#feature-engineering 저장소
#feature-engineering 태그가 지정된 GitHub의 활성 오픈 소스 저장소 56개를 확인해 보세요. 총 95,158개의 스타를 획득했으며 프로젝트당 평균 1,699개입니다. 이 주제를 이끄는 저장소는 10,051개의 스타를 받은 EpistasisLab/tpot입니다.
저장소 총 56개
Book_6_"데이터의 길" | 아이리스 북: 덧셈, 뺄셈, 곱셈, 나눗셈에서 머신러닝까지; 비판과 수정을 환영합니다! 오류를 많이 수정해 주시는 분들께는 감사의 선물로 책을 증정합니다!
Apache Hamilton은 데이터 과학자와 엔지니어가 계보/추적 및 메타데이터를 인코딩하는 테스트 가능한 모듈식 자체 문서화 데이터 흐름을 정의하도록 돕습니다. 파이썬이 실행되는 모든 곳에서 실행되고 확장됩니다.
TransmogrifAI(발음: trăns-mŏgˈrə-fī)는 최소한의 수동 조정으로 Apache Spark에서 모듈식, 재사용 가능, 강력한 유형의 머신 러닝 워크플로우를 구축하기 위한 AutoML 라이브러리입니다.
Approaching (Almost) Any Machine Learning Problem 중국어 번역본, 온라인 문서 주소: https://ytzfhqs.github.io/AAAMLP-CN/
딥 러닝과 머신 러닝 주식은 장기 및 단기 투자자와 트레이더 모두에게 유망한 기회를 나타냅니다.
NVTabular은 딥러닝 기반 추천 시스템을 훈련하는 데 사용되는 테라바이트 규모의 데이터셋을 빠르고 쉽게 조작하도록 설계된 테이블 형식 데이터용 피처 엔지니어링 및 전처리 라이브러리입니다.
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.
BharatMLStack은 Meesho에서 구축한 오픈 소스 엔드투엔드 머신러닝 인프라 스택으로, Bharat 규모의 실시간 및 배치 ML 워크로드를 지원합니다.
Temporian은 머신러닝 애플리케이션 🤖을 위한 시간 데이터 📈의 전처리 ⚡ 및 기능 엔지니어링 🛠을 위한 오픈 소스 Python 라이브러리입니다.
고급 기능 엔지니어링 전략을 사용하여 데이터 세트에서 최상의 기능을 단 한 줄의 코드로 선택하십시오. Ram Seshadri가 만들었습니다. 협력자 환영.
AI 개발자 생산성 지표(집중 시간, 작업 완료율, 번아웃 지표 포함)를 캡처하는 고품질 합성 데이터 세트. 개인 정보 보호 기능이 있어 ML 및 워크플로 분석에 이상적입니다.
정적/배치 및 온라인/지속적 학습을 위한 자동화된 기계 학습(AutoML) 방법 사용 구현/튜토리얼
자주 묻는 질문
GitHub에서 가장 인기 있는 #feature-engineering 저장소는 무엇인가요?
GitHub에서 가장 높은 순위의 오픈 소스 #feature-engineering 프로젝트는 10,051개의 스타를 받은 EpistasisLab/tpot입니다. 유전 프로그래밍을 사용하여 기계 학습 파이프라인을 최적화하는 Python 자동화 기계 학습 도구.
#feature-engineering 저장소에서 가장 많이 사용되는 프로그래밍 언어는 무엇인가요?
GitHub에서 순위가 가장 높은 #feature-engineering 프로젝트 중 가장 일반적으로 사용되는 프로그래밍 언어는 Python, Jupyter Notebook, Scala, Java입니다.
#feature-engineering 저장소 순위는 어떻게 계산되나요?
#feature-engineering 태그가 지정된 활성 오픈 소스 저장소(56개, 스타 500개 이상)를 추적하고 있습니다. 총 스타 수는 95,158개이며 저장소당 평균 1,699개입니다. 순위는 GitHub API를 통해 매일 업데이트됩니다.