data-science

Explorez ma collection variée de projets mettant en valeur le machine learning, l'analyse de données et bien plus encore. Organisé par projet, chaque répertoire contient du code, des ensembles de données, de la documentation et des ressources. Plongez-y pour découvrir des analyses et des techniques en science des données. Contactez-moi pour des collaborations et des commentaires.

Encore un moteur de workflow redondant

Le NLP de zéro à héros en seulement 10 kernels

Framework de manipulation de données parallélisé et rapide basé sur disque pour les données plus grandes que la RAM

Serveur MySQL, Postgres et FlightSQL unifié, propulsé par DuckDB.

Data Package est un standard composé d'un ensemble de spécifications simples mais extensibles pour décrire les jeux de données, les fichiers de données et les données tabulaires. C'est un langage de définition de données (DDL) et une API de données qui facilitent la trouvabilité, l'accessibilité, l'interopérabilité et la réutilisabilité (FAIR) des données.

Modeltime intègre les modèles de prévision de séries temporelles et le machine learning dans un seul framework

Dépôt officiel du livre Efficient Python for Data Scientists. Vous pouvez acheter le livre ici :

Une bibliothèque décimale à virgule flottante et à précision arbitraire, hautement performante.

Un framework simplifié et des utilitaires pour PyTorch

Une liste organisée de ressources pédagogiques en science des données pour les compétences essentielles

Obsidian tools - un package Python pour analyser un coffre Obsidian.md

:octocat:🌟 Les ressources ultimes pour les projets de niveau débutant à avancé, regroupées en un seul endroit 💻 🎯🚀

Solutions pour les projets DataCamp

Une liste organisée de ressources sur l'intelligence artificielle (cours, outils, applications, projets open source)

Une interface unifiée pour les algorithmes d'optimisation et les expérimentations

Ce dépôt contient une liste de lecture d'articles sur la segmentation de séries temporelles. Ce dépôt est en amélioration continue.

Automatisation de l'exploration et du traitement des données.

Un framework de suivi d'expériences simple et élégant qui intègre la logique de persistance et les meilleures pratiques directement dans Python.

Votre guide pratique des mathématiques utilisées en intelligence artificielle.

Distributed Machine Learning Patterns de Manning Publications par Yuan Tang https://bit.ly/2RKv8Zo

Une collection de ressources en science des données et machine learning que j'ai trouvées utiles (je ne publie que ce que j'ai lu !).

apricot implémente l'optimisation sous-modulaire pour sélectionner des sous-ensembles de jeux de données massifs afin d'entraîner rapidement des modèles de machine learning. Voir la documentation : https://apricot-select.readthedocs.io/en/latest/index.html

Moteur de suivi, de visualisation, d'explicabilité, de détection de dérive et de tableaux de bord pour l'IA/ML/Données pour Polyaxon.

Cours de science des données en Julia pour JuliaAcademy.com, enseigné par Huda Nassar.

IA explicable par l'humain

Liste organisée des initiatives connues en informatique des matériaux, c'est-à-dire dans la science des matériaux moderne

Visualisez vos fichiers CSV en quelques secondes sans envoyer vos données nulle part

Ressources pour ceux qui s'intéressent aux données !

Bibliothèque Python simple d'utilisation proposant des fonctions personnalisées pour le nettoyage et l'analyse de données.