#tabular-data Dépôts
Découvrez 48 dépôts GitHub open source actifs associés à #tabular-data, cumulant 136,778 étoiles au total (soit une moyenne de 2,849 étoiles par projet). Le projet en tête de ce thème est bvaughn/react-virtualized, avec 27,072 étoiles.
48 dépôts au total
Composants React pour un rendu efficace de grandes listes et de données tabulaires
Miller est comme awk, sed, cut, join et sort pour les données indexées par nom telles que CSV, TSV et JSON tabulaire.
DataFrame hybride Apache Arrow/NumPy hors mémoire pour Python, ML, visualisation et exploration de grandes données tabulaires à un milliard de lignes par seconde 🚀
Une bibliothèque rapide pour AutoML et le réglage. Rejoignez notre Discord : https://discord.gg/Cppx2vSPVP.
Un composant de liste virtuelle, de grille et de maçonnerie rapide et léger, sans configuration, pour React, Vue, Solid, Svelte et Angular.
Une application TUI légère pour visualiser et interroger des fichiers de données tabulaires, tels que CSV, TSV et parquet.
Implémentation PyTorch de l'article TabNet : https://arxiv.org/pdf/1908.07442.pdf
🍞🔡 Le composant puissant pour afficher et modifier les données. Découvrez le transformateur de données ultime !
Recherche automatique d'architecture et optimisation des hyperparamètres pour PyTorch
SDG est un cadre spécialisé conçu pour générer des données tabulaires structurées de haute qualité.
📺(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.
Informations académiques complètes et opportunes sur l'apprentissage fédéré (articles, frameworks, ensembles de données, tutoriels, ateliers)
Un cadre unifié pour les modèles d'apprentissage profond sur les données tabulaires
Que contiennent vos données ? Extrayez les schémas, les statistiques et les entités des ensembles de données
Un package flexible pour l'apprentissage profond multimodal afin de combiner des données tabulaires avec du texte et des images en utilisant des modèles Wide et Deep dans Pytorch
Transformers4Rec est une bibliothèque flexible et efficace pour les recommandations séquentielles et basées sur les sessions qui fonctionne avec PyTorch.
ktrain est une bibliothèque Python qui rend l'apprentissage profond et l'IA plus accessibles et plus faciles à appliquer
Implémentation de TabTransformer, un réseau d'attention pour les données tabulaires, dans Pytorch
Machine Learning University : Cours accéléré sur les données tabulaires
Une boîte à outils complète et un benchmark pour l'apprentissage de données tabulaires, comprenant plus de 35 méthodes profondes, plus de 10 méthodes classiques et 300 jeux de données tabulaires divers.
OpenFE : génération automatisée de caractéristiques avec des performances de niveau expert
DeepTables : Boîte à outils d'apprentissage profond pour données tabulaires
Une bibliothèque pour générer et évaluer des données tabulaires synthétiques pour la confidentialité, l'équité et l'augmentation des données.
Une bibliothèque pour modéliser des données multivariées en utilisant des copules.
Nous collectons des articles sur les « grands modèles linguistiques (LLM) pour les tâches liées aux tableaux », par exemple, l'utilisation de LLM pour la tâche Table QA. Collecte d'articles sur « Table + LLM »
Ce projet vise à collecter des ensembles de données open-source pour des tâches d'intelligence tabulaire (telles que le questionnement sur table, la génération de texte à partir de table, etc.), à organiser les données brutes au format d'ajustement fin d'instructions et à ajuster finement les LLM, afin d'améliorer leur compréhension des données tabulaires et de construire enfin des modèles linguistiques de grande taille spécifiquement orientés vers les tâches d'intelligence tabulaire.
Modèle multimodal pour données textuelles et tabulaires avec des transformeurs HuggingFace comme bloc de construction pour les données textuelles
Démo de génération de données synthétiques utilisant un ensemble de données transactionnelles du commerce de détail du Royaume-Uni. Idéal pour les professionnels des secteurs du commerce de détail, du commerce électronique, de la finance et de la chaîne d'approvisionnement qui souhaitent créer des données synthétiques réalistes et respectueuses de la vie privée pour les tests, l'analyse et l'apprentissage automatique.
Nous connaissons bien les GAN pour leur succès dans la génération d'images réalistes. Cependant, elles peuvent également être appliquées à la génération de données tabulaires. Nous passerons en revue et examinerons certains articles récents sur les GAN tabulaires en action.
Une feuille de route pour débuter avec l'apprentissage automatique
Desbordante est un profileur de données hautes performances capable de découvrir de nombreux motifs différents dans les données à l’aide de divers algorithmes. Il permet également d’exécuter des scénarios de nettoyage des données à l’aide de ces algorithmes. Desbordante propose une version console et une application web facile à utiliser.
Boîte à outils de validation des données pour évaluer et surveiller leur qualité.
Foire aux questions
Quel est le dépôt #tabular-data le plus populaire sur GitHub ?
Le projet #tabular-data open source le mieux classé sur GitHub est bvaughn/react-virtualized, avec 27,072 étoiles. Composants React pour un rendu efficace de grandes listes et de données tabulaires
Quels langages de programmation sont les plus utilisés dans les dépôts #tabular-data ?
Parmi les projets #tabular-data les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, TypeScript, Jupyter Notebook, Rust.
Comment le classement des dépôts #tabular-data est-il calculé ?
Nous suivons 48 dépôts open source actifs associés à #tabular-data (500+ étoiles), totalisant 136,778 étoiles, avec une moyenne de 2,849 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.