feature-engineering

Ein automatisiertes Python-Tool für maschinelles Lernen, das ML-Pipelines mithilfe genetischer Programmierung optimiert.

Eine Open-Source-Python-Bibliothek für automatisiertes Feature Engineering

Alink ist die auf Flink basierende Plattform für Algorithmen des maschinellen Lernens, entwickelt vom PAI-Team der Alibaba Computing Platform.

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

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!

Apache Hamilton hilft Data Scientists und Engineers dabei, testbare, modulare und selbstdokumentierende Datenflüsse zu definieren, die Abstammung (Lineage/Tracing) und Metadaten kodieren. Läuft und skaliert überall dort, wo Python läuft.

Ein Low-Code-Dienst für personalisiertes Machine-Learning-Ranking von Artikeln, Einträgen, Suchergebnissen und Empfehlungen zur Steigerung der Nutzerinteraktion. Eine benutzerfreundliche Learn-to-Rank-Engine

TransmogrifAI ist eine AutoML-Bibliothek zum Erstellen modularer, wiederverwendbarer, streng typisierter Machine-Learning-Workflows auf Apache Spark mit minimalem manuellen Tuning

Open-Source-Python-Bibliothek für Feature Engineering und Feature Selection, kompatibel mit sklearn.

Der virtuelle Feature Store. Verwandeln Sie Ihre bestehende Dateninfrastruktur in einen Feature Store.

Feathr – Eine skalierbare, vereinheitlichte Daten- und KI-Engineering-Plattform für Unternehmen

Intelligenter Trading-Bot: Automatische Generierung von Signalen und Handel basierend auf maschinellem Lernen und Feature-Engineering.

Deep-Learning- und Machine-Learning-Aktien stellen vielversprechende Möglichkeiten für langfristige und kurzfristige Investoren und Trader dar.

OpenMLDB ist eine Open-Source-Datenbank für maschinelles Lernen, die eine Feature-Plattform zur Berechnung konsistenter Features für Training und Inferenz bereitstellt.

Einheitliches multimodales Backend für KI-Daten-Apps

Automatisierte Zeitreihenprognose

Hopsworks – Datenintensive KI-Plattform mit einem Feature Store

Machine Learning für Zeitreihen im großen Maßstab. Entwickelt mit Polars für hochgradig parallele Feature-Extraktion und Prognosen auf Panel-Daten.

NVTabular ist eine Feature-Engineering- und Vorverarbeitungsbibliothek für tabellarische Daten, die entwickelt wurde, um Terabyte-große Datensätze für das Training von Deep-Learning-basierten Empfehlungssystemen schnell und einfach zu verarbeiten.

Eine intuitive Bibliothek zum Extrahieren von Features aus Zeitreihen.

Willkommen im Data Science EBooks-Repository! Diese Sammlung bietet eine Vielzahl hochwertiger E-Books zu Data Science, Machine Learning und KI. Perfekt für Anfänger und Fortgeschrittene, um Ihr Wissen und Ihre Fähigkeiten zu vertiefen.

EvalML ist eine in Python geschriebene AutoML-Bibliothek.

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.

Code für Kaggle Data Science-Wettbewerbe

Temporian ist eine Open-Source-Python-Bibliothek zur Vorverarbeitung ⚡ und Feature-Generierung 🛠 von temporalen Daten 📈 für Machine-Learning-Anwendungen 🤖

BharatMLStack ist ein Open-Source-End-to-End-Infrastruktur-Stack für maschinelles Lernen, entwickelt bei Meesho zur Unterstützung von Echtzeit- und Batch-ML-Workloads im Bharat-Maßstab

Absolut kostenlose, bequeme und schnelle tägliche Aufgabenplanung

Serverless Machine Learning-Kurs zum Erstellen KI-gestützter Vorhersagedienste aus Modellen und Features

Nutzen Sie fortgeschrittene Feature-Engineering-Strategien und wählen Sie die besten Merkmale aus Ihrem Datensatz mit nur einer Zeile Code aus. Erstellt von Ram Seshadri. Mitwirkende willkommen.

Vollständiger Lebenszyklus eines Data-Science-Projekts