#data-science Repository
688 repository in totale
๐จ Toolkit per generare grafici di qualitร editoriale per le riviste Cell, Nature e Science
Questo repository contiene i notebook e le presentazioni che utilizziamo per i nostri Databricks Tech Talks "
Perpetual รจ una macchina di gradient boosting ad alte prestazioni. Fornisce accuratezza ottimale in una singola esecuzione senza tuning complesso grazie a un semplice parametro di budget. Offre supporto pronto allโuso per ML causale, apprendimento continuo, calibrazione nativa e monitoraggio robusto del drift, oltre al core in Rust e binding zeroโcopy per Python e R.
AKHub: Una raccolta selezionata di strumenti per dati finanziari ed economici, fonti di dati, framework di ricerca quantitativa e risorse per lโapprendimento
Piattaforma di data science alimentata da IA e open sourceใ
Tabelle pivot e grafici drag'n'drop per Jupyter/IPython Notebook, courtesy of PivotTable.js
Una roadmap completa di ML (Machine Learning) Full Stack prevede l'apprendimento delle competenze e delle tecnologie necessarie per diventare esperti in tutti gli aspetti del machine learning, inclusa la raccolta e la preelaborazione dei dati, lo sviluppo del modello, il deployment e la manutenzione.
Impressiona il tuo capo con la visualizzazione interattiva dell'albero decisionale
Carica dati di confini e attributi del Census USA come data frame pronti per 'tidyverse' e 'sf' in R
Buckaroo - L'interfaccia utente della tabella dati per Notebook. Esplora rapidamente dataframe, scorri dataframe, cerca, ordina, visualizza statistiche riassuntive e istogrammi. Funziona con Pandas, Polars, Jupyter, Marimo, VSCode Notebooks.
Second Brain รจ un framework agentico che funge da sistema operativo, utilizzando intelligenza dei file locali, automazione dei flussi di lavoro e LLM per completare attivitร e comunicare attraverso molteplici modalitร e piattaforme di messaggistica.
ML-capsule รจ un progetto per principianti ed esperti appassionati di data science che non hanno un mentore o una guida e desiderano imparare il Machine Learning. Utilizzando il nostro repository, possono imparare ML, DL e molte tecnologie correlate con diversi progetti del mondo reale e prepararsi per i colloqui.
Tieni traccia della tua Data Science. La libreria Python open-source di Skore accelera lo sviluppo dei modelli ML con report di valutazione automatizzati, orientamento metodologico intelligente e analisi completa della cross-validazione.
Visualizzazione interattiva di reti in Python e Dash, alimentata da Cytoscape.js
Esempi di tecniche per addestrare modelli ML interpretabili, spiegare modelli ML e debuggare modelli ML per accuratezza, discriminazione e sicurezza.
Plotlars รจ una libreria Rust progettata per facilitare l'integrazione tra la libreria di analisi dati Polars e la libreria Plotly.
RAGLight รจ un framework modulare per Retrieval-Augmented Generation (RAG). Semplifica l'integrazione di diversi LLM, embedding e vector store, e ora include un'integrazione MCP senza interruzioni per connettere strumenti esterni e fonti di dati.
Passa rapidamente dal prototipo di data science alla pipeline. Cattura, analizza e trasforma notebook disordinati in pipeline di dati con solo due righe di codice.
Una raccolta curata di risorse gratuite per aiutarti ad approfondire la tua comprensione del linguaggio di programmazione R. Aggiornato regolarmente. Contributi incoraggiati tramite pull request (vedi contributing.md).
Confronto tra Pandas, Polars, Spark e Snowpark DataFrame per umani e altro!
Questo repository contiene tutti i progetti di analisi dati su cui ho lavorato in Python.
Machine Learning Riproducibile per il Rilevamento di Frodi con Carte di Credito - Manuale Pratico
Turbodbc รจ un modulo Python per accedere a database relazionali tramite l'interfaccia Open Database Connectivity (ODBC). Il modulo รจ conforme alla Python Database API Specification 2.0.
Un repository di dataset piuttosto cool che ho raccolto per la ricerca in scienze di rete e machine learning.
Se provieni da uno dei miei tutorial di data science, troverai il codice e i link ai tutorial qui. Spero che li trovi utili. Buon apprendimento e programmazione!