data-analysis

nannyml: Data Science nach dem Deployment in Python

Bildungsressourcen für PyMC

Die universelle Storage-Engine.

Ein Python-Toolkit/eine Bibliothek für realitätszentriertes Machine/Deep Learning & Data Mining auf teilweise beobachteten Zeitreihen, mit über 50 SOTA-Neuronalen-Netzwerk-Modellen für wissenschaftliche Analyseaufgaben (Imputation, Klassifikation, Clustering, Vorhersage, Anomalieerkennung, Bereinigung) bei unvollständigen, industriellen, unregelmäßig abgetasteten multivariaten Zeitreihen mit NaN-Fehlwerten

Bibliothek für animierte Datenvisualisierungen und Daten-Stories.

GPU-beschleunigtes t-SNE für CUDA mit Python-Bindings

Terminalbasiertes Toolkit für die GitHub-Datenanalyse.

🚀 Über 500 kuratierte Ressourcen für Datenanalyse & Data Science: Python, SQL, Statistik, ML, AI, Visualisierung, Cheatsheets, Roadmaps, Interviewvorbereitung. Für Anfänger und Experten.

Ein Python-Paket zur Bearbeitung zweidimensionaler tabellarischer Datenstrukturen

Die Responsible AI Toolbox ist eine Suite von Tools, die Benutzeroberflächen und Bibliotheken zur Modell- und Datenexploration sowie -bewertung bereitstellt, um ein besseres Verständnis von KI-Systemen zu ermöglichen. Diese Oberflächen und Bibliotheken befähigen Entwickler und Stakeholder von KI-Systemen, KI verantwortungsvoller zu entwickeln und zu überwachen sowie bessere datengestützte Entscheidungen zu treffen.

Ultraschnelle und anpassbare Python-Diagramme

Hunderte von Agenten-Fähigkeiten für die medizinische Forschung, einschließlich Studiendesign, Datenanalyse, Evidenz-Einblicken und wissenschaftlichem Schreiben.

DATAGEN: Ein KI-gestützter Multi-Agenten-Forschungsassistent zur Automatisierung von Hypothesengenerierung, Datenanalyse und Berichterstattung.

Leistungsstarke Analyselösung. In 30 Sekunden eingerichtet. Zeigen Sie alle Ihre Daten auf einem einfachen, KI-gestützten Dashboard an. Vollständig selbst hostbar und DSGVO-konform. Alternative zu Google Analytics, MixPanel, Plausible, Umami & Matomo.

DataGear Datenvisualisierungs- und Analyseplattform, mit der Sie jedes gewünschte Dashboard frei erstellen können

Daten-Pipelines mit SQL und Python erstellen, Daten aus verschiedenen Quellen einlesen, Qualitätsprüfungen hinzufügen und End-to-End-Abläufe aufbauen.

Apache Spark & Python (pySpark) Tutorials für Big-Data-Analyse und Machine Learning als IPython / Jupyter Notebooks

Maschinelles Lernen mit Dataframes

Eine umfassende Liste von über 180 YouTube-Kanälen für Data Science, Data Engineering, Machine Learning, Deep Learning, Informatik, Programmierung, Software Engineering usw.

Data-Science-Kurs 2015 der General Assembly in Washington, DC

👾 nao ist ein Open-Source-Analytics-Agent. (1) Kontext mit der nao-core CLI erstellen, (2) nao-Chat-Interface für alle bereitstellen.

Was steckt in Ihren Daten? Extrahieren Sie Schemata, Statistiken und Entitäten aus Datensätzen

ktx ist eine ausführbare Kontextschicht für Daten- und Analyse-Agenten 🐙 Ermöglicht es Claude Code, Codex oder anderen KI-Agenten, analytische Datenbanken präzise und mit dem vollen Kontext Ihres Unternehmens abzufragen.

re_data – Beheben Sie Datenprobleme, bevor Ihre Benutzer oder Ihr CEO sie entdecken 😊

fklearn: Funktionales Maschinelles Lernen

Hacknical, hacker & technical. Eine Website für GitHub-Nutzer zur Erstellung eines besseren Lebenslaufs.

Agile Datenaufbereitungs-Workflows, einfach gemacht mit Pandas, Dask, cuDF, Dask-cuDF, Vaex und PySpark

Drohnen-Log-Analyzer: Eine hochperformante, universelle Dashboard-Anwendung zur privaten Verwaltung und Analyse von DJI/Litchi-Flugprotokollen an einem Ort. Unterstützt Plugins für benutzerdefinierte Flugprotokollformate. Entwickelt mit Tauri v2, DuckDB und React.

Bibliothek für Mehrklassen-Konfusionsmatrizen in Python

Einfache Tools zur Datenbereinigung in R