#feature-engineering Repository
Scopri 56 repository GitHub open source attivi contrassegnati con #feature-engineering, che raccolgono un totale di 95,158 stelle (con una media di 1,699 stelle per progetto). Il progetto leader di questo argomento è EpistasisLab/tpot, con 10,051 stelle.
56 repository in totale
Uno strumento di Automated Machine Learning in Python che ottimizza i pipeline di machine learning utilizzando la programmazione genetica.
Alink è la piattaforma di algoritmi di Machine Learning basata su Flink, sviluppata dal team PAI della piattaforma di computing di Alibaba.
AI e Machine Learning con Kubeflow, Amazon EKS e SageMaker
Pacchetto Python per AutoML su dati tabulari con Feature Engineering, Tuning degli Iper-Parametri, Spiegazioni e Documentazione Automatica
Libro_6_"La Via dei Dati" | Il libro Iris: Dall'addizione, sottrazione, moltiplicazione e divisione al machine learning; diamo il benvenuto a critiche e correzioni! Gli studenti che correggono molti errori riceveranno una copia del libro come ringraziamento!
Apache Hamilton aiuta data scientist e ingegneri a definire dataflow testabili, modulari e auto-documentanti, che codificano lineage/tracing e metadati. Funziona e scala ovunque lo faccia python.
Una libreria di encoder di variabili categoriche compatibili con sklearn
Un servizio di machine learning low-code per il ranking personalizzato di articoli, annunci, risultati di ricerca, raccomandazioni che aumenta il coinvolgimento degli utenti. Un motore Learn-to-Rank amichevole
Libreria Python open-source per l'ingegnerizzazione e la selezione delle feature compatibile con sklearn.
TransmogrifAI (pronunciato trăns-mŏgˈrə-fī) è una libreria AutoML per la creazione di flussi di lavoro di apprendimento automatico modulari, riutilizzabili e fortemente tipizzati su Apache Spark con una minima regolazione manuale.
Approaching (Almost) Any Machine Learning Problem versione cinese, indirizzo della documentazione online: https://ytzfhqs.github.io/AAAMLP-CN/
Il Virtual Feature Store. Trasforma la tua infrastruttura dati esistente in un feature store.
Feathr – Una piattaforma unificata e scalabile per l'ingegneria dei dati e dell'IA per le imprese
Intelligent Trading Bot: Generazione automatica di segnali e trading basato su machine learning e feature engineering
OpenMLDB è un database open-source per il machine learning che fornisce una piattaforma di feature per il calcolo di feature coerenti per addestramento e inferenza.
Le azioni di Deep Learning e Machine Learning rappresentano opportunità promettenti sia per investitori e trader a lungo termine che a breve termine.
Machine learning per serie temporali su larga scala. Costruito con Polars per l'estrazione di funzionalità e previsioni sui dati del pannello, facilmente parallelizzabili.
NVTabular è una libreria di feature engineering e preprocessing per dati tabulari progettata per manipolare in modo rapido e semplice dataset su scala di terabyte utilizzati per addestrare sistemi di raccomandazione basati su deep learning.
Un elenco curato di video, link, progetti e dataset di Machine Learning per aiutarti a conquistare il panorama ML in 6 mesi.
PMLB: Un grande repository curato di dataset di benchmark per valutare algoritmi di machine learning supervisionati.
L'ingegneria delle feature è il processo di utilizzo della conoscenza del dominio per estrarre feature dai dati grezzi tramite tecniche di data mining. Queste feature possono essere utilizzate per migliorare le prestazioni degli algoritmi di machine learning. L'ingegneria delle feature può essere considerata come il machine learning applicato in sé.
BharatMLStack è uno stack di infrastruttura di machine learning open-source end-to-end costruito da Meesho per supportare carichi di lavoro ML in tempo reale e batch su scala Bharat
Temporian è una libreria Python open-source per la preelaborazione ⚡ e feature engineering 🛠 di dati temporali 📈 per applicazioni di machine learning 🤖
Pianificazione quotidiana delle attività, completamente gratuita, comoda e veloce
Corso di Machine Learning Serverless per la creazione di servizi di previsione abilitati all'IA da modelli e funzionalità
Utilizza strategie avanzate di feature engineering e seleziona le migliori feature dal tuo set di dati con una singola riga di codice. Creato da Ram Seshadri. Collaboratori benvenuti.
Dataset sintetici ad alta fedeltà che catturano metriche di produttività degli sviluppatori AI — incluse ore di concentrazione, tassi di completamento delle attività e indicatori di burnout. Sicuro per la privacy, ideale per analisi ML e di flusso di lavoro.
Ciclo di vita completo di un progetto di data science
Implementazione/Tutorial sull'utilizzo di metodi di apprendimento automatico automatizzato (AutoML) per l'apprendimento statico/batch e online/continuale
Passi pipeable per l'ingegneria delle feature e la pre-elaborazione dei dati per preparare la modellazione
Domande frequenti
Qual è il repository #feature-engineering più popolare su GitHub?
Il progetto open source #feature-engineering più alto in classifica su GitHub è EpistasisLab/tpot, con 10,051 stelle. Uno strumento di Automated Machine Learning in Python che ottimizza i pipeline di machine learning utilizzando la programmazione genetica.
Quali linguaggi di programmazione sono più utilizzati nei repository #feature-engineering?
Tra i progetti #feature-engineering più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, Scala, Java.
Come viene calcolata la classifica dei repository #feature-engineering?
Monitoriamo 56 repository open source attivi contrassegnati con #feature-engineering (500+ stelle), per un totale di 95,158 stelle e una media di 1,699 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.