data-science

Notebooks de Jupyter que respaldan mis publicaciones de blog sobre ciencia de datos de grafos en https://bratanic-tomaz.medium.com/

Una lista exhaustiva de más de 180 canales de YouTube sobre ciencia de datos, ingeniería de datos, aprendizaje automático, aprendizaje profundo, informática, programación, ingeniería de software, etc.

Curso de ciencia de datos de 2015 de General Assembly en Washington, DC.

Backend multimodal unificado para aplicaciones de datos de IA.

Paquete de ML interpretable 🔍 para modelos predictivos concisos, transparentes y precisos (compatible con sklearn).

Chatea con tus datos: análisis y visualización de datos mediante IA para CSV, Postgres, MySQL, Snowflake, SQLite y más.

Implementaciones de alta calidad de métodos estándar y SOTA en diversas tareas.

Una lista curada de más de 100 recursos para construir y desplegar IA generativa, centrándose específicamente en ayudarte a convertirte en un Científico de Datos de IA Generativa con LLMs.

Una biblioteca compatible con scikit-learn para estimar intervalos de predicción y controlar riesgos, basada en predicciones conformes.

:bar_chart: :clipboard: Paneles de control usando archivos YAML o JSON

¿Qué hay en tus datos? Extrae esquemas, estadísticas y entidades de conjuntos de datos.

DataFrames de streaming en Python para Kafka.

El repositorio de código oficial de la segunda edición del libro de O'Reilly Generative Deep Learning: Teaching Machines to Paint, Write, Compose and Play.

fklearn: Aprendizaje automático funcional.

:truck: Flujos de trabajo de preparación de datos ágiles facilitados con Pandas, Dask, cuDF, Dask-cuDF, Vaex y PySpark

Librería de Python para pronóstico de series temporales utilizando modelos compatibles con scikit-learn, métodos estadísticos y modelos base

Una lista curada de los mejores recursos de inteligencia artificial

Biblioteca de matriz de confusión multiclase en Python.

AIDE: un agente LLM para ingeniería de aprendizaje automático, la investigación de la que surgió Weco. Referenciado en MLE-bench de OpenAI.

Trucos y herramientas eficientes de Python para científicos de datos.

AKTools es una biblioteca de API HTTP elegante y sencilla para AKShare, creada para los usuarios de AKShare.

Lenguaje agnóstico de modelo para exploración y explicación

Framework rápido y personalizable para la creación automática de modelos de ML (AutoML)

La opción de código abierto para científicos de datos para escalar, evaluar y mantener datos de lenguaje natural. Trata los datos de entrenamiento como un artefacto de software.

Herramientas sencillas para la limpieza de datos en R.

Una colección de Jupyter notebooks de referencia y aplicaciones de demostración de IA/ML para casos de uso empresarial: marketing, precios, cadena de suministro, fabricación inteligente y más.

Concrete ML: framework de ML que preserva la privacidad mediante cifrado totalmente homomórfico (FHE), construido sobre Concrete, con enlaces a frameworks de ML tradicionales.

Recursos de ciencia de datos seleccionados (gratuitos y de pago) para ayudar a científicos de datos aspirantes y experimentados a aprender, crecer y avanzar en sus carreras.

Un kit de herramientas para aprendizaje automático y aprendizaje profundo de series temporales.

Framework de aprendizaje profundo de la Koç University.