data-analysis

Probablement la meilleure liste organisée de logiciels de science des données en Python.

🛠 IDE web tout-en-un spécialisé pour le machine learning et la science des données.

Une application de bureau pour visualiser et analyser des données tabulaires

Le dépôt officiel de ROOT : analyse, stockage et visualisation de données massives à des fins scientifiques

Extraction de données depuis une large gamme de sources Internet vers un DataFrame pandas.

Alternative open source à Tableau. Analyse visuelle intégrable.

Bibliothèque de graphiques élégante, open source et basée sur WebGPU.

Liste d'outils et de jeux de données pour la détection d'anomalies sur des données de séries temporelles.

Un outil d'apprentissage automatique convivial qui permet d'entraîner, de tester et d'utiliser des modèles sans écrire de code

Processus de construction d'un graphe de connaissances financières à petite échelle (neo4j / python / cypher / KG).

Visualisez et comparez des jeux de données, des valeurs cibles et des associations avec une seule ligne de code.

Apache DevLake est une plateforme de données open-source destinée à ingérer, analyser et visualiser les données fragmentées des outils DevOps, afin d'extraire des indicateurs pour l'excellence en ingénierie, l'expérience développeur et la croissance de la communauté.

100 puzzles de données pour pandas, allant du plus simple au plus complexe (60 % terminés).

Deepnote est une alternative directe à Jupyter, conçue pour l'IA, avec une interface élégante, de nouveaux blocs et des intégrations de données natives. Utilisez Python, R et SQL localement dans votre IDE, puis passez au cloud Deepnote pour la collaboration en temps réel, l'agent Deepnote et le déploiement d'applications de données. https://deepnote.com/

DataFrame C++ pour l'analyse statistique, financière et ML en C++ moderne

L'outil de business intelligence le plus rapide pour les humains et les agents.

Un framework unifié pour l'analyse de données et l'apprentissage automatique préservant la confidentialité.

Extensions Jupyter pour coder plus rapidement : chat IA contextuel, autocomplétion et tableur

Apache Hamilton aide les data scientists et les ingénieurs à définir des flux de données testables, modulaires et auto-documentés, intégrant traçabilité et métadonnées. S'exécute et passe à l'échelle partout où Python est supporté.

Notes de cours d'algèbre linéaire avec Python. Cette série de notes couvre les concepts fondamentaux nécessaires à la science des données et aux compétences quantitatives avancées, permettant aux statisticiens, économètres et data scientists de réviser rapidement l'algèbre linéaire grâce au calcul et à la visualisation Python.

Un framework de visualisation de données déclaratif, moderne et élégant pour iOS, iPadOS et macOS. Extrêmement puissant, il prend en charge de nombreux types de graphiques tels que les courbes, barres, secteurs, nuages de points, jauges angulaires, boîtes à moustaches, entonnoirs et graphiques polaires.

Algorithmes ML 2 à 2000 fois plus rapides, 50 % d'utilisation mémoire en moins, compatibles avec tout matériel, récent ou ancien.

ArcticDB est une base de données DataFrame haute performance et sans serveur, conçue pour l'écosystème de science des données Python.

La solution d'observabilité des données native dbt pour les ingénieurs data et analytiques. Surveillez vos pipelines de données en quelques minutes. Disponible en auto-hébergé ou en service cloud avec des fonctionnalités premium.

Visualisation de données instantanée, hors ligne et basée sur SQL dans votre navigateur

Liste organisée d'outils BI exceptionnels. Les PR sont les bienvenues !

Datart est une plateforme ouverte de visualisation de données de nouvelle génération

Notebooks Jupyter et jeux de données issus de la série de vidéos sur pandas

Ce dépôt vous aide à apprendre Python et le Machine Learning à partir de zéro.

Le remplaçant moderne des Jupyter Notebooks