#data-science Repositórios
688 repositórios no total
Provavelmente a melhor lista curada de software de ciência de dados em Python.
🔨 🍇 💻 🚀 GraphScope: Um sistema de computação em grafo em larga escala tudo-em-um da Alibaba | Sistema de computação em grafo tudo-em-um
Todos os materiais do curso Zero to Mastery de Machine Learning e Ciência de Dados.
🛠 IDE tudo-em-um baseada na web, especializada em aprendizado de máquina e ciência de dados.
Inferência Causal para os Corajosos e Verdadeiros. Uma abordagem leve, mas rigorosa, para aprender sobre estimação de impacto e causalidade.
:earth_americas: tutoriais de aprendizado de máquina (principalmente em Python3)
Depuração, monitoramento e visualização para Aprendizado de Máquina e Ciência de Dados com Python
Livro_7_《Aprendizado de Máquina》 | Livro Íris: Da aritmética básica ao aprendizado de máquina; Críticas e sugestões são bem-vindas
Este repositório é uma coleção curada de projetos práticos de ciência de dados feitos sob medida para iniciantes. Seja você um iniciante na jornada de ciência de dados ou esteja buscando fortalecer suas habilidades, esses projetos oferecem uma maneira prática e interativa de aplicar seu conhecimento.
Pacote Python para AutoML em Dados Tabulares com Engenharia de Atributos, Ajuste de Hiperparâmetros, Explicações e Documentação Automática
Aprenda a projetar, desenvolver, implantar e iterar em aplicações de ML de nível de produção.
Um repositório listando as fontes potenciais que o ajudarão a se preparar para uma entrevista de Ciência de Dados/Aprendizado de Máquina. Novos recursos adicionados frequentemente.
Determined é uma plataforma de aprendizado de máquina de código aberto que simplifica o treinamento distribuído, o ajuste de hiperparâmetros, o rastreamento de experimentos e o gerenciamento de recursos. Funciona com PyTorch e TensorFlow.
.NET Interactive combina o poder do .NET com muitas outras linguagens para criar notebooks, REPLs e experiências de codificação incorporadas. Compartilhe código, explore dados, escreva e aprenda em todos os seus aplicativos de maneiras que você não conseguia antes.
Uma biblioteca Python para visualização de árvores de decisão e interpretação de modelos.
Links de recursos cuidadosamente selecionados para ciência de dados em um só lugar
uma ferramenta de aprendizado de máquina encantadora que permite treinar, testar e usar modelos sem escrever código
Visualize e compare conjuntos de dados, valores alvo e associações, com uma linha de código.
Deepnote é um substituto direto para o Jupyter com um design focado em IA, uma interface de usuário elegante, novos blocos e integrações de dados nativas. Use Python, R e SQL localmente em seu IDE favorito e, em seguida, escale para a nuvem Deepnote para colaboração em tempo real, agente Deepnote e aplicativos de dados implantáveis. https://deepnote.com/
DataFrame em C++ para análise estatística, financeira e de ML em C++ moderno
Uma lista de conjuntos de dados publicamente disponíveis com dados em tempo real, mantida pela equipa da bytewax.io
Uma biblioteca para depurar/inspecionar classificadores de aprendizado de máquina e explicar suas previsões
Uma biblioteca de registro de dados de código aberto para modelos de aprendizado de máquina e pipelines de dados. 📚 Oferece visibilidade da qualidade dos dados e do desempenho do modelo ao longo do tempo. 🛡️ Suporta coleta de dados que preserva a privacidade, garantindo segurança e robustez. 📈
📊⚽ Uma coleção de projetos, dados e análises de analítica de futebol por Edd Webster (@eddwebster), incluindo uma lista curada de recursos publicamente disponíveis publicados pela comunidade de analítica de futebol.
Livro_6_《Os Caminhos dos Dados》 | A Flor de Íris: Do básico de matemática à aprendizagem de máquina; bem-vindos a críticas e correções! Os alunos que mais erros corrigirem receberão um livro de presente como agradecimento!
Feather: armazenamento rápido e interoperável de quadros de dados binários para Python, R e mais, com tecnologia Apache Arrow
ArcticDB é um banco de dados DataFrame serverless de alto desempenho, construído para o ecossistema de Ciência de Dados em Python.
Extensões do Jupyter que ajudam você a escrever código mais rápido: Chat de IA ciente do contexto, Autocompletar e Planilha
Cliente Python para Supabase. Consulte o Postgres a partir do Flask, Django e FastAPI. Autenticação de usuários em Python, políticas de segurança, funções edge, armazenamento de arquivos e transmissão de dados em tempo real.
O Apache Hamilton ajuda cientistas e engenheiros de dados a definir fluxos de dados testáveis, modulares e autodocumentáveis, que codificam linhagem/rastreamento e metadados. Ele executa e escala em qualquer lugar onde o Python também funcione.
Vinculação de dados probabilística rápida, precisa e escalável com suporte para múltiplos backends SQL