data-science

Eine Desktop-Anwendung zum Anzeigen und Analysieren von tabellarischen Daten

Debugging, Monitoring und Visualisierung für Python Machine Learning und Data Science

Ein Repository mit potenziellen Quellen zur Vorbereitung auf Data Science- und Machine Learning-Interviews. Regelmäßig werden neue Ressourcen hinzugefügt.

Kausale Inferenz für Mutige. Ein humorvoller und dennoch rigoroser Ansatz zum Erlernen von Wirkungsschätzung und Kausalität.

Lernen Sie, wie man produktionsbereite ML-Anwendungen entwirft, entwickelt, bereitstellt und iteriert.

Koalas: pandas API auf Apache Spark

Buch 7 „Maschinelles Lernen“ | Iris-Buch: Von Grundrechenarten zum maschinellen Lernen; Feedback und Korrekturen sind willkommen.

GeoAI: Künstliche Intelligenz für Geodaten

Bände 1 und 2 von „Lineare Algebra ist nicht schwer“ aus der Reihe „Mathematik ist nicht schwer“, 66 Themen komplett; Kritik und Korrekturen sind willkommen.

Python-Paket für AutoML auf tabellarischen Daten mit Feature Engineering, Hyperparameter-Tuning, Erklärungen und automatischer Dokumentation

Determined ist eine Open-Source-Plattform für maschinelles Lernen, die verteiltes Training, Hyperparameter-Tuning, Experimentverfolgung und Ressourcenverwaltung vereinfacht. Funktioniert mit PyTorch und TensorFlow.

Sorgfältig kuratierte Ressourcenvinks für Data Science an einem Ort

Eine Python-Bibliothek zur Entscheidungsbaum-Visualisierung und Modellinterpretation.

Ein wunderbares Machine-Learning-Tool, mit dem Sie Modelle ohne Code-Schreiben trainieren, testen und verwenden können

Glossar für maschinelles Lernen

Visualisieren und vergleichen Sie Datensätze, Zielwerte und Assoziationen mit nur einer Zeile Code.

Dieses Repository ist eine kuratierte Sammlung praxisnaher Data-Science-Projekte für Anfänger. Egal, ob Sie gerade erst in Data Science einsteigen oder Ihre Fähigkeiten vertiefen möchten, diese Projekte bieten eine praktische und interaktive Möglichkeit, Ihr Wissen anzuwenden.

StellarGraph – Maschinelles Lernen auf Graphen

Deepnote ist ein direkter Ersatz für Jupyter mit einem KI-zentrierten Design, einer eleganten Benutzeroberfläche, neuen Blöcken und nativen Datenintegrationen. Nutzen Sie Python, R und SQL lokal in Ihrer bevorzugten IDE und skalieren Sie dann zur Deepnote-Cloud für Echtzeit-Kollaboration, den Deepnote-Agenten und bereitstellbare Daten-Apps. https://deepnote.com/

FFCV: Fast Forward Computer Vision (und andere ML-Workloads!)

C++ DataFrame für statistische, finanzielle und ML-Analysen in modernem C++

Eine Liste öffentlich zugänglicher Datensätze mit Echtzeitdaten, gepflegt vom Team von bytewax.io

chDB ist eine In-Process-OLAP-SQL-Engine 🚀, angetrieben von ClickHouse

Eine Open-Source-Datenprotokollierungsbibliothek für Modelle des maschinellen Lernens und Daten-Pipelines. 📚 Bietet Einblick in Datenqualität und Modellleistung im Zeitverlauf. 🛡️ Unterstützt datenschutzfreundliche Datenerfassung für Sicherheit und Robustheit. 📈

Eine Bibliothek zum Debuggen und Inspizieren von Machine-Learning-Klassifikatoren sowie zum Erklären ihrer Vorhersagen

📊⚽ Eine Sammlung von Fußballanalyse-Projekten, Daten und Analysen von Edd Webster (@eddwebster), einschließlich einer kuratierten Liste öffentlich verfügbarer Ressourcen der Fußballanalyse-Community.

Buch 6 „数据有道“ | Iris-Buch: Von Grundrechenarten bis Machine Learning; Feedback und Korrekturen sind herzlich willkommen! Wer die meisten Fehler korrigiert, erhält als Dankeschön ein Gratisbuch!

Jupyter-Erweiterungen, die Ihnen helfen, Code schneller zu schreiben: Kontextsensitive KI-Chats, Autovervollständigung und Tabellenkalkulationen

Überlebenszeitanalyse in Python

Eine Visualisierungsbibliothek für Rust