#data-science Repositórios
688 repositórios no total
Matplot++: Uma Biblioteca Gráfica em C++ para Visualização de Dados 📊🗾
É minha convicção que vocês, estudantes de pós-graduação e candidatos a emprego para quem o livro é primariamente destinado, se beneficiarão com a leitura; contudo, é minha esperança que até mesmo os pesquisadores mais experientes o achem igualmente fascinante.
Uma linguagem de programação probabilística no TensorFlow. Modelos generativos profundos, inferência variacional.
DeepAnalyze é o primeiro LLM agêntico para ciência de dados autônoma. 🎈 Seu analista de dados de IA que analisa automaticamente grandes volumes de dados e gera relatórios de análise profissionais com apenas um clique!
Mineração de dados, visão computacional, processamento de linguagem natural, conhecimento em competições de sistemas de recomendação, código e ideias.
Uma lista selecionada de projetos, bibliotecas e recursos Jupyter incríveis
🕵 Inteligência Artificial para controle social da administração pública | **Este repositório não recebe atualizações frequentes. Confira o README**
Fundamentos de Machine Learning: Álgebra Linear, Cálculo, Estatística e Ciência da Computação
Uma biblioteca rápida para AutoML e otimização. Junte-se ao nosso Discord: https://discord.gg/Cppx2vSPVP.
Cadernos Python com exemplos de ML e aprendizado profundo com o SDK Python do Azure Machine Learning | Microsoft
⚡️SwanLab - uma ferramenta de visualização e rastreamento de treinamento de IA de código aberto e design moderno. Suporta uso em nuvem / auto-hospedado. Integrado com PyTorch / Transformers / verl / LLaMA Factory / ms-swift / Ultralytics / MMEngine / Keras, etc.
Kit de ferramentas Python para finanças quantitativas: análise de ações, indicadores técnicos, backtesting de estratégias, otimização de portfólio e modelagem financeira.
Impressione seu chefe e transforme um notebook Jupyter em um belo aplicativo web compartilhável — sem callbacks, sem frontend, sem reescrita.
Uma Coleção de Guias Rápidos, Livros, Perguntas e Portfólio Para Preparação de Entrevistas de DS/ML
Este projeto reproduz o livro Dive Into Deep Learning (https://d2l.ai/), adaptando o código do MXNet para o PyTorch.
Torne-se proficiente em Inteligência Artificial, Machine Learning, IA Generativa, Deep Learning, Ciência de Dados, Processamento de Linguagem Natural, Aprendizado por Reforço e mais com este repositório completo de 0 a 100.
STUMPY é uma biblioteca Python poderosa e escalável para análise moderna de séries temporais
Coleção de tópicos úteis de ciência de dados, juntamente com artigos, vídeos e código
pandas on AWS - Integração fácil com Athena, Glue, Redshift, Timestream, Neptune, OpenSearch, QuickSight, Chime, CloudWatchLogs, DynamoDB, EMR, SecretManager, PostgreSQL, MySQL, SQLServer e S3 (Parquet, CSV, JSON e EXCEL).
Uma lista selecionada de recursos incríveis de aprendizado de máquina responsável.
Um pacote Python para análise geoespacial interativa e visualização com o Google Earth Engine.
Deepchecks: Testes para Validação Contínua de Modelos e Dados de ML. Deepchecks é uma solução holística de código aberto para todas as suas necessidades de validação de IA e ML, permitindo testar completamente seus dados e modelos da pesquisa à produção.
Uma lista incrível de eventos e oportunidades de companheirismo para estudantes de Ciência da Computação
:atom: Execute o código interativamente, inspecione dados e crie gráficos. Todo o poder dos kernels do Jupyter, dentro do seu editor de texto favorito.
🙌 Boas-vindas às contribuições para mini-projetos Python de código aberto!
Um framework para coleta e análise de dados de mercado de previsão, incluindo o maior conjunto de dados público disponível de mercado e negociações da Polymarket e Kalshi.
Respostas a 120 perguntas frequentes em entrevistas de ciência de dados.
Um pacote Python para mapeamento interativo e análise geoespacial com codificação mínima em um ambiente Jupyter
[NeurIPS 2026] DataFlex: um benchmark unificado e uma plataforma de avaliação para o treinamento de grandes modelos de linguagem centrado em dados
Série "Matemática Não é Difícil" - Livro "Álgebra Linear Não é Difícil" (Volumes I e II), completo em 66 tópicos; Críticas e sugestões são bem-vindas.