scikit-learn

Cuadernos de Jupyter de la serie de videos de scikit-learn

Regresión simbólica de alto rendimiento en Python y Julia

🧠💬 Artículos que escribí sobre aprendizaje automático, archivados de MachineCurve.com.

Probablemente la mejor lista seleccionada de software de ciencia de datos en Python.

Hummingbird compila modelos de ML entrenados en computación tensorial para una inferencia más rápida.

🛠 IDE web todo en uno especializado en machine learning y data science.

Integra LLMs de forma fluida en scikit-learn.

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

Enlaces de recursos cuidadosamente seleccionados para ciencia de datos en un solo lugar

Una biblioteca de Python para la visualización de árboles de decisión y la interpretación de modelos.

una excelente herramienta de machine learning que te permite entrenar, probar y usar modelos sin escribir código

Transforma modelos de ML en código nativo (Java, C, Python, Go, JavaScript, Visual Basic, C#, R, PowerShell, PHP, Dart, Haskell, Ruby, F#, Rust) sin dependencias

Una biblioteca para depurar/inspeccionar clasificadores de machine learning y explicar sus predicciones

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.

Algoritmos de ML de 2 a 2000x más rápidos, 50% menos de uso de memoria, funciona en todo tipo de hardware, nuevo y antiguo.

Una biblioteca intuitiva para añadir funcionalidad de gráficos a objetos de scikit-learn.

Domina las habilidades esenciales necesarias para reconocer y resolver problemas complejos del mundo real con Machine Learning y Deep Learning aprovechando el popular ecosistema de Machine Learning de Python.

Un framework modular de aprendizaje activo para Python

Biblioteca de Python para optimización de carteras construida sobre scikit-learn

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

Uso de Python y scikit-learn para realizar predicciones bursátiles

Visualiza automáticamente cualquier conjunto de datos, de cualquier tamaño, con una sola línea de código. Creado por Ram Seshadri. Colaboradores bienvenidos. Permiso concedido previa solicitud.

Programación genética en Python, con una API inspirada en scikit-learn

AutoML de Python para sistemas de trading y apuestas deportivas.

Machine Learning automatizado en Kubernetes

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

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

MLeap: Despliega canalizaciones de ML en producción

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

:crown: Análisis exploratorio multivariante de datos en Python — PCA, CA, MCA, MFA, FAMD, GPA