data-science

Eine Sammlung von Projekten zu Machine Learning, Datenanalyse und mehr. Jedes Verzeichnis enthält Code, Datensätze, Dokumentationen und Ressourcen. Entdecken Sie Einblicke und Techniken der Data Science. Kontaktieren Sie mich für Kooperationen und Feedback.

Eine weitere redundante Workflow-Engine.

NLP Zero to Hero in nur 10 Kernels.

Schnelles, festplattenbasiertes und parallelisiertes Framework zur Datenmanipulation für Daten, die den Arbeitsspeicher überschreiten.

Vereinigter MySQL-, Postgres- und FlightSQL-Server, betrieben durch DuckDB.

Data Package ist ein Standard, der aus einer Reihe einfacher, aber erweiterbarer Spezifikationen zur Beschreibung von Datensätzen, Datendateien und tabellarischen Daten besteht. Es handelt sich um eine Datendefinitionssprache (DDL) und eine Daten-API, die die Auffindbarkeit, Zugänglichkeit, Interoperabilität und Wiederverwendbarkeit (FAIR) von Daten erleichtert.

Modeltime integriert Zeitreihenprognosemodelle und maschinelles Lernen in einem Framework.

Eine hochperformante Bibliothek für Fließkommazahlen mit beliebiger Genauigkeit.

Offizielles Repository für das Buch Efficient Python for Data Scientists. Das Buch kann hier erworben werden:

Ein vereinfachtes Framework und Hilfsprogramme für PyTorch.

Eine kuratierte Liste von Bildungsressourcen für grundlegende Data-Science-Fähigkeiten.

Obsidian-Tools – ein Python-Paket zur Analyse eines Obsidian.md-Vaults

Die ultimative Ressourcensammlung für Projekte vom Anfänger- bis zum Fortgeschrittenenniveau an einem Ort.

DataCamp Projektlösungen

Eine einheitliche Schnittstelle für Optimierungsalgorithmen und Experimente

Eine kuratierte Liste von Ressourcen zur künstlichen Intelligenz (Kurse, Tools, Apps, Open-Source-Projekte)

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

Automatisierung der Datenexploration und -aufbereitung

Ihr schnörkelloser Leitfaden zur Mathematik in der künstlichen Intelligenz

Ein einfaches und elegantes Framework zur Experimentverfolgung, das Persistenzlogik und Best Practices direkt in Python integriert.

Muster für verteiltes maschinelles Lernen von Manning Publications, verfasst von Yuan Tang.

Eine Sammlung hilfreicher Ressourcen zu Data Science und Machine Learning (ich poste nur, was ich selbst gelesen habe!)

apricot implementiert submodulare Optimierung zur Auswahl von Teilmengen massiver Datensätze, um Machine-Learning-Modelle schnell zu trainieren. Siehe Dokumentationsseite: https://apricot-select.readthedocs.io/en/latest/index.html

Engine für KI/ML/Daten-Tracking, Visualisierung, Erklärbarkeit, Drift-Erkennung und Dashboards für Polyaxon.

Data Science in Julia Kurs für JuliaAcademy.com, unterrichtet von Huda Nassar

Für Menschen erklärbare KI.

Kuratierte Liste bekannter Projekte im Bereich Materialinformatik, d. h. in der modernen Materialwissenschaft.

Visualisieren Sie Ihre CSV-Dateien in Sekunden, ohne Ihre Daten an externe Server zu senden

Quelle für alle, die sich für Daten interessieren.

Benutzerfreundliche Python-Bibliothek mit angepassten Funktionen zur Datenbereinigung und -analyse.