#statistics Репозитории
Всего репозиториев: 174
Плагин Player Analytics для платформ серверов Minecraft - Просматривайте активность игроков вашего сервера с легкостью. :calendar:
JASP стремится стать полным статистическим пакетом для байесовских и частотных статистических методов, который прост в использовании и знаком пользователям SPSS
Все шпаргалки Стэнфорда: Искусственный интеллект, Трансформеры, LLM, Глубокое обучение, Машинное обучение, Вероятности, Статистика, Алгебра и Исчисление.
📚 Введение в современную статистику - Открытый учебник университетского уровня с современным подходом, подчеркивающим многомерные взаимосвязи и вывод на основе симуляций.
Наблюдаемость API. Отслеживайте вызовы API и контролируйте производительность, состояние и статистику использования API в микросервисах Node.js.
Сопутствующая веб-страница книги «Bayesian Optimization» Романа Гарнетта
🌞 Очень настраиваемая JavaScript‑библиотека для создания интерактивных тепловых карт. Она преобразует данные в плавные, визуально интуитивные слои тепла, облегчая обнаружение паттернов и интенсивности одним взглядом.
добавление аннотаций статистической значимости на графики seaborn. Дальнейшее развитие statannot, с исправлениями ошибок, новыми функциями и другим API.
Streamystats — это статистический сервис для Jellyfin, предоставляющий аналитику и визуализацию данных.
Репозиторий кода для проектов и руководств по R и Python, охватывающий различные темы в визуализации данных, статистике, спортивной аналитике и общем применении теории вероятностей.
Gramm — это полная панель инструментов для визуализации данных для Matlab. Она предоставляет простой в использовании и высокоуровневый интерфейс для создания графиков публикационного качества для сложных данных с разнообразными статистическими визуализациями. Gramm вдохновлён библиотекой ggplot2 языка R.
Сводная статистика команд и проектов с открытым исходным кодом от «крупных компаний».
Советы по программированию на R для очистки данных, визуализации данных, статистического моделирования и машинного обучения
Машинное обучение для многомерных данных через риманову геометрию положительно определённых матриц в Python
Вероятностное иерархическое прогнозирование 👑 с использованием статистических и эконометрических методов.
Стильный дизайн, универсальные функции – лучший калькулятор для Android.
Компаньон для Windows для режима ARAM: Хаос в League of Legends с рекомендациями LCU только для чтения, статистикой улучшений «Гекс» и внутриигровыми OCR-оверлеями.
Полный стек ML (машинное обучение) Roadmap включает в себя изучение необходимых навыков и технологий для освоения всех аспектов машинного обучения, включая сбор и предварительную обработку данных, разработку моделей, развертывание и обслуживание.
ML-capsule — это проект для начинающих и опытных энтузиастов в области науки о данных, у которых нет наставника или руководства, но которые хотят изучать машинное обучение. Используя наш репозиторий, они могут изучить ML, DL и многие смежные технологии на примере различных реальных проектов и подготовиться к собеседованиям.
Получайте доступ и анализируйте исторические данные о погоде и климате с помощью Python.
GSTools - Геостатистический инструментарий: случайные поля, оценка вариограммы, модели ковариации, криплинг и многое другое
PyTensor позволяет определять, оптимизировать и эффективно вычислять математические выражения, содержащие многомерные массивы.
Модуль для статистического обучения с особым акцентом на моделирование, зависящее от времени
Вероятность и статистика для науки о данных: Самодостаточное введение в теорию вероятностей и статистику для науки о данных, включая бесплатный пдф-файл, 103 тетради Python с использованием 23 реальных наборов данных, 118 видео с<bos>лайдами и решениями к 200 упражнениям