data-science

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.

Client Python pour Supabase. Interrogez Postgres depuis Flask, Django ou FastAPI. Inclut l'authentification utilisateur, les politiques de sécurité, les edge functions, le stockage de fichiers et le streaming de données en temps réel.

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.

Analyse de cellules uniques en Python. Évolutif jusqu'à plus de 100 millions de cellules.

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.

Bibliothèque Python aidant les data scientists à déduire la causalité plutôt qu'à observer la corrélation.

Métriques d'apprentissage automatique pour les applications PyTorch distribuées et évolutives.

Dépôt regroupant des informations sur les supports d'étude en analyse de données et domaines connexes, les entreprises travaillant avec les données et un dictionnaire de concepts

Une liste organisée d'articles de recherche sur la détection de communautés avec leurs implémentations.

Une liste de recommandations de livres d'informatique classiques et de haute qualité, axée sur la sélection rigoureuse d'ouvrages de référence dans chaque domaine.

Un service de classement personnalisé par Machine Learning low-code pour articles, listes, résultats de recherche et recommandations, conçu pour accroître l'engagement utilisateur. Un moteur Learn-to-Rank convivial.

Une bibliothèque intuitive pour ajouter des fonctionnalités de traçage aux objets scikit-learn.

Entraînement de LLM centré sur les données avec sélection dynamique d'échantillons, optimisation du mélange de domaines et repondération des exemples au sein de la boucle d'entraînement LLaMA-Factory.

Liaison de données probabiliste rapide, précise et évolutive avec prise en charge de multiples backends SQL.

Journal d'apprentissage automatique pour les sujets de niveau intermédiaire à avancé.

Étiqueter, nettoyer et enrichir des jeux de données textuels avec des LLM

IDE haute performance pour Jupyter Notebooks

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

CLAIMED vise à permettre le prototypage rapide low-code/no-code avec une intégration CI/CD transparente vers la production

Assistant de génération de code par IA capable de comprendre le contenu des données.

Bibliothèque Python open-source d'ingénierie et de sélection de caractéristiques compatible avec sklearn.

Maîtrisez les fondamentaux du machine learning, du deep learning et de l'optimisation mathématique en construisant des concepts et des modèles clés à partir de zéro avec Python.

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

Bibliothèque open source de préparation de données low-code en Python. Collectez, nettoyez et visualisez vos données en Python avec quelques lignes de code.

Une application Django qui crée automatiquement des interfaces web pour les scripts Python.

Le recueil de Machine Learning et Deep Learning était une liste de références personnelles, désormais transformée en projet de partage de connaissances via Gitbook.

Documentation et exemples pour l'API ArcGIS pour Python

Le remplaçant moderne des Jupyter Notebooks

Dépôt du livre The Turing Way : un guide pratique pour une science des données reproductible, éthique et collaborative