#data-science Repositórios
688 repositórios no total
Dashboards interativos em Python para aprender ciência de dados
100 Nocauts de Ciência de Dados (Edição de Processamento de Dados Estruturados)
Notas de Aula de Álgebra Linear com Python. Esta série de notas de aula guiará você por todos os conceitos essenciais que estabelecem os fundamentos da ciência de dados ou de conjuntos de habilidades quantitativas avançadas. Adequado para estatísticos/econometristas, analistas quantitativos, cientistas de dados, etc., para rever rapidamente a álgebra linear com o auxílio da computação e visualização em Python.
Uma biblioteca de codificadores de variáveis categóricas compatíveis com sklearn
Uma biblioteca Python que ajuda cientistas de dados a inferir causalidade em vez de observar correlação.
Métricas de aprendizado de máquina para aplicações PyTorch distribuídas e escaláveis.
Um serviço de ranqueamento personalizado de Machine Learning (ML) com low code para artigos, listagens, resultados de pesquisa e recomendações, que impulsiona o engajamento do usuário. Um motor Learn-to-Rank amigável.
Uma lista selecionada de artigos de pesquisa sobre detecção de comunidades com implementações.
Uma lista de recomendação de livros de informática clássicos e de alta qualidade, caracterizada por: reunir apenas livros clássicos e de alta qualidade em diversas áreas, não buscando a quantidade, mas sim a excelência.
Uma biblioteca intuitiva para adicionar funcionalidade de plotagem a objetos scikit-learn.
🍕 Repositório para juntar informações sobre materiais de estudo em análise de dados e áreas afins, empresas que trabalham com dados e dicionário de conceitos
Diário de Aprendizado de Máquina para Tópicos Intermediários a Avançados.
Algoritmos de ML 2.000x mais rápidos, 50% menos uso de memória, funciona em todo hardware - novo e antigo.
Domine os fundamentos de aprendizado de máquina, aprendizado profundo e otimização matemática construindo conceitos e modelos chave do zero usando Python.
O objetivo do CLAIMED é permitir que a programação de prototipagem rápida no estilo low-code/no-code seja integrada perfeitamente via CI/CD em produção.
Biblioteca Python de código aberto para engenharia e seleção de recursos compatível com sklearn.
Lista ativamente selecionada de ferramentas de BI incríveis. Solicitações de pull (PRs) são bem-vindas!
Coleção de recursos educacionais selecionados pela NVIDIA relacionados à programação de GPU de uso geral.
O seletor de recursos é uma ferramenta para redução de dimensionalidade de conjuntos de dados de aprendizado de máquina
Biblioteca de preparação de dados low-code de código aberto em python. Colete, limpe e visualize seus dados em python com poucas linhas de código.
🚀 Mais de 500 recursos selecionados para Análise de Dados e Ciência de Dados: Python, SQL, Estatística, ML, IA, Visualização, Folhas de dicas (Cheatsheets), Mapas de progresso (Roadmaps), Preparação para entrevistas. Para iniciantes e especialistas.
Repositório de livros para The Turing Way: um guia prático para ciência de dados reproduzível, ética e colaborativa
O Compêndio de IA, anteriormente chamado Compêndio de ML, reúne recursos e explicações sobre aprendizado de máquina (ML) e aprendizado profundo, abrangendo desde um problema de negócio até dados, IA, engenharia e produto.
📺(tv) Tidy Viewer é um utilitário CLI multiplataforma para formatação elegante de CSVs que utiliza a estilização de colunas para maximizar a satisfação do visualizador.
Principais ideias para uma determinada empresa construir alguns projetos malucos.
Uma toolkit/biblioteca Python para machine/deep learning e mineração de dados centrado na realidade em séries temporais parcialmente observadas, com mais de 50 modelos de redes neurais SOTA para tarefas de análise científica (imputação, classificação, agrupamento, previsão, detecção de anomalias, limpeza) em TS multivariadas industriais incompletas amostradas irregularmente com valores ausentes NaN
Exemplos oficiais de Azure Machine Learning impulsionados pela comunidade, testados com o GitHub Actions.
Uma introdução concisa e amigável para iniciantes aos conceitos centrais da álgebra linear.
A versão traduzida para chinês de "Approaching (Almost) Any Machine Learning Problem", endereço do documento online: https://ytzfhqs.github.io/AAAMLP-CN/
O Feature Store Virtual. Transforme sua infraestrutura de dados existente em um feature store.