data-mining

Ein Deep-Learning-Python-Toolkit für Anwendungen im Gesundheitswesen.

Eine professionelle Liste von Papers, Tutorials und Surveys zu KI für Zeitreihen auf Top-KI-Konferenzen und -Zeitschriften.

Bibliothek für Mehrklassen-Konfusionsmatrizen in Python

Ein Toolkit für Machine Learning und Deep Learning von Zeitreihen

UnityPy ist ein Python-Modul, mit dem sich Unity-Assets extrahieren, entpacken und bearbeiten lassen.

AIL-Framework – Analysis Information Leak Framework. Das Projekt wurde nach https://github.com/ail-project verschoben

CleverCSV ist ein Python-Paket zur Handhabung unsauberer CSV-Dateien. Es bietet einen direkten Ersatz für das integrierte CSV-Modul mit verbesserter Dialekterkennung und enthält eine praktische Befehlszeilenanwendung für die Arbeit mit CSV-Dateien.

NFStream: Ein flexibles Framework zur Netzwerkdatenanalyse.

pyclustering ist eine Data-Mining-Bibliothek für Python und C++.

Sammlung verschiedener in R implementierter Algorithmen

:video_game: Eine kuratierte Liste großartiger Spieldatensätze und Werkzeuge für künstliche Intelligenz in Spielen

Offizielle Implementierung von "ADBench: Anomaly Detection Benchmark", NeurIPS 2022.

Offizielles öffentliches Repository für PM4Py (Process Mining for Python) — eine Open-Source-Bibliothek zum Erkunden, Analysieren und Optimieren von Geschäftsprozessen mit Python.

[IEEE T-KDE 2026] Awesome Deep Graph Clustering ist eine Sammlung von SOTA- und neuartigen Deep-Graph-Clustering-Methoden (Papers, Codes und Datensätze).

AIL-Framework – Analysis Information Leak Framework

ELKI Data Mining Toolkit

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.

Meine Bücherliste

Reproduzierbares Machine Learning für die Erkennung von Kreditkartenbetrug – Ein praktisches Handbuch

Beispiele für Techniken zum Trainieren interpretierbarer ML-Modelle, zum Erklären von ML-Modellen und zum Debuggen von ML-Modellen hinsichtlich Genauigkeit, Diskriminierung und Sicherheit.

Zeitreihenanalyse im `tidyverse`

GrimoireLab: Plattform für Softwareentwicklungs-Analysen und -Einblicke

Relationales Messaging-Datenbank-Schema für Einzel- und Gruppenchat-Apps mit Anhängen und MySQL Workbench-Modell.

Sammlung von wissenschaftlichen Arbeiten, Implementierungen, Datensätzen und Tools zur Community-Erkennung mittels Deep Learning und konventionellen Methoden

Jekyll-basierte statische Website für The Programming Historian

Dieses Repository enthält eine Leseliste mit wissenschaftlichen Arbeiten zur Zeitreihensegmentierung. Das Repository wird kontinuierlich erweitert.

Das einzige Open-Source-Toolkit, das SEC EDGAR-Finanzberichte herunterladen und Textdaten aus spezifischen Abschnitten in saubere, strukturierte JSON-Dateien extrahieren kann. Präsentiert auf der WWW 2025 in Sydney, Australien (https://dl.acm.org/doi/10.1145/3701716.3715289).