#kaggle Repositórios
Descubra 19 repositórios ativos de código aberto no GitHub marcados com #kaggle, acumulando um total de 140,042 estrelas (uma média de 7,370 por projeto). O líder deste tópico é donnemartin/data-science-ipython-notebooks, com 28,776 estrelas.
19 repositórios no total
Cadernos Python de ciência de dados: Aprendizado profundo (TensorFlow, Theano, Caffe, Keras), scikit-learn, Kaggle, big data (Spark, Hadoop MapReduce, HDFS), matplotlib, pandas, NumPy, SciPy, conceitos essenciais de Python, AWS e várias linhas de comando.
Livro interativo de aprendizado profundo com código de múltiplos frameworks, matemática e discussões. Adotado em 500 universidades de 70 países, incluindo Stanford, MIT, Harvard e Cambridge.
Gere audiolivros a partir de e-books com mais de 50 mecanismos de TTS, clonagem de voz e suporte para 1.696 idiomas!
Um framework rápido, distribuído e de alto desempenho para gradient boosting (GBT, GBDT, GBRT, GBM ou MART) baseado em algoritmos de árvore de decisão, usado para ranking, classificação e muitas outras tarefas de aprendizado de máquina.
Implementação em PyTorch da U-Net para segmentação semântica de imagens com imagens de alta qualidade
Uma biblioteca de Gradient Boosting em Árvores de Decisão rápida, escalável e de alto desempenho, usada para ranking, classificação, regressão e outras tarefas de aprendizado de máquina para Python, R, Java, C++. Suporta computação em CPU e GPU.
Mineração de dados, visão computacional, processamento de linguagem natural, conhecimento em competições de sistemas de recomendação, código e ideias.
A versão traduzida para chinês de "Approaching (Almost) Any Machine Learning Problem", endereço do documento online: https://ytzfhqs.github.io/AAAMLP-CN/
Extensões PyTorch para prototipagem rápida de P&D e 'Kaggle farming' (mineração no Kaggle)
Framework rápido e personalizável para a criação automática de modelos de ML (AutoML)
Modelos abertos de nível de fronteira em uma TPU v5e-8 gratuita da Kaggle: GLM-5.3-Flash 320B MoE (~165 tokens/s, com nosso próprio mecanismo JAX) e Qwen3.8-27B bf16 (~130 tokens/s), contexto de 262k e cache de prefixos. Funciona com Claude Code, Codex, opencode e pi.
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.
Classificar a descrição de crimes do Kaggle San Francisco em 39 classes. Construir o modelo com CNN, RNN (GRU e LSTM) e Word Embeddings no Tensorflow.
Uma implementação aprimorada e reprodutível de uma solução de previsão de polímeros Open NeurIPS Kaggle Medalha de Prata, com canonicalização SMILES, descritores moleculares, modelos CatBoost/XGBoost, empilhamento OOF e GNNs PyTorch Geometric opcionais.
Perguntas Frequentes
Qual é o repositório de #kaggle mais popular no GitHub?
O projeto de código aberto de #kaggle mais bem classificado no GitHub é donnemartin/data-science-ipython-notebooks, com 28,776 estrelas. Cadernos Python de ciência de dados: Aprendizado profundo (TensorFlow, Theano, Caffe, Keras), scikit-learn, Kaggle, big data (Spark, Hadoop MapReduce, HDFS), matplotlib, pandas, NumPy, SciPy, conceitos essenciais de Python, AWS e várias linhas de comando.
Quais linguagens de programação são mais usadas nos repositórios de #kaggle?
Entre os projetos de #kaggle mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, C++, Astro.
Como é calculada a classificação dos repositórios de #kaggle?
Acompanhamos 19 repositórios ativos de código aberto marcados com #kaggle (com mais de 500 estrelas), totalizando 140,042 estrelas e uma média de 7,370 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.