#data-science Репозитории
Всего репозиториев: 688
Вероятно, лучший курированный список программного обеспечения для data science на Python.
🔨 🍇 💻 🚀 GraphScope: Комплексная система крупномасштабных вычислений графов от Alibaba | Комплексная система вычислений графов
Все материалы курса Zero to Mastery Machine Learning and Data Science.
🛠 Универсальный веб-ориентированный IDE, специализированный на машинном обучении и науке о данных.
Причинно-следственные выводы для смелых и истинных. Легкий, но строгий подход к изучению оценки воздействия и причинности.
:earth_americas: руководства по машинному обучению (в основном на Python3)
Отладка, мониторинг и визуализация для Python Machine Learning и Data Science
Книга_7_《Машинное обучение》 | Книга об ирисах: от сложения и вычитания к машинному обучению; критика и исправления приветствуются.
Этот репозиторий представляет собой тщательно подобранную коллекцию практических проектов по data science, адаптированных для начинающих. Независимо от того, только ли вы начинаете свой путь в data science или хотите укрепить свои навыки, эти проекты предоставляют практический и интерактивный способ применения ваших знаний.
Пакет Python для AutoML на табличных данных с инженерией признаков, настройкой гиперпараметров, объяснениями и автоматической документацией
Узнайте, как проектировать, разрабатывать, развертывать и итерировать производственные ML-приложения.
Репозиторий, перечисляющий потенциальные источники, которые помогут вам подготовиться к собеседованию по Data Science/Machine Learning. Новые ресурсы добавляются часто.
Determined — это платформа машинного обучения с открытым исходным кодом, которая упрощает распределенное обучение, настройку гиперпараметров, отслеживание экспериментов и управление ресурсами. Работает с PyTorch и TensorFlow.
.NET Interactive сочетает мощь .NET с многими другими языками для создания блокнотов, REPL и встроенных опытов кодирования. Делитесь кодом, исследуйте данные, пишите и учитесь в ваших приложениях способами, которые вы не могли раньше.
Тщательно отобранные ссылки на ресурсы по data science в одном месте
восхитительный инструмент машинного обучения, который позволяет обучать, тестировать и использовать модели без написания кода
Визуализируйте и сравнивайте наборы данных, целевые значения и ассоциации с помощью одной строки кода.
Deepnote — это прямая замена Jupyter с дизайном, ориентированным на искусственный интеллект, элегантным пользовательским интерфейсом, новыми блоками и нативными интеграциями данных. Используйте Python, R и SQL локально в вашем любимом IDE, а затем масштабируйтесь до облака Deepnote для совместной работы в реальном времени, агента Deepnote и развертываемых приложений для работы с данными. https://deepnote.com/
C++ DataFrame для статистического, финансового и ML-анализа в современном C++
Список общедоступных наборов данных с данными в реальном времени, поддерживаемых командой bytewax.io
Открытый контент для самостоятельного обучения в области науки о данных
Библиотека для отладки/инспектирования классификаторов машинного обучения и объяснения их предсказаний
Библиотека с открытым исходным кодом для ведения журналов данных для моделей машинного обучения и конвейеров данных. 📚 Обеспечивает наглядность качества данных и производительности модели с течением времени. 🛡️ Поддерживает сбор данных с сохранением конфиденциальности, обеспечивая безопасность и надежность. 📈
📊⚽ Коллекция проектов, данных и аналитики в области футбольной аналитики от Edd Webster (@eddwebster), включая тщательно отобранный список общедоступных ресурсов, опубликованных сообществом футбольной аналитики.
Книга_6_"Путь Данных" | Книга Ириса: От сложения, вычитания, умножения и деления до машинного обучения; мы приветствуем вашу критику и исправления! Студенты, которые исправят больше ошибок, получат книгу в подарок в знак благодарности!
Feather: быстрое, интероперабельное хранилище бинарных фреймов данных для Python, R и других, на базе Apache Arrow
ArcticDB — это высокопроизводительная бессерверная база данных DataFrame, созданная для экосистемы науки о данных Python.
Расширения Jupyter, которые помогут вам быстрее писать код: контекстно-зависимый чат с ИИ, автозаполнение и электронная таблица
Клиент Supabase для Python. Запросы к Postgres из Flask, Django и FastAPI. Аутентификация пользователей в Python, политики безопасности, периферийные функции, файловое хранилище и потоковая передача данных в реальном времени.
Apache Hamilton помогает специалистам по данным и инженерам определять тестируемые, модульные, самодокументируемые потоки данных, которые кодируют происхождение/отслеживание и метаданные. Работает и масштабируется везде, где работает python.
Быстрая, точная и масштабируемая вероятностная связь данных с поддержкой нескольких SQL-бэкендов