#data-science Repositórios
688 repositórios no total
🎨 Kit de ferramentas para gerar gráficos de qualidade de publicação para as revistas Cell, Nature e Science
Este repositório contém os notebooks e as apresentações que usamos para nossos Databricks Tech Talks
Perpetual é uma máquina de gradient boosting de alto desempenho. Ela entrega precisão ótima em uma única execução sem ajustes complexos, apenas com um simples parâmetro de orçamento. Possui suporte pronto para ML causal, aprendizado contínuo, calibração nativa e monitoramento robusto de deriva, além de contar com um núcleo em Rust e ligações zero-cópia para Python e R.
AKHub: Uma seleção de ferramentas de dados financeiros e econômicos, fontes de dados, frameworks de pesquisa quantitativa e recursos de aprendizagem
Plataforma de ciência de dados impulsionada por IA e de código aberto。
Arraste e solte Tabelas Dinâmicas e Gráficos para o Jupyter/IPython Notebook, graças ao PivotTable.js
Um Roteiro Completo de ML (Aprendizado de Máquina) Full Stack envolve aprender as habilidades e tecnologias necessárias para se tornar proficiente em todos os aspectos do aprendizado de máquina, incluindo coleta e pré-processamento de dados, desenvolvimento, implantação e manutenção de modelos.
Carregar dados de limite e atributo do Censo dos EUA como data frames prontos para 'tidyverse' e 'sf' no R
Buckaroo - A interface de tabela de dados para Notebooks. Explore rapidamente dataframes, navegue por dataframes, pesquise, classifique, visualize estatísticas de resumo e histogramas. Funciona com Pandas, Polars, Jupyter, Marimo, VSCode Notebooks
Second Brain é um framework agentivo que atua como um sistema operacional, utilizando inteligência de arquivos locais, automação de fluxos de trabalho e LLMs para completar tarefas e se comunicar por meio de múltiplas modalidades e plataformas de mensagens.
ML-capsule é um projeto para iniciantes e entusiastas experientes em ciência de dados que não possuem um mentor ou orientação e desejam aprender aprendizado de máquina (Machine Learning). Usando nosso repositório, eles podem aprender ML, DL e muitas tecnologias relacionadas com diferentes projetos do mundo real e se preparar para entrevistas.
Acompanhe sua ciência de dados. A biblioteca Python de código aberto da Skore acelera o desenvolvimento de modelos de ML com relatórios de avaliação automatizados, orientações metodológicas inteligentes e análise abrangente de validação cruzada.
Visualização interativa de rede em Python e Dash, com tecnologia Cytoscape.js
Exemplos de técnicas para treinar modelos de ML interpretáveis, explicar modelos de ML e depurar modelos de ML quanto à precisão, discriminação e segurança.
Plotlars é uma biblioteca Rust projetada para facilitar a integração entre a biblioteca de análise de dados Polars e a biblioteca Plotly.
RAGLight é uma estrutura modular para Geração Aumentada por Recuperação (RAG). Ela facilita a integração de diferentes LLMs, embeddings e armazenamento de vetores, e agora inclui integração MCP perfeita para conectar ferramentas e fontes de dados externas.
Aja rapidamente do protótipo de ciência de dados para o pipeline. Capture, analise e transforme notebooks desorganizados em pipelines de dados com apenas duas linhas de código.
Uma coleção selecionada de recursos gratuitos para ajudar a aprofundar seu conhecimento da linguagem de programação R. Atualizado regularmente. Contribuições são encorajadas via pull request (ver contributing.md).
Comparação entre DataFrames Pandas, Polars, Spark e Snowpark para humanos e muito mais!
Este repositório contém todos os projetos de análise de dados que realizei em Python.
Aprendizagem de Máquina Reprodutível para Detecção de Fraude de Cartão de Crédito - Manual Prático
(AAAI' 20) Uma caixa de ferramentas Python para combinação de modelos de aprendizado de máquina
Turbodbc é um módulo Python para acessar bancos de dados relacionais através da interface Open Database Connectivity (ODBC). O módulo está em conformidade com a Especificação 2.0 da API de Banco de Dados do Python.
Um repositório de conjuntos de dados bem interessantes que coletei para pesquisas em ciência de redes e aprendizado de máquina.
Se você está vindo de um dos meus tutoriais de data science, você encontrará o código e os links para os tutoriais aqui. Espero que eles sejam úteis. Feliz aprendizado e programação!