data-analysis

nannyml: Khoa học dữ liệu sau triển khai bằng python

Tài liệu giáo dục PyMC

Công cụ lưu trữ đa năng (Universal Storage Engine)

Một bộ công cụ/thư viện Python dành cho học máy/học sâu hướng thực tế & khai thác dữ liệu trên chuỗi thời gian quan sát một phần, với hơn 50 mô hình mạng nơ-ron SOTA cho các tác vụ phân tích khoa học (gán giá trị, phân loại, phân cụm, dự báo, phát hiện bất thường, làm sạch) trên chuỗi thời gian đa biến không hoàn chỉnh được lấy mẫu bất thường trong công nghiệp với các giá trị thiếu NaN

Thư viện tạo trực quan hóa dữ liệu động và câu chuyện dữ liệu.

t-SNE tăng tốc bằng GPU cho CUDA với Python bindings

Bộ công cụ dựa trên terminal để phân tích dữ liệu GitHub.

🚀 Hơn 500 tài nguyên được tuyển chọn cho Phân tích Dữ liệu & Khoa học Dữ liệu: Python, SQL, Thống kê, ML, AI, Trực quan hóa, Bảng gian lận, Lộ trình, Chuẩn bị phỏng vấn. Dành cho người mới bắt đầu và chuyên gia.

Một gói Python để thao tác với các cấu trúc dữ liệu bảng 2 chiều

Responsible AI Toolbox là bộ công cụ cung cấp giao diện người dùng và thư viện để khám phá và đánh giá mô hình cũng như dữ liệu, giúp hiểu rõ hơn về các hệ thống AI. Các giao diện và thư viện này trao quyền cho các nhà phát triển và các bên liên quan phát triển và giám sát AI có trách nhiệm hơn, đồng thời đưa ra các hành động dựa trên dữ liệu tốt hơn.

Biểu đồ Python siêu nhanh và có thể tùy chỉnh

Hàng trăm kỹ năng tác nhân dành cho nghiên cứu y tế, bao gồm thiết kế giao thức, phân tích dữ liệu, thông tin chi tiết về bằng chứng và viết học thuật.

DATAGEN: Trợ lý nghiên cứu đa tác nhân do AI điều khiển, tự động hóa việc tạo giả thuyết, phân tích dữ liệu và viết báo cáo.

Giải pháp phân tích mạnh mẽ. Thiết lập trong 30 giây. Hiển thị tất cả dữ liệu của bạn trên bảng điều khiển đơn giản, hỗ trợ bởi AI. Hoàn toàn có thể tự lưu trữ và tuân thủ GDPR. Giải pháp thay thế cho Google Analytics, MixPanel, Plausible, Umami & Matomo.

Nền tảng phân tích trực quan hóa dữ liệu DataGear, tự do tạo bất kỳ bảng điều khiển dữ liệu nào bạn muốn

Xây dựng pipeline dữ liệu bằng SQL và Python, thu thập dữ liệu từ nhiều nguồn khác nhau, thêm kiểm tra chất lượng và xây dựng luồng đầu cuối.

Hướng dẫn Apache Spark & Python (pySpark) cho Phân tích Dữ liệu lớn và Máy học dưới dạng Jupyter / IPython notebook

Học máy với các dataframe

Danh sách tổng hợp hơn 180 kênh YouTube về Khoa học dữ liệu, Kỹ thuật dữ liệu, Học máy, Học sâu, Khoa học máy tính, lập trình, kỹ thuật phần mềm, v.v.

Khóa học Khoa học dữ liệu năm 2015 của General Assembly tại Washington, DC

👾 nao là một tác nhân phân tích mã nguồn mở. (1) Tạo ngữ cảnh bằng nao-core cli, (2) triển khai giao diện trò chuyện nao cho mọi người

Dữ liệu của bạn có gì? Trích xuất schema, số liệu thống kê và các thực thể từ tập dữ liệu

ktx là một lớp ngữ cảnh có thể thực thi dành cho các AI agent dữ liệu và phân tích 🐙 Cho phép Claude Code, Codex hoặc các AI agent khác truy vấn các cơ sở dữ liệu phân tích một cách chính xác với đầy đủ ngữ cảnh của công ty bạn

re_data - khắc phục sự cố dữ liệu trước khi người dùng và CEO của bạn phát hiện ra chúng 😊

fklearn: Machine Learning theo phong cách hàm (Functional)

Hacknical, hacker và technical. Trang web giúp người dùng GitHub tạo CV tốt hơn.

:truck: Quy trình chuẩn bị dữ liệu linh hoạt được thực hiện dễ dàng với Pandas, Dask, cuDF, Dask-cuDF, Vaex và PySpark

Trình phân tích nhật ký Drone: Ứng dụng bảng điều khiển đa năng hiệu suất cao để sắp xếp và phân tích nhật ký chuyến bay DJI/Litchi một cách riêng tư tại một nơi. Hỗ trợ plugin cho các định dạng nhật ký chuyến bay tùy chỉnh. Được xây dựng bằng Tauri v2, DuckDB và React.

Thư viện ma trận nhầm lẫn đa lớp trong Python.

Công cụ đơn giản để làm sạch dữ liệu trong R