemberczki
⭐ 2,266 Python 👤 benedekrozemberczki User 🕐 Mis à jour 2024-07-17 📅 Créé 2019-12-05
6
robertmartin8/MachineLearningStocks

Faire des prédictions boursières avec Python et scikit-learn

robertmartin8
⭐ 1,913 Python 👤 robertmartin8 User 🕐 Mis à jour 2024-06-17 📅 Créé 2017-02-12
7
scikit-learn-contrib/MAPIE

Une bibliothèque compatible scikit-learn pour estimer les intervalles de prédiction et contrôler les risques, basée sur des prédictions conformes.

scikit-learn-contrib
⭐ 1,697 Jupyter Notebook 👤 scikit-learn-contrib Organization 🕐 Mis à jour 2026-11-19 📅 Créé 2021-03-30
8
kitops-ml/kitops

Un outil DevOps open source du CNCF pour empaqueter et versionner des modèles IA/ML, des ensembles de données, du code et des configurations dans un artefact OCI.

kitops-ml
⭐ 1,451 Go 👤 kitops-ml Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2024-02-02
9
nok/sklearn-porter

Transpilez les estimateurs et transformateurs scikit-learn entraînés en C, C#, Go, Java, JavaScript, PHP et Ruby.

nok
⭐ 1,303 Python 👤 nok User 🕐 Mis à jour 2026-11-19 📅 Créé 2016-06-22
10
ChawlaAvi/Daily-Dose-of-Data-Science

Une collection d'extraits de code de la publication Daily Dose of Data Science sur Substack : http://www.dailydoseofds.com/

ChawlaAvi
⭐ 1,206 Jupyter Notebook 👤 ChawlaAvi User 🕐 Mis à jour 2025-06-09 📅 Créé 2022-12-02
11
aws-samples/aws-machine-learning-university-accelerated-tab

Machine Learning University : Cours accéléré sur les données tabulaires

aws-samples
⭐ 1,032 Jupyter Notebook 👤 aws-samples Organization 🕐 Mis à jour 2024-10-12 📅 Créé 2020-07-30
12
ggeop/Python-ai-assistant

Assistant IA Python 🧠

ggeop
⭐ 994 Python 👤 ggeop User 🕐 Mis à jour 2024-11-17 📅 Créé 2019-05-16
13
Tejas-TA/predikit

Le lien manquant entre vos modèles de machine learning et vos agents d’IA.

Tejas-TA
⭐ 840 Python 👤 Tejas-TA User 🕐 Mis à jour 2026-10-28 📅 Créé 2026-05-25
14
Onelinerhub/onelinerhub

Des milliers de solutions de code avec des explications claires sur onelinerhub.com

Onelinerhub
⭐ 833 PHP 👤 Onelinerhub Organization 🕐 Mis à jour 2024-06-30 📅 Créé 2021-04-12
15
apachecn/ml-mastery-zh

:book: [Trad.] MachineLearningMastery article de blog

apachecn
⭐ 786 JavaScript 👤 apachecn Organization 🕐 Mis à jour 2025-02-19 📅 Créé 2019-03-25
16
emlearn/emlearn

Moteur d'inférence Machine Learning pour Microcontrôleurs et Dispositifs Embarqués

emlearn
⭐ 776 Python 👤 emlearn Organization 🕐 Mis à jour 2026-11-10 📅 Créé 2018-03-16
17
AutoViML/Auto_TS

Construisez automatiquement des modèles ARIMA, SARIMAX, VAR, FB Prophet et XGBoost sur des ensembles de données de séries chronologiques avec une seule ligne de code. Créé par Ram Seshadri. Collaborateurs bienvenus.

AutoViML
⭐ 765 Jupyter Notebook 👤 AutoViML User 🕐 Mis à jour 2024-08-20 📅 Créé 2020-02-15
18
kossisoroyce/timber

Ollama pour les modèles ML classiques. Compilateur AOT qui transforme les modèles XGBoost, LightGBM, scikit-learn, CatBoost et ONNX en code d'inférence natif C99. Une commande pour charger, une commande pour servir. 336x plus rapide que l'inférence Python.

kossisoroyce
⭐ 692 Python 👤 kossisoroyce User 🕐 Mis à jour 2026-04-16 📅 Créé 2026-02-27
19
vzhou842/profanity-check

Une bibliothèque Python rapide et robuste pour vérifier le langage offensant dans les chaînes.

vzhou842
⭐ 649 Python 👤 vzhou842 User 🕐 Mis à jour 2024-07-27 📅 Créé 2018-12-27
20
henrikbostrom/crepes

Package Python pour la prédiction conforme

henrikbostrom
⭐ 587 Python 👤 henrikbostrom User 🕐 Mis à jour 2026-07-08 📅 Créé 2021-11-17
21
GACWR/OpenUBA

Un framework open source robuste et flexible d'analyse du comportement des utilisateurs et des entités (UEBA) utilisé pour l'analyse de sécurité. Développé avec amour par des data scientists et des analystes de sécurité de l'industrie de la cybersécurité. [BÊTA]

GACWR
⭐ 528 Python 👤 GACWR Organization 🕐 Mis à jour 2026-10-17 📅 Créé 2019-09-24

Foire aux questions

1

Quel est le dépôt #sklearn le plus populaire sur GitHub ?

Le projet #sklearn open source le mieux classé sur GitHub est apachecn/ailearning, avec 41,904 étoiles. AiLearning : Analyse de données + Machine Learning pratique + Algèbre linéaire + PyTorch + NLTK + TF2

2

Quels langages de programmation sont les plus utilisés dans les dépôts #sklearn ?

Parmi les projets #sklearn les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, Go, PHP.

3

Comment le classement des dépôts #sklearn est-il calculé ?

Nous suivons 21 dépôts open source actifs associés à #sklearn (500+ étoiles), totalisant 72,496 étoiles, avec une moyenne de 3,452 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.