numpy

Análisis de rendimiento de factores bursátiles predictivos (alfa)

Herramientas rápidas de visualización de datos e interfaz gráfica de usuario (GUI) para aplicaciones científicas y de ingeniería

Arrays y conjuntos de datos etiquetados N-D en Python

Implementación en C++ de la biblioteca Numpy de Python

Estas son las notas manuscritas de Andrew Ng en Coursera.

Tensores en C++ con transmisión y cálculo diferido

100 rompecabezas de datos para pandas, que van desde cortos y simples hasta súper difíciles (60% completado)

napari: un visor de imágenes multidimensional, rápido e interactivo para python

Programación probabilística con NumPy impulsada por JAX para autograd y compilación JIT para GPU/TPU/CPU.

Mars es un marco unificado basado en tensores para la computación de datos a gran escala que escala funciones de numpy, pandas, scikit-learn y Python.

Coincidencia y masterización de audio de código abierto

Domina los fundamentos del aprendizaje automático, el aprendizaje profundo y la optimización matemática construyendo conceptos y modelos clave desde cero usando Python.

Un módulo de Python para el análisis científico de datos 3D basado en VTK y Numpy

Este repositorio te ayuda a aprender Python y Machine Learning desde cero.

Código fuente de PyGAD, una biblioteca de Python 3 para construir algoritmos genéticos y entrenar algoritmos de machine learning (Keras y PyTorch).

JAX: una lista seleccionada de recursos https://github.com/google/jax

Un libro de acceso abierto sobre técnicas de vectorización en numpy, Nicolas P. Rougier, 2017

Algoritmos de ML implementados y derivados desde los principios fundamentales en Jupyter Notebooks y NumPy.

Más de 500 recursos seleccionados para análisis de datos y ciencia de datos: Python, SQL, estadística, ML, IA, visualización, hojas de referencia, hojas de ruta y preparación de entrevistas. Para principiantes y expertos.

Distancias aceleradas por SIMD, productos punto, operaciones matriciales, núcleos geoespaciales y geométricos para 16 tipos numéricos —desde flotantes de 6 bits hasta complejos de 64 bits— en x86, Arm, RISC-V y WASM, con enlaces para Python, Rust, C, C++, Swift, JS y Go 📐

Experimentos interactivos de Machine Learning: entrenamiento de modelos + demostración de modelos.

Biblioteca de procesamiento de señales de audio y música de Python

TensorLy: aprendizaje de tensores en Python.

Una biblioteca de Python fácil de usar para procesar y manipular nubes de puntos y mallas 3D.

Paquete para llamar a funciones de Python desde el lenguaje Julia.

Cómputo de alto rendimiento para tensores N-D en .NET, con una API similar a NumPy.

Bindings de Rust para la API de C de NumPy basados en PyO3.

Biblioteca estándar de Fortran

Python+Numpy+OpenGL: visualización científica rápida, escalable y estética

Teoría del procesamiento digital de señales (DSP): señales, filtrado (IIR, FIR, CIC, MAF), transformadas (FFT, DFT, Hilbert, transformada Z), etc.