#data-science Репозитории
Всего репозиториев: 688
Профилирование качества данных & разведочный анализ данных в 1 строку кода для Pandas и Spark DataFrames.
Официальный репозиторий Trino, распределённого SQL-движка запросов для больших данных, ранее известного как PrestoSQL (https://trino.io)
Репозиторий кода и ресурс информации для книги "Python Machine Learning (1-е издание)"
Дорожная карта обучения искусственному интеллекту, сбор около 200 практических случаев и проектов, бесплатные сопутствующие учебные материалы, вход с нуля, практика для трудоустройства! Включая: Python, математика, машинное обучение, анализ данных, глубокое обучение, компьютерное зрение, обработка естественного языка, PyTorch, tensorflow, machine-learning, deep-learning, data-analysis, data-mining, mathematics, data-science, artificial-intelligence, python, tensorflow, tensorflow2, caffe, keras, pytorch, algorithm, numpy, pandas, matplotlib, seaborn, nlp, cv и другие популярные области
OpenRefine — это бесплатный инструмент с открытым исходным кодом для работы с неструктурированными данными и их улучшения
Полнофункциональный MySQL терминальный клиент с автодополнением, подсветкой синтаксиса и датафреймами
Фреймворк с низким кодом для создания пользовательских LLM, нейронных сетей и других моделей ИИ
Открытая библиотека Cleanlab — это стандартный пакет data-centric AI для качества данных и машинного обучения с беспорядочными реальными данными и метками.
Платформа для разработчиков ИИ. Используйте Weights & Biases для обучения и тонкой настройки моделей, а также для управления моделями от экспериментов до производства.
Документный движок для ИИ с учетом структуры страниц и многофункциональный инструментарий Python для извлечения, отображения и редактирования PDF и других документов. Начиная с версии 2.0, анализ структуры на основе машинного обучения преобразует PDF- и Office-файлы в высококачественный Markdown для RAG и агентов, быстро работает на CPU и связывает каждый результат с исходной страницей.
Примеры 📓 Jupyter notebooks, демонстрирующие, как строить, обучать и развертывать модели машинного обучения с использованием 🧠 Amazon SageMaker.
Бесплатный онлайн-учебник Jupyter notebooks для курса fast.ai Computational Linear Algebra
Учебные пособия, задания и соревнования для курсов, связанных с MIT Deep Learning.
Логичная, разумно стандартизированная, но гибкая структура проекта для выполнения и обмена работой по data science.
Библиотека Python для обнаружения аномалий в табличных данных, временных рядах, графах, текстах, изображениях и аудио. Включает более 60 детекторов, оркестрацию ADEngine на основе бенчмарков и агентный рабочий процесс для ИИ-агентов.
Инструмент автоматизированного машинного обучения на Python, оптимизирующий конвейеры машинного обучения с использованием генетического программирования.
Исследовательская платформа, которая даёт вам несправедливое преимущество. Проверяйте тысячи торговых идей, пока другие не завершили даже одну.
Открытая платформа AutoML с низким кодом для Python. PyCaret 4.0: движок нативный sklearn + плоскость управления React.
Лучшие практики, примеры кода и документация для Computer Vision.
Библиотека Python для удобного прогнозирования и обнаружения аномалий во временных рядах.
XGo — это язык программирования, который читается как обычный английский. Но он также невероятно мощный — он позволяет использовать ресурсы C/C++, Go, Python и JavaScript/TypeScript, создавая единую экосистему разработки программного обеспечения. Наше видение — дать возможность каждому стать созидателем мира.
Быстрая, масштабируемая, высокопроизводительная библиотека Gradient Boosting на деревьях решений, используемая для ранжирования, классификации, регрессии и других задач машинного обучения для Python, R, Java, C++. Поддерживает вычисления на CPU и GPU.
Сборник примеров и учебных пособий по машинному обучению.
🧙 Создавайте, запускайте и управляйте конвейерами данных для интеграции и преобразования данных.
Легкая, облачная ГИС-платформа для визуализации, исследования и анализа геопространственных данных. Она работает в веб-браузере, на рабочем столе, на мобильных устройствах и внутри блокнотов Jupyter.
[SIGMOD'27] Простая подготовка данных с использованием новейших операторов и конвейеров на основе LLM.
Внеядерный гибридный DataFrame Apache Arrow/NumPy для Python, ML, визуализации и исследования больших табличных данных со скоростью миллиард строк в секунду 🚀
DoWhy — это библиотека Python для причинно-следственной инференции, которая поддерживает явное моделирование и тестирование причинных предположений. DoWhy основана на едином языке для причинно-следственной инференции, объединяющем причинные графические модели и фреймворки потенциальных исходов.
Прощай скука, посвящено созданию практических маленьких примеров Python. Больше добросовестных уроков Python на https://ai-jupyter.com
Evidently — это фреймворк с открытым исходным кодом для обеспечения наблюдаемости ML и LLM. Оценивайте, тестируйте и отслеживайте любую систему на базе ИИ или конвейер данных. От табличных данных до Gen AI. Более 100 метрик.
Книга_3_《Элементы математики》 | Книга Ирис: от сложения, вычитания, умножения, деления до машинного обучения; В продаже; Добро пожаловать для дальнейшего исправления ошибок, студенты с большим количеством исправлений также получат подарочные книги!