#data-analysis 저장소
저장소 총 290개
데이터 과학을 위한 GUI 기반 Python 코드 생성기, Jupyter Lab, Jupyter Notebook 및 Google Colab 확장팩.
Ken Jee의 #66daysofdata 챌린지에 참여하여 데이터 분석을 위한 저의 66DaysofData 여정을 공유하고 있습니다.
FlyFish는 데이터 시각화 코딩 플랫폼입니다. 간단한 방법으로 데이터 모델을 빠르게 생성하고 드래그하여 일련의 데이터 시각화 솔루션을 신속하게 생성할 수 있습니다.
투명성, 재현성, 사용자 제어를 위해 설계된 AI 기반 데이터 분석 워크벤치입니다. 결과의 근거가 되는 코드와 증거를 살펴보고, 재실행을 통해 계산을 검증하며, 로컬 오픈 웨이트 모델을 포함한 다양한 모델 중에서 선택할 수 있습니다.
데이터 에이전트의 발전에 관한 지속적으로 업데이트되는 논문 목록. 우리 논문 "A Survey of Data Agents: Emerging Paradigm or Overstated Hype?"의 동반 저장소
특징 공학은 도메인 지식을 사용하여 데이터 마이닝 기법을 통해 원시 데이터에서 특징을 추출하는 과정입니다. 이러한 특징은 머신 러닝 알고리즘의 성능을 향상시키는 데 사용될 수 있습니다. 특징 공학은 응용 머신 러닝 자체로 간주될 수 있습니다.
Flux는 데이터베이스(예: InfluxDB)를 쿼리하고 데이터를 작업하는 경량 스크립팅 언어입니다. InfluxDB 1.7과 2.0의 일부이지만, 그들 없이 독립적으로 실행할 수 있습니다.
Anthony DeBarros가 집필하고 No Starch Press에서 출판한 "Practical SQL" 제2판의 코드 및 데이터.
DataFoundry는 데이터 분석을 위한 오픈 소스 AI 워크벤치로, 데이터 소스, 지식, 도구 및 에이전트 런타임을 대화형 분석을 위한 관리형 작업 공간으로 통합합니다.
Hands-On Data Analysis with Pandas – Second Edition을 따라 하기 위한 자료
Jupyter/IPython 노트북을 위한 드래그 앤 드롭 피벗 테이블 및 차트, PivotTable.js 제공
풀 스택 ML(머신러닝) 로드맵은 데이터 수집 및 전처리, 모델 개발, 배포, 유지 관리를 포함한 머신러닝의 모든 측면에서 능숙해지기 위해 필요한 기술과 기술을 배우는 것을 포함합니다.
Anthony DeBarros가 저술하고 No Starch Press(2018)에서 출판한 "Practical SQL" 초판용 코드 및 데이터.
ML-capsule은 멘토나 가이드 없이 머신러닝을 배우고자 하는 초보자 및 숙련된 데이터 과학 애호가를 위한 프로젝트입니다. 저희 저장소를 사용하여 ML, DL 및 다양한 관련 기술을 실제 프로젝트를 통해 배우고 인터뷰를 준비할 수 있습니다.
ScienceClaw는 LangChain DeepAgents와 AIO Sandbox 인프라를 사용하여 구축된 개인 연구 어시스턴트로, OpenClaw를 넘어선 완전히 새로운 아키텍처를 채택합니다. 더 강력한 보안, 더 나은 투명성, 그리고 더 사용자 친화적인 경험을 제공합니다.
당신의 데이터 과학을 추적하세요. Skore의 오픈 소스 Python 라이브러리는 자동화된 평가 보고서, 스마트한 방법론 안내 및 종합적인 교차 검증 분석으로 ML 모델 개발을 가속화합니다.
AI 에이전트를 위한 오픈 컨텍스트 엔진은 15개 이상의 데이터 소스를 지원합니다. Rust와 Apache DataFusion으로 구축되었습니다.
브라우저에서 실행되는 완전 오픈소스 DuckDB 워크벤치. SQL 편집기, 노트북, 차트, AI 어시스턴트. 설치 없음, 가입 없음, 백엔드 없음 — 데이터가 탭을 떠나지 않습니다.