data-analysis

Community-getriebenes, einfaches und dennoch leistungsstarkes Framework für schnelle, kostengünstige verteilte Compute-over-Data.

🌀 Was ist wirklich in Ihrem Discord-Datenpaket?

ELKI Data Mining Toolkit

Knickpunkt-Erkennung (Knee-Point Detection) in Python :chart_with_upwards_trend:

scikit-mobility: Mobilitätsanalyse in Python

Feature Engineering ist der Prozess, bei dem Domänenwissen genutzt wird, um Merkmale aus Rohdaten mittels Data-Mining-Techniken zu extrahieren. Diese Merkmale können zur Verbesserung der Leistung von Machine-Learning-Algorithmen verwendet werden. Feature Engineering kann als angewandtes Machine Learning an sich betrachtet werden.

Eine Python-Bibliothek, angetrieben von Sprachmodellen (LLMs), für die konversationelle Datenerkennung und -analyse.

Code und Daten für die zweite Auflage von „Practical SQL“ von Anthony DeBarros, veröffentlicht bei No Starch Press.

DataFoundry ist eine Open-Source-KI-Arbeitsumgebung für Datenanalyse, die Datenquellen, Wissen, Tools und Agent-Runtime in einem kontrollierten Workspace für interaktive Analysen vereint.

Einstieg in die SQL-Datenbankprogrammierung. Dieser Anfängerleitfaden bietet Schritt-für-Schritt-Tutorials, praktische Beispiele, Übungen und Ressourcen zur Beherrschung von SQL. Entfesseln Sie die Macht der Daten mit SQL!

Kontinuierlich aktualisierte Liste von Arbeiten zu Fortschritten bei Data Agents. Begleitrepo zu unserem Paper „A Survey of Data Agents: Emerging Paradigm or Overstated Hype?“

Materialien zum Buch „Hands-On Data Analysis with Pandas – Second Edition“

Ein leistungsstarkes, formatunabhängiges und von der Community getragenes Python-Paket zur Analyse und Visualisierung von Geowissenschaftsdaten

Spotify-Playlists über die Web-API exportieren und im Jupyter Notebook analysieren.

Open-Source-KI-gestützte Data-Science-Plattform.

Drag-and-Drop Pivot-Tabellen und -Diagramme für Jupyter/IPython Notebook, bereitgestellt von PivotTable.js

Fortgeschrittene und schnelle Datentransformation in R

Eine Full-Stack-ML-Roadmap (Machine Learning) vermittelt die notwendigen Fähigkeiten und Technologien, um in allen Aspekten des maschinellen Lernens kompetent zu werden, einschließlich Datenerfassung und -vorverarbeitung, Modellentwicklung, Bereitstellung und Wartung.

Code und Daten zur ersten Ausgabe von „Practical SQL“ von Anthony DeBarros, veröffentlicht bei No Starch Press (2018).

Python-Client und Toolkit für DataFrames, Big Data, Machine Learning und ETL in Elasticsearch

WeDataSphere ist eine Big-Data-Plattformsuite mit Finanzstandard.

ML-capsule ist ein Projekt für Anfänger und erfahrene Data-Science-Enthusiasten, die keinen Mentor oder keine Anleitung haben und Machine Learning lernen möchten. Mit unserem Repository können sie ML, DL und viele verwandte Technologien anhand verschiedener realer Projekte erlernen und sich auf Vorstellungsgespräche vorbereiten.

Interaktive Notebooks von Planet Engineering

Code-Repository für das Buch SQL for Data Analysis

Behalten Sie den Überblick über Ihre Data Science. Skores Open-Source-Python-Bibliothek beschleunigt die Entwicklung von ML-Modellen durch automatisierte Evaluierungsberichte, intelligente methodische Anleitung und umfassende Kreuzvalidierungsanalysen.

ScienceClaw ist ein persönlicher Forschungsassistent, entwickelt mit LangChain DeepAgents und der AIO-Sandbox-Infrastruktur, mit einer völlig neuen Architektur jenseits von OpenClaw. Er bietet höhere Sicherheit, bessere Transparenz und eine benutzerfreundlichere Erfahrung.

Tabellenanalyse in Tkinter unter Verwendung von pandas DataFrames.

Vollständiger Lebenszyklus eines Data-Science-Projekts

Die führende Open-Source-Lösung für Datenqualität

oneAPI Data Analytics Library (oneDAL)