#data-science Репозитории
Всего репозиториев: 688
Feathr – Масштабируемая, унифицированная платформа для инжиниринга данных и искусственного интеллекта для корпораций
Использование Python и scikit-learn для прогнозирования акций
Хранилище данных ИИ для схем, BLOB-объектов и прогнозов. Используйте его со своими приложениями или интегрируйте встроенный модуль контроля человеком, рабочий процесс обработки данных и каталог пользовательского интерфейса, чтобы получить максимальную пользу от ваших данных ИИ.
Курируемый список статей и ресурсов по обнаружению мошенничества, аномалий и выбросов на основе графов/трансформеров
Responsible AI Toolbox — это набор инструментов, предоставляющий пользовательские интерфейсы и библиотеки для исследования и оценки моделей и данных, которые позволяют лучше понимать системы ИИ. Эти интерфейсы и библиотеки позволяют разработчикам и заинтересованным сторонам систем ИИ более ответственно разрабатывать и контролировать ИИ, а также принимать более обоснованные решения на основе данных.
Библиотека Python для интерактивной визуализации тематических моделей. Портирование пакета R LDAvis.
Этот репозиторий содержит все ресурсы, связанные с серией машинного обучения massive mass coders.
Куратированный список статей по дата-майнингу о выявлении мошенничества.
DATAGEN: Мультиагентный исследовательский помощник на базе ИИ, который автоматизирует генерацию гипотез, анализ данных и составление отчётов.
Легкая, локально-ориентированная и бесплатная библиотека для отслеживания экспериментов от Hugging Face 🤗
Спортивные ставки NBA с использованием машинного обучения
Полный список из более чем 180 YouTube-каналов, посвященных науке о данных, инженерии данных, машинному обучению, глубокому обучению, информатике, программированию, разработке программного обеспечения и т. д.
сравнение стендап-комиков с использованием обработки естественного языка
MLRun — это открытая платформа MLOps для быстрого создания и управления непрерывными приложениями ML на протяжении всего их жизненного цикла. MLRun интегрируется в вашу среду разработки и CI/CD и автоматизирует доставку производственных данных, конвейеров ML и онлайн-приложений.
Библиотека, совместимая с scikit-learn, для оценки прогнозных интервалов и контроля рисков на основе конформных прогнозов.
Акции в области глубокого обучения и машинного обучения представляют собой перспективные возможности как для долгосрочных, так и для краткосрочных инвесторов и трейдеров.
Учебные пособия по Apache Spark & Python (pySpark) для анализа больших данных и машинного обучения в виде IPython / Jupyter блокнотов
R-пакет caret (Classification And Regression Training), содержащий различные функции для обучения и построения графиков моделей классификации и регрессии
Бэкенд-агенты создаются с мультимодальной базой данных, оркестрацией и обслуживанием в одном файле
🚀 БЕСПЛАТНЫЕ ресурсы по ИИ - 🎓 Курсы, 👷 Вакансии, 📝 Блоги, 🔬 Исследования в области ИИ и многое другое - для всех!
Jupyter notebooks, поддерживающие мои посты в блоге по науке о данных графов на https://bratanic-tomaz.medium.com/
Интерпретируемый пакет ML 🔍 для краткого, прозрачного и точного предиктивного моделирования (совместим с sklearn).
AIDE: LLM-агент для машинного обучения — исследование, из которого вырос Weco. Упоминается в OpenAI MLE-bench.
Курс по Data Science от General Assembly 2015 года в Вашингтоне, округ Колумбия
Высококачественные реализации стандартных и SOTA методов для различных задач.
Что содержится в ваших данных? Извлекайте схемы, статистику и сущности из наборов данных
Общайтесь со своими данными — ИИ-анализ и визуализация данных для CSV, Postgres, MySQL, Snowflake, SQLite...
:bar_chart: :clipboard: Панели управления с использованием файлов YAML или JSON
HTTP API и MCP-сервер для AKShare: получайте финансовые данные из любого языка программирования или ИИ-ассистента (Claude, Cursor)
Курируемый список из 100+ ресурсов для создания и развертывания генеративного ИИ, специально ориентированный на то, чтобы помочь вам стать специалистом по генеративному ИИ с LLM
Библиотека Python для прогнозирования временных рядов с использованием моделей, совместимых с scikit-learn, статистических методов и базовых моделей
:truck: Гибкие рабочие процессы подготовки данных, упрощенные с помощью Pandas, Dask, cuDF, Dask-cuDF, Vaex и PySpark