data-science

Notebooks Jupyter accompagnant mes articles de blog sur la science des données de graphes disponibles sur https://bratanic-tomaz.medium.com/.

Une liste complète de plus de 180 chaînes YouTube dédiées à la science des données, à l'ingénierie des données, au machine learning, au deep learning, à l'informatique, à la programmation et au génie logiciel.

Cours de science des données 2015 de General Assembly à Washington, DC

Backend multimodal unifié pour les applications de données IA

Package ML interprétable 🔍 pour une modélisation prédictive concise, transparente et précise (compatible sklearn).

Discutez avec vos données - Analyse et visualisation de données par IA sur CSV, Postgres, MySQL, Snowflake, SQLite...

Implémentations de haute qualité de méthodes standards et de pointe pour diverses tâches.

Une liste organisée de plus de 100 ressources pour construire et déployer de l'IA générative, visant à vous aider à devenir un Data Scientist spécialisé en IA générative avec les LLM.

Bibliothèque compatible avec scikit-learn pour estimer les intervalles de prédiction et contrôler les risques, basée sur les prédictions conformes

Tableaux de bord utilisant des fichiers YAML ou JSON

Que contiennent vos données ? Extrayez le schéma, les statistiques et les entités de vos jeux de données.

DataFrames de streaming Python pour Kafka.

Dépôt de code officiel pour la deuxième édition du livre O'Reilly Generative Deep Learning: Teaching Machines to Paint, Write, Compose and Play.

fklearn : Apprentissage automatique fonctionnel

Flux de travail de préparation de données agiles simplifiés avec Pandas, Dask, cuDF, Dask-cuDF, Vaex et PySpark

Bibliothèque Python pour la prévision de séries temporelles utilisant des modèles compatibles avec scikit-learn, des méthodes statistiques et des modèles de fondation.

Liste organisée des meilleures ressources en intelligence artificielle

Bibliothèque de matrice de confusion multi-classes en Python.

AIDE : un agent LLM pour l'ingénierie du machine learning, projet de recherche à l'origine de Weco. Référencé dans MLE-bench d'OpenAI.

Astuces et outils Python efficaces pour les data scientists.

AKTools, une bibliothèque d'API HTTP élégante et simple pour AKShare

Langage agnostique au modèle pour l'exploration et l'explication

Framework rapide et personnalisable pour la création automatique de modèles de ML (AutoML)

Le choix open-source des data scientists pour mettre à l'échelle, évaluer et maintenir les données en langage naturel. Traitez les données d'entraînement comme un artefact logiciel.

Outils simples pour le nettoyage de données en R

Une collection de notebooks Jupyter de référence et d'applications IA/ML de démonstration pour les cas d'usage en entreprise : marketing, tarification, chaîne d'approvisionnement, fabrication intelligente, et plus encore.

Concrete ML : framework de ML préservant la confidentialité utilisant le chiffrement homomorphe complet (FHE), construit sur Concrete, avec des liaisons vers les frameworks de ML traditionnels.

Ressources sélectionnées en Data Science (gratuites et payantes) pour aider les data scientists débutants et expérimentés à apprendre, progresser et faire avancer leur carrière.

Une boîte à outils pour l'apprentissage automatique et l'apprentissage profond sur les séries temporelles

Framework de deep learning de l'université Koç.