Git Stars Git Stars

#kaggle 仓库

探索 19 个标记为 #kaggle 的活跃开源 GitHub 仓库,它们累计获得 140,042 个 Star(平均每个项目 7,370 个)。该主题的领先项目是 donnemartin/data-science-ipython-notebooks,拥有 28,776 个 Star。

19
仓库总数
140,042
总星标数
7,370
平均每个仓库星标数
1
donnemartin/data-science-ipython-notebooks

数据科学 Python Notebook:深度学习(TensorFlow, Theano, Caffe, Keras)、scikit-learn、Kaggle、大数据(Spark, Hadoop MapReduce, HDFS)、matplotlib、pandas、NumPy、SciPy、Python 基础知识、AWS 以及各种命令行。

donnemartin
⭐ 28,776 Python 👤 donnemartin User 🕐 已更新 2024-03-20 📅 创建时间 2015-01-23
2
d2l-ai/d2l-en

交互式深度学习书籍,包含多框架代码、数学和讨论。在70个国家500所大学采用,包括斯坦福、麻省理工学院、哈佛和剑桥。

d2l-ai
⭐ 27,684 Python 👤 d2l-ai Organization 🕐 已更新 2024-08-18 📅 创建时间 2018-10-09
3
DrewThomasson/ebook2audiobook

使用 50 多种 TTS 引擎,从电子书生成有声书,支持语音克隆和 1696 种语言!

DrewThomasson
⭐ 20,615 Python 👤 DrewThomasson User 🕐 已更新 2026-11-20 📅 创建时间 2024-01-22
4
lightgbm-org/LightGBM

一个快速、分布式、高性能的梯度提升 (GBT, GBDT, GBRT, GBM 或 MART) 框架,基于决策树算法,用于排名、分类和许多其他机器学习任务。

lightgbm-org
⭐ 18,995 C++ 👤 lightgbm-org Organization 🕐 已更新 2026-11-21 📅 创建时间 2016-08-05
5
milesial/Pytorch-UNet

使用 PyTorch 实现的 U-Net,用于高质量图像的图像语义分割

milesial
⭐ 11,037 Python 👤 milesial User 🕐 已更新 2024-08-11 📅 创建时间 2017-08-16
6
catboost/catboost

一个快速、可扩展、高性能的基于决策树的梯度提升库,用于Python、R、Java、C++的排名、分类、回归和其他机器学习任务。支持CPU和GPU计算。

catboost
⭐ 9,210 C++ 👤 catboost Organization 🕐 已更新 2026-11-20 📅 创建时间 2017-07-18
7
faridrashidi/kaggle-solutions

🏅 Kaggle 解决方案和想法集合 🏅

faridrashidi
⭐ 6,556 Astro 👤 faridrashidi User 🕐 已更新 2026-11-06 📅 创建时间 2018-11-25
8
datawhalechina/competition-baseline

数据挖掘、计算机视觉、自然语言处理、推荐系统竞赛知识、代码、思路

datawhalechina
⭐ 4,781 Jupyter Notebook 👤 datawhalechina Organization 🕐 已更新 2026-07-22 📅 创建时间 2019-12-03
9
abhishekkrthakur/colabcode

在 Google Colab 或 Kaggle Notebooks 上运行 VSCode (codeserver)

abhishekkrthakur
⭐ 2,155 Python 👤 abhishekkrthakur User 🕐 已更新 2024-09-14 📅 创建时间 2020-09-09
10
ytzfhqs/AAAMLP-CN

Approaching (Almost) Any Machine Learning Problem中译版,在线文档地址:https://ytzfhqs.github.io/AAAMLP-CN/

ytzfhqs
⭐ 1,987 Jupyter Notebook 👤 ytzfhqs User 🕐 已更新 2025-12-10 📅 创建时间 2023-08-30
11
BloodAxe/pytorch-toolbelt

用于快速 R&D 原型设计和 Kaggle 耕作的 PyTorch 扩展

BloodAxe
⭐ 1,575 Python 👤 BloodAxe User 🕐 已更新 2025-10-09 📅 创建时间 2019-03-15
12
sb-ai-lab/LightAutoML

用于自动机器学习模型创建(AutoML)的快速可定制框架

sb-ai-lab
⭐ 1,484 Python 👤 sb-ai-lab Organization 🕐 已更新 2026-11-18 📅 创建时间 2022-04-18
13
catboost/tutorials

CatBoost 教程仓库

catboost
⭐ 1,112 Jupyter Notebook 👤 catboost Organization 🕐 已更新 2026-10-23 📅 创建时间 2018-06-25
14
ARahim3/kaggle-tpu-lab

在免费的 Kaggle TPU v5e-8 上运行前沿级开源模型:GLM-5.3-Flash 320B MoE(约 165 token/秒,采用我们自研的 JAX 引擎)和 Qwen3.8-27B bf16(约 130 token/秒),支持 262K 上下文和前缀缓存。可与 Claude Code、Codex、opencode 和 pi 配合使用。

ARahim3
⭐ 812 Python 👤 ARahim3 User 🕐 已更新 2026-10-06 📅 创建时间 2026-08-31
15
jeongyoonlee/Kaggler

Kaggle 数据科学竞赛代码

jeongyoonlee
⭐ 751 Python 👤 jeongyoonlee User 🕐 已更新 2024-04-25 📅 创建时间 2015-01-28
16
perpetual-ml/perpetual

Perpetual 是一款高性能梯度提升机器。它仅通过一个简单的预算参数即可在一次运行中获得最佳准确度,无需复杂调优。Perpetual 内置了因果机器学习、持续学习、本机校准和稳健漂移监测支持,并提供 Rust 核心及 Python 与 R 的零拷贝绑定。

perpetual-ml
⭐ 718 Rust 👤 perpetual-ml Organization 🕐 已更新 2026-11-11 📅 创建时间 2024-05-20
17
juliandewit/kaggle_ndsb2017

Kaggle 数据科学碗 2017

juliandewit
⭐ 627 Python 👤 juliandewit User 🕐 已更新 2024-03-17 📅 创建时间 2017-04-21
18
jiegzhan/multi-class-text-classification-cnn-rnn

将Kaggle旧金山犯罪描述分类为39个类别。使用CNN、RNN(GRU和LSTM)以及词嵌入在Tensorflow上构建模型。

jiegzhan
⭐ 602 Python 👤 jiegzhan User 🕐 已更新 2026-06-06 📅 创建时间 2016-10-28
19
whyzhow/Kaggle-NeurIPS---Open-Polymer-Prediction-2025-Silver-Algorithm-Overview

银牌 Kaggle NeurIPS 开源聚合物预测解决方案的改进且可重复实现,包含 SMILES 规范化、分子描述符、CatBoost/XGBoost 模型、OOF 堆叠,以及可选的 PyTorch Geometric GNN。

whyzhow
⭐ 591 Python 👤 whyzhow User 🕐 已更新 2026-02-28 📅 创建时间 2026-02-13

常见问题解答

1

GitHub 上最受欢迎的 #kaggle 仓库是什么?

GitHub 上排名第一的开源 #kaggle 项目是 donnemartin/data-science-ipython-notebooks,拥有 28,776 个 Star。数据科学 Python Notebook:深度学习(TensorFlow, Theano, Caffe, Keras)、scikit-learn、Kaggle、大数据(Spark, Hadoop MapReduce, HDFS)、matplotlib、pandas、NumPy、SciPy、Python 基础知识、AWS 以及各种命令行。

2

#kaggle 仓库中最常使用的编程语言有哪些?

在 GitHub 上排名靠前的 #kaggle 项目中,最常见的编程语言是 Python, Jupyter Notebook, C++, Astro。

3

#kaggle 仓库的排名是如何计算的?

我们跟踪了 19 个标记为 #kaggle 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 140,042 个 Star,平均每个仓库拥有 7,370 个 Star。排名每日根据 GitHub API 更新。