data-science

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

Interaktive Netzwerk-Visualisierung in Python und Dash, basierend auf Cytoscape.js

Erstelle 12 Daten-Apps in Python mit Streamlit

Code-Repository für das Buch SQL for Data Analysis

RAGLight ist ein modulares Framework für Retrieval-Augmented Generation (RAG). Es erleichtert die Einbindung verschiedener LLMs, Embeddings und Vektorspeichern und enthält nun eine nahtlose MCP-Integration zur Anbindung externer Tools und Datenquellen.

Plotlars ist eine Rust-Bibliothek, die die Integration zwischen der Datenanalyse-Bibliothek Polars und der Plotly-Bibliothek erleichtert.

Zugriff auf und Analyse von historischen Wetter- und Klimadaten mit Python.

🎨 Toolkit zum Generieren von Diagrammen in Publikationsqualität für Zeitschriften wie Cell, Nature und Science

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.

(AAAI' 20) A Python Toolbox for Machine Learning Model Combination

Turbodbc ist ein Python-Modul für den Zugriff auf relationale Datenbanken über die ODBC-Schnittstelle (Open Database Connectivity). Das Modul entspricht der Python Database API Specification 2.0.

Eine kuratierte Sammlung kostenloser Ressourcen zur Vertiefung Ihres Verständnisses der Programmiersprache R. Wird regelmäßig aktualisiert. Beiträge über Pull Requests sind willkommen (siehe contributing.md).

Pandas-, Polars-, Spark- und Snowpark-DataFrame-Vergleich für Menschen und mehr!

Eine Sammlung ziemlich cooler Datensätze für die Netzwerk- und Machine-Learning-Forschung.

Vollständiger Lebenszyklus eines Data-Science-Projekts

Die führende Open-Source-Lösung für Datenqualität

oneAPI Data Analytics Library (oneDAL)

Kursmaterialien für: Geospatial Data Science

Verallgemeinerte lineare Modelle in Julia

Hausaufgaben für Data-Science-Positionen

Second Brain ist ein agentenbasiertes Framework, das als Betriebssystem fungiert und lokale Dateiintelligenz, Workflow-Automatisierung sowie LLMs nutzt, um Aufgaben zu erledigen und über mehrere Modalitäten und Messaging-Plattformen zu kommunizieren.

mRMR (minimum-Redundancy-Maximum-Relevance) für die automatische Merkmalsauswahl im großen Maßstab.

Wenn Sie von einem meiner Data-Science-Tutorials kommen, finden Sie hier den Code und die Links zu den Tutorials. Ich hoffe, sie sind hilfreich für Sie. Viel Spaß beim Lernen und Programmieren!

Cross Beat (xbe.at) – Deine Anlaufstelle für Python-, Machine-Learning- und KI-Tutorials. Entdecke Python-Tutorials, KI-Einblicke und mehr.

Präsentationen, Papiernotizen, Vorlesungsnotizen, Blogbeiträge und Forschung zu ML 📉, Statistik 📊 und KI 🤖.

Resumable Polymarket indexer: CLOB market metadata plus on-chain trades from Polygon, in one DuckDB file you can query with SQL

Wahrscheinlichkeitsrechnung und Statistik für Data Science: Eine eigenständige Einführung in Wahrscheinlichkeit und Statistik für Data Science, einschließlich eines kostenlosen PDF, 103 Python-Notebooks mit 23 realen Datensätzen, 118 Videos mit Folien und Lösungen für 200 Übungen

🐟 Ein Schweizer Taschenmesser für Daten-I/O

Vollständige KI-Kurse von Humai

Lernen Sie Machine Learning mit dem Amazon ML Summer School Program 2026. Greifen Sie auf Sitzungszusammenfassungen, Multiple-Choice-Fragen aus den Vorjahren, Programmierfragen und offizielles Testmaterial zu. Üben Sie modulweise Programmieraufgaben und bauen Sie eine solide Grundlage für Interviews und reale Anwendungen auf.