#data-science Репозитории
Всего репозиториев: 688
Интерактивные панели Python для изучения науки о данных
100 нокаутов по Data Science (Обработка структурированных данных)
Конспекты лекций по линейной алгебре с использованием Python. Эта серия конспектов лекций проведет вас через все необходимые концепции, которые закладывают основу для науки о данных или продвинутых количественных навыков. Подходит для статистиков/эконометристов, количественных аналитиков, специалистов по данным и т. д. для быстрого освежения знаний по линейной алгебре с помощью вычислений и визуализации на Python.
Библиотека совместимых с sklearn энкодеров категориальных переменных
Библиотека Python, которая помогает ученым данных выводить причинно-следственные связи, а не просто наблюдать корреляции.
Метрики машинного обучения для распределенных, масштабируемых приложений PyTorch.
Сервис машинного обучения с низким уровнем кода для персонализированного ранжирования статей, листингов, результатов поиска, рекомендаций, который повышает вовлеченность пользователей. Дружелюбный движок Learn-to-Rank
Куратированный список исследовательских работ по обнаружению сообществ с реализациями.
Список высококачественных, классических рекомендаций по компьютерным книгам, отличающийся тем, что: собираются только высококачественные, классические книги по всем направлениям, стремясь не к количеству, а к качеству.
Интуитивная библиотека для добавления функциональности построения графиков к объектам scikit-learn.
🍕 Репозиторий для сбора информации о материалах для изучения в области анализа данных и родственных областей, компаниях, работающих с данными, и словаре понятий
ML-алгоритмы в 2-2000 раз быстрее, использование памяти на 50% меньше, работает на всём оборудовании - новом и старом.
Освойте основы машинного обучения, глубокого обучения и математической оптимизации, строя ключевые концепции и модели с нуля с помощью Python.
Цель CLAIMED — обеспечить программирование в стиле быстрого прототипирования с низким/нулевым кодом, которое seamlessly интегрируется в CI/CD в продакшен.
Библиотека Python с открытым исходным кодом для инжиниринга и выбора признаков, совместимая с sklearn.
Веб-сайт, отображающий сотни диаграмм, созданных с помощью Python
Активно курируемый список крутых BI-инструментов. PR приветствуются!
Приложение Django, которое создает автоматические веб-интерфейсы для скриптов Python.
Курируемая NVIDIA коллекция образовательных ресурсов, связанных с программированием GPU общего назначения.
Селектор признаков — это инструмент для снижения размерности наборов данных машинного обучения
Открытая библиотека для подготовки данных с низким кодом на Python. Собирайте, очищайте и визуализируйте ваши данные в Python с помощью нескольких строк кода.
🚀 Более 500 отобранных ресурсов по анализу данных и науке о данных: Python, SQL, статистика, машинное обучение, ИИ, визуализация, шпаргалки, дорожные карты, подготовка к собеседованиям. Для начинающих и экспертов.
Репозиторий книг для The Turing Way: руководство по воспроизводимой, этичной и совместной работе с данными
Компендиум по ИИ, ранее называвшийся компендиумом по МО, систематизирует ресурсы и объяснения по машинному обучению (МО) и глубокому обучению — от бизнес-задачи через данные, ИИ и инженерные решения до продукта.
📺(tv) Tidy Viewer — это кроссплатформенный CLI-инструмент для форматирования CSV, который использует стилизацию столбцов для максимального удовольствия зрителя.
Лучшие идеи для определенной компании по реализации сумасшедших проектов.
Python-инструментарий/библиотека для ориентированного на реальность машинного/глубокого обучения и дата-майнинга на частично наблюдаемых временных рядах, с более чем 50 моделями нейронных сетей SOTA для задач научного анализа (импутация, классификация, кластеризация, прогнозирование, обнаружение аномалий, очистка) на неполных промышленных нерегулярно выборочных многомерных ВР с пропущенными значениями NaN
Официальные примеры Azure Machine Learning, разработанные сообществом и протестированные с помощью GitHub Actions.
Краткое, дружелюбное для начинающих введение в основные идеи линейной алгебры.
Approaching (Almost) Any Machine Learning Problem китайская версия, адрес онлайн-документации: https://ytzfhqs.github.io/AAAMLP-CN/
Виртуальное хранилище признаков. Превратите существующую инфраструктуру данных в хранилище признаков.