feature-engineering

Una herramienta de Machine Learning Automatizado en Python que optimiza pipelines de aprendizaje automático mediante programación genética.

Una biblioteca de Python de código abierto para la ingeniería de características automatizada

Alink es la plataforma de algoritmos de Machine Learning basada en Flink, desarrollada por el equipo PAI de la plataforma de computación de Alibaba.

Paquete de Python para AutoML en datos tabulares con ingeniería de características, ajuste de hiperparámetros, explicaciones y documentación automática

Libro 6: "Datos con Método" | El libro del iris: de la aritmética básica al aprendizaje automático; ¡agradecemos críticas y correcciones!

Apache Hamilton ayuda a los científicos de datos e ingenieros a definir flujos de datos comprobables, modulares y autodocumentados que codifican la procedencia, el rastreo y los metadatos. Se ejecuta y escala en cualquier lugar donde lo haga Python.

Un servicio de clasificación personalizada de Machine Learning de bajo código para artículos, listados, resultados de búsqueda y recomendaciones que aumenta la participación del usuario. Un motor Learn-to-Rank amigable.

TransmogrifAI es una biblioteca AutoML para construir flujos de trabajo de aprendizaje automático modulares, reutilizables y fuertemente tipados en Apache Spark con un ajuste manual mínimo

Librería de código abierto en Python para ingeniería y selección de características compatible con sklearn.

El Virtual Feature Store. Convierte tu infraestructura de datos existente en un feature store.

Feathr – Una plataforma de ingeniería de datos e IA escalable y unificada para empresas

Bot de trading inteligente: Generación automática de señales y trading basado en machine learning e ingeniería de características

Las acciones de Deep Learning y Machine Learning representan oportunidades prometedoras tanto para inversores como para operadores a corto y largo plazo.

OpenMLDB es una base de datos de machine learning de código abierto que proporciona una plataforma de características para calcular características consistentes para entrenamiento e inferencia.

Backend multimodal unificado para aplicaciones de datos de IA.

Predicción automatizada de series temporales

Hopsworks: plataforma de IA intensiva en datos con un Feature Store

Aprendizaje automático de series temporales a escala. Construido con Polars para la extracción de características y pronósticos altamente paralelizables en datos de panel.

NVTabular es una biblioteca de ingeniería de características y preprocesamiento para datos tabulares, diseñada para manipular de forma rápida y sencilla conjuntos de datos a escala de terabytes utilizados para entrenar sistemas de recomendación basados en deep learning.

Una biblioteca intuitiva para extraer características de series temporales.

Repositorio de libros electrónicos sobre ciencia de datos. Esta colección ofrece una variedad de libros de alta calidad sobre ciencia de datos, aprendizaje automático e IA, ideales tanto para principiantes como para estudiantes avanzados.

EvalML es una biblioteca de AutoML escrita 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.

Código para competiciones de ciencia de datos en Kaggle

Temporian es una biblioteca de Python de código abierto para el preprocesamiento y la ingeniería de características de datos temporales en aplicaciones de aprendizaje automático.

BharatMLStack es una pila de infraestructura de aprendizaje automático de código abierto y de extremo a extremo, creada en Meesho para soportar cargas de trabajo de ML en tiempo real y por lotes a escala de Bharat

Planificación de tareas diarias totalmente gratuita, cómoda y rápida

Utiliza estrategias avanzadas de ingeniería de características y selecciona las mejores variables de tu conjunto de datos con una sola línea de código. Creado por Ram Seshadri. Colaboradores bienvenidos.

Curso de aprendizaje automático sin servidor para construir servicios de predicción habilitados por IA a partir de modelos y características

Ciclo de vida completo de un proyecto de ciencia de datos