data-analysis

Framework do cộng đồng phát triển, đơn giản nhưng mạnh mẽ để tính toán phân tán trên Dữ liệu nhanh chóng và tiết kiệm chi phí.

🌀 Thực sự có gì trong gói dữ liệu Discord của bạn?

Bộ công cụ khai thác dữ liệu ELKI

Phát hiện điểm uốn (knee point) bằng Python.

scikit-mobility: phân tích tính di động trong Python

Kỹ thuật đặc trưng (Feature engineering) là quá trình sử dụng kiến thức chuyên môn để trích xuất các đặc trưng từ dữ liệu thô thông qua các kỹ thuật khai thác dữ liệu. Những đặc trưng này có thể được sử dụng để cải thiện hiệu suất của các thuật toán học máy. Kỹ thuật đặc trưng có thể được coi là chính việc học máy ứng dụng.

Một thư viện Python được hỗ trợ bởi các Mô hình Ngôn ngữ Lớn (LLM) để khám phá và phân tích dữ liệu hội thoại.

Mã nguồn và dữ liệu cho ấn bản thứ hai của cuốn "Practical SQL" bởi Anthony DeBarros, do No Starch Press xuất bản.

DataFoundry là một workbench AI mã nguồn mở dành cho phân tích dữ liệu, hợp nhất các nguồn dữ liệu, kiến thức, công cụ và môi trường chạy agent thành một không gian làm việc được quản lý để phân tích tương tác.

Bắt đầu với lập trình cơ sở dữ liệu SQL. Hướng dẫn dành cho người mới bắt đầu này cung cấp các bài học từng bước, ví dụ thực tế, bài tập và tài nguyên để làm chủ SQL. Hãy khai phá sức mạnh của dữ liệu với SQL!

Danh sách bài báo được cập nhật liên tục về những tiến bộ trong Data Agents. Repo đi kèm với bài báo "A Survey of Data Agents: Emerging Paradigm or Overstated Hype?" của chúng tôi.

Tài liệu thực hành cho cuốn sách Hands-On Data Analysis with Pandas – Phiên bản thứ hai.

Một gói Python mạnh mẽ, không phụ thuộc định dạng và được cộng đồng hỗ trợ để phân tích và trực quan hóa dữ liệu khoa học Trái đất

Xuất danh sách phát Spotify bằng Web API. Phân tích chúng trong Jupyter notebook.

Nền tảng khoa học dữ liệu mã nguồn mở được hỗ trợ bởi AI.

Bảng tổng hợp (Pivot Tables) và biểu đồ kéo thả cho Jupyter/IPython Notebook, được hỗ trợ bởi PivotTable.js.

Chuyển đổi dữ liệu nâng cao và nhanh chóng trong R

Lộ trình ML (Machine Learning) Full Stack bao gồm việc học các kỹ năng và công nghệ cần thiết để trở nên thành thạo trong mọi khía cạnh của học máy, bao gồm thu thập và tiền xử lý dữ liệu, phát triển mô hình, triển khai và bảo trì.

Mã nguồn và dữ liệu cho ấn bản đầu tiên của "Practical SQL" bởi Anthony DeBarros, xuất bản bởi No Starch Press (2018).

Client và bộ công cụ Python cho DataFrames, Big Data, Machine Learning và ETL trong Elasticsearch.

WeDataSphere là bộ nền tảng dữ liệu lớn một cửa, đạt chuẩn tài chính.

ML-capsule là dự án dành cho người mới bắt đầu và những người đam mê khoa học dữ liệu có kinh nghiệm, những người không có người hướng dẫn và muốn học Machine learning. Sử dụng kho lưu trữ này, họ có thể học ML, DL và nhiều công nghệ liên quan thông qua các dự án thực tế khác nhau để chuẩn bị cho phỏng vấn.

Các notebook tương tác từ Planet Engineering

Kho lưu trữ mã nguồn cho cuốn sách SQL for Data Analysis.

Theo dõi khoa học dữ liệu của bạn. Thư viện Python mã nguồn mở của Skore giúp tăng tốc phát triển mô hình ML với các báo cáo đánh giá tự động, hướng dẫn phương pháp thông minh và phân tích kiểm chứng chéo toàn diện.

ScienceClaw là trợ lý nghiên cứu cá nhân được xây dựng với LangChain DeepAgents và cơ sở hạ tầng AIO Sandbox, áp dụng kiến trúc hoàn toàn mới vượt trội hơn OpenClaw. Nó cung cấp tính bảo mật cao hơn, minh bạch tốt hơn và trải nghiệm thân thiện với người dùng hơn.

Phân tích bảng trong Tkinter sử dụng pandas DataFrames.

Vòng đời hoàn chỉnh của một dự án khoa học dữ liệu

Giải pháp chất lượng dữ liệu mã nguồn mở hàng đầu

Thư viện phân tích dữ liệu oneAPI (oneDAL)