data-science

12 semanas, 26 lecciones, 52 cuestionarios, Machine Learning clásico para todos

Apache Superset es una plataforma de visualización y exploración de datos

El desafío de programación de 30 días de Python es una guía paso a paso para aprender el lenguaje de programación Python en 30 días. Este desafío puede tomar más de 100 días. Sigue tu propio ritmo. Estos videos también pueden ayudar: https://www.youtube.com/channel/UC7PNRuno1rzYPb1xLa4yktw

scikit-learn: aprendizaje automático en Python

Deep Learning para humanos

Biblioteca flexible y potente de análisis y manipulación de datos para Python, que ofrece estructuras de datos etiquetadas similares a los objetos data.frame de R, funciones estadísticas y mucho más.

Aprende a desarrollar, desplegar e iterar sobre aplicaciones de ML listas para producción.

Ofertas de prácticas en ingeniería de software, ciencia de datos, IA, finanzas cuantitativas, gestión de productos y hardware para el verano de 2027. Actualizado diariamente por Simplify y Pitt CSC.

Apache Airflow: una plataforma para crear, programar y supervisar flujos de trabajo mediante código

Streamlit — Una forma más rápida de crear y compartir aplicaciones de datos.

Ray es un motor de cómputo para IA. Consta de un entorno de ejecución distribuido central y un conjunto de librerías de IA para acelerar las cargas de trabajo de ML.

Construye y comparte agradables aplicaciones de machine learning, todo en Python. 🌟 ¡Dale una estrella para apoyar nuestro trabajo!

10 semanas, 20 lecciones, ¡ciencia de datos para todos!

500 proyectos de IA, Machine Learning, Deep Learning, Computer Vision y NLP con código

💫 Procesamiento de Lenguaje Natural (PLN) de nivel industrial en Python

Preentrena y ajusta cualquier modelo de IA de cualquier tamaño en 1 o más de 10,000 GPUs sin realizar cambios en el código.

Hoja de ruta para convertirse en experto en Inteligencia Artificial en 2022

📚 Artículos y blogs técnicos de empresas que comparten su trabajo sobre ciencia de datos y machine learning en producción.

:memo: Un repositorio increíble de ciencia de datos para aprender y aplicar a problemas del mundo real.

Libro interactivo de deep learning con código para múltiples frameworks, matemáticas y discusiones. Adoptado en 500 universidades de 70 países, incluyendo Stanford, MIT, Harvard y Cambridge.

Notebooks de Python para ciencia de datos: Aprendizaje profundo (TensorFlow, Theano, Caffe, Keras), scikit-learn, Kaggle, big data (Spark, Hadoop MapReduce, HDFS), matplotlib, pandas, NumPy, SciPy, fundamentos de Python, AWS y varias líneas de comandos.

🕸️ Aplicaciones web en Python puro 🐍

También conocido como "Métodos Bayesianos para Hackers": Una introducción a los métodos bayesianos y la programación probabilística con un enfoque centrado en el cálculo y la comprensión primero, y en las matemáticas después. Todo en Python puro ;)

El libro de fastai, publicado como Jupyter Notebooks.

Aplicaciones de datos y paneles de control para Python. Sin necesidad de JavaScript.

Chatea con tu base de datos o tu lago de datos (SQL, CSV, parquet). PandasAI hace que el análisis de datos sea conversacional usando LLMs y RAG.

🏆 Una lista ordenada de increíbles bibliotecas de Python para aprendizaje automático. Actualizada semanalmente.

Prefect es un marco de orquestación de flujos de trabajo para construir tuberías de datos resilientes en Python.

matplotlib: gráficos con Python

Un cuaderno reactivo para Python: ejecuta experimentos reproducibles, consulta con SQL, ejecuta como script, despliega como aplicación y versiona con git. Almacenado como Python puro. Todo en un editor moderno nativo de IA.