#data-analysis 仓库
共 290 个仓库
面向数据科学的基于GUI的Python代码生成器,Jupyter Lab、Jupyter Notebook和Google Colab的扩展。
我正在参加 Ken Jee 的 #66daysofdata 挑战,分享我通过 #66daysofdata 学习数据分析的旅程。
这是一款由 AI 驱动的数据分析工作台,专为透明性、可复现性和用户控制而打造。检查结果背后的代码和证据,通过回放验证计算过程,并从丰富的模型中进行选择,包括本地开放权重模型。
特征工程是使用领域知识通过数据挖掘技术从原始数据中提取特征的过程。这些特征可以用来提高机器学习算法的性能。特征工程可以被视为应用机器学习本身。
DataFoundry 是一个用于数据分析的开源 AI 工作台,它将数据源、知识、工具和智能体运行时统一到一个受治理的工作空间中,以进行交互式分析。
用于跟随《Hands-On Data Analysis with Pandas – Second Edition》的资料
用于 Jupyter/IPython Notebook 的拖放式数据透视表和图表,由 PivotTable.js 提供
全栈机器学习 (ML) 路线图涉及学习必要的技能和技术,以精通机器学习的各个方面,包括数据收集和预处理、模型开发、部署和维护。
ML-capsule 是一个专为没有导师或指导、希望学习机器学习的初学者和经验丰富的数据科学爱好者而设计的项目。通过我们的存储库,他们可以学习 ML、DL 以及许多相关技术,并通过各种真实项目为面试做好准备。
ScienceClaw 是一个使用 LangChain DeepAgents 和 AIO Sandbox 基础设施构建的个人研究助手,采用了一种完全超越 OpenClaw 的全新架构。它提供更强的安全性、更好的透明度和更友好的用户体验。