#r Repository
Scopri 218 repository GitHub open source attivi contrassegnati con #r, che raccolgono un totale di 504,015 stelle (con una media di 2,311 stelle per progetto). Il progetto leader di questo argomento è microsoft/ML-For-Beginners, con 92,369 stelle.
218 repository in totale
Apache Spark – Un motore di analisi unificato per l'elaborazione di dati su larga scala
Strumento per produrre previsioni di alta qualità per dati di serie temporali che presentano multiple stagionalità con crescita lineare o non lineare.
Un framework veloce, distribuito e ad alte prestazioni per il gradient boosting (GBT, GBDT, GBRT, GBM o MART) basato su algoritmi di alberi decisionali, utilizzato per ranking, classificazione e molte altre attività di machine learning.
🧱 Descrivi il tuo sito, l'IA lo costruisce, tu lo possiedi come Markdown. Incastra blocchi Tailwind come Lego — pagine di atterraggio, blog, portfolio, docs e altro. Niente schifezze IA. Gratis da deployare ovunque 👇
Una libreria Gradient Boosting on Decision Trees veloce, scalabile e ad alte prestazioni, utilizzata per ranking, classificazione, regressione e altre attività di machine learning per Python, R, Java, C++. Supporta il calcolo su CPU e GPU.
H2O è una Piattaforma di Machine Learning Open Source, Distribuita, Veloce e Scalabile: Deep Learning, Gradient Boosting (GBM) & XGBoost, Random Forest, Generalized Linear Modeling (GLM con Elastic Net), K-Means, PCA, Generalized Additive Models (GAM), RuleFit, Support Vector Machine (SVM), Stacked Ensembles, Automatic Machine Learning (AutoML), ecc.
Gli amici non lasciano che gli amici creino determinati tipi di visualizzazioni di dati: quali sono e perché sono pessimi.
Una lista curata di risorse fantastiche per il machine learning responsabile.
🛠 IDE tutto-in-uno basato su web specializzato in machine learning e data science.
Suite multilingue per solver ad alte prestazioni di equazioni differenziali e componenti di machine learning scientifico (SciML). Equazioni differenziali ordinarie (ODEs), equazioni differenziali stocastiche (SDEs), equazioni differenziali a ritardo (DDEs), equazioni differenziali-algebriche (DAEs) e altro in Julia.
Link a risorse curate con cura per la data science in un unico posto
Deepnote è un sostituto diretto di Jupyter con un design AI-first, un'interfaccia utente elegante, nuovi blocchi e integrazioni dati native. Utilizza Python, R e SQL localmente nel tuo IDE preferito, quindi scala al cloud Deepnote per la collaborazione in tempo reale, l'agente Deepnote e le app di dati implementabili. https://deepnote.com/
Trasforma modelli ML in codice nativo (Java, C, Python, Go, JavaScript, Visual Basic, C#, R, PowerShell, PHP, Dart, Haskell, Ruby, F#, Rust) senza dipendenze
Open Data, più di 50 dati finanziari. Fornisce oltre 50 dati finanziari (principalmente azioni taiwanesi), aggiornato quotidianamente https://finmind.github.io/
Un insieme completo di metriche di equità per dataset e modelli di machine learning, spiegazioni di queste metriche e algoritmi per mitigare il bias nei dataset e nei modelli.
La traduzione in cinese di The Elements of Statistical Learning (ESL), implementazione del codice e soluzioni agli esercizi.
100 Knockouts di Data Science (Elaborazione Dati Strutturati)
Link utili, script, strumenti e best practice per database Microsoft SQL Server
elenchi dei repository più popolari per i linguaggi di programmazione più apprezzati (secondo StackOverflow)
Vari tipi di analisi azionaria in Excel, Matlab, Power BI, Python, R e Tableau
Assistenza alla codifica per JupyterLab (navigazione del codice + suggerimenti al passaggio del mouse + linter + completamento automatico + ridenominazione) utilizzando il Language Server Protocol
Componente aggiuntivo di RStudio per creare grafici in modo interattivo con ggplot2
Domande frequenti
Qual è il repository #r più popolare su GitHub?
Il progetto open source #r più alto in classifica su GitHub è microsoft/ML-For-Beginners, con 92,369 stelle. 12 settimane, 26 lezioni, 52 quiz, machine learning classico per tutti
Quali linguaggi di programmazione sono più utilizzati nei repository #r?
Tra i progetti #r più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono R, Python, Jupyter Notebook, HTML.
Come viene calcolata la classifica dei repository #r?
Monitoriamo 218 repository open source attivi contrassegnati con #r (500+ stelle), per un totale di 504,015 stelle e una media di 2,311 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.