data-analysis

Framework impulsado por la comunidad, simple pero potente, para computación distribuida sobre datos de forma rápida y rentable.

¿Qué hay realmente en tu paquete de datos de Discord?

Kit de herramientas de minería de datos ELKI

Detección del punto de inflexión (knee point) en Python.

La ingeniería de características es el proceso de utilizar el conocimiento del dominio para extraer características de datos sin procesar mediante técnicas de minería de datos. Estas características pueden utilizarse para mejorar el rendimiento de los algoritmos de aprendizaje automático. La ingeniería de características puede considerarse como el aprendizaje automático aplicado en sí mismo.

scikit-mobility: análisis de movilidad en Python

Biblioteca de Python impulsada por modelos de lenguaje (LLM) para el descubrimiento y análisis de datos conversacionales.

Código y datos para la segunda edición de "Practical SQL" de Anthony DeBarros, publicado por No Starch Press.

DataFoundry es un entorno de trabajo de IA de código abierto para el análisis de datos, que unifica fuentes de datos, conocimientos, herramientas y tiempo de ejecución de agentes en un espacio de trabajo gobernado para análisis interactivos.

Comienza con la programación de bases de datos SQL. Esta guía para principiantes ofrece tutoriales paso a paso, ejemplos prácticos, ejercicios y recursos para dominar SQL.

Lista de artículos actualizada continuamente sobre avances en Agentes de Datos. Repositorio complementario a nuestro artículo "Una encuesta sobre Agentes de Datos: ¿Paradigma emergente o exageración excesiva?"

Materiales para seguir el libro Hands-On Data Analysis with Pandas – Second Edition

Un paquete de Python potente, agnóstico al formato y desarrollado por la comunidad para analizar y visualizar datos de ciencias de la Tierra.

Exporta listas de reproducción de Spotify usando la Web API y analízalas en Jupyter notebook.

Plataforma de ciencia de datos de código abierto impulsada por IA.

Tablas dinámicas y gráficos de arrastrar y soltar para Jupyter/IPython Notebook, mediante PivotTable.js

Transformación de datos avanzada y rápida en R

Una hoja de ruta de Full Stack ML (Machine Learning) que abarca el aprendizaje de las habilidades y tecnologías necesarias para dominar todos los aspectos del aprendizaje automático, incluyendo la recopilación y preprocesamiento de datos, desarrollo de modelos, despliegue y mantenimiento.

Código y datos para la primera edición de "Practical SQL" de Anthony DeBarros, publicado por No Starch Press (2018).

Cliente y kit de herramientas de Python para DataFrames, Big Data, Machine Learning y ETL en Elasticsearch

WeDataSphere es una suite de plataforma de big data integral de grado financiero.

ML-capsule es un proyecto para principiantes y entusiastas de la ciencia de datos que no cuentan con un mentor y desean aprender Machine Learning. A través de este repositorio, pueden aprender ML, DL y tecnologías relacionadas mediante proyectos del mundo real para prepararse para entrevistas.

Cuadernos interactivos de Planet Engineering

Repositorio de código para el libro SQL for Data Analysis

Realice un seguimiento de su ciencia de datos. La biblioteca de Python de código abierto de Skore acelera el desarrollo de modelos de ML con informes de evaluación automatizados, orientación metodológica inteligente y análisis exhaustivo de validación cruzada.

ScienceClaw es un asistente de investigación personal construido con LangChain DeepAgents y la infraestructura AIO Sandbox, que adopta una arquitectura completamente nueva más allá de OpenClaw. Ofrece mayor seguridad, mejor transparencia y una experiencia más fácil de usar.

Análisis de tablas en Tkinter utilizando DataFrames de pandas.

Ciclo de vida completo de un proyecto de ciencia de datos

Biblioteca de análisis de datos oneAPI (oneDAL)

La solución de código abierto líder en calidad de datos.