#scikit-learn Repositórios
137 repositórios no total
Algoritmos de ML 2.000x mais rápidos, 50% menos uso de memória, funciona em todo hardware - novo e antigo.
Domine as habilidades essenciais necessárias para reconhecer e resolver problemas complexos do mundo real com Machine Learning e Deep Learning, aproveitando o ecossistema Python Machine Learning altamente popular.
Biblioteca Python de código aberto para engenharia e seleção de recursos compatível com sklearn.
Uma série de notebooks Jupyter que o guiam pelos fundamentos de Machine Learning e Deep Learning em Python usando as bibliotecas Scikit-Learn, PyTorch e Hugging Face.
O seletor de recursos é uma ferramenta para redução de dimensionalidade de conjuntos de dados de aprendizado de máquina
Visualize automaticamente qualquer conjunto de dados, de qualquer tamanho, com uma única linha de código. Criado por Ram Seshadri. Colaboradores são bem-vindos. Permissão concedida mediante solicitação.
AVISO: O projeto Katib foi DESCONTINUADO. Os usuários devem migrar para OptimizationJob e Kubeflow Trainer.
Pacote de ML Interpretável 🔍 para modelagem preditiva concisa, transparente e precisa (compatível com sklearn).
Biblioteca Python para previsão de séries temporais usando modelos compatíveis com scikit-learn, métodos estatísticos e modelos fundamentais
Portfólio de projetos de ciência de dados concluídos por mim para fins acadêmicos, de autoaprendizagem e hobby.
:crown: Análise exploratória de dados multivariados em Python — PCA, CA, MCA, MFA, FAMD, GPA
Um toolkit para aprendizado de máquina e aprendizado profundo de séries temporais
Concrete ML: Estrutura de ML com Preservação de Privacidade usando Criptografia Totalmente Homomórfica (FHE), construída sobre o Concrete, com ligações a estruturas de ML tradicionais.
Pacote Python de MLOps desenvolvido para produção e implementação de referência do curso de programação de MLOps: MLflow, scikit-learn, Pydantic, Pandera, uv e mise.
Na aprendizagem prática de análise de dados, os projetos servem como linha principal, com os pontos de conhecimento sendo assimilados ao longo do processo. Através do estudo, da prática e da orientação conjuntas, alcançam-se melhores resultados de aprendizagem.
A extensão para Scikit-learn é uma maneira perfeita de acelerar sua aplicação Scikit-learn
Projetos de machine learning em pequena escala para entender os conceitos centrais. Dê uma Estrela 🌟Se isso te ajudar. BÔNUS: Banco de Entrevistas chegando..!
Transpile estimadores e transformadores treinados do scikit-learn para C, C#, Go, Java, JavaScript, PHP e Ruby.
Implementações em Python dos algoritmos de agrupamento k-modes e k-prototypes, para agrupamento de dados categóricos
Aprendizado de máquina, estatística e mineração de dados para astronomia e astrofísica
Biblioteca de extração de características de séries temporais (TSFEL): mais de 60 características estatísticas, temporais, espectrais e fractais para classificação e regressão de séries temporais e processamento de sinais em Python
Compilação de códigos de programação R e Python no canal Data Professor do YouTube.
Notas e soluções de exercícios da Parte I do livro: "Hands-On ML with Scikit-Learn, Keras & TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems", de Aurelien Geron
Uma caixa de ferramentas de aprendizado de máquina topológica de alto desempenho em Python
Um módulo baseado em scikit-learn para classificação multi-rótulo et. al.
Um servidor de inferência para seus modelos de aprendizado de máquina, incluindo suporte para múltiplos frameworks, serviço de múltiplos modelos e muito mais
validadores cruzados do scikit-learn para estratificação iterativa de dados multilabel