data-science

12 周、26 节课、52 次测验，经典机器学习入门

Apache Superset 是一个资料可视化与资料探索平台

30 天 Python 编程挑战是一步步学习 Python 编程语言的指南，可能需要超过 100 天，按个人节奏进行，相关视频可参考：https://www.youtube.com/channel/UC7PNRuno1rzYPb1xLa4yktw

scikit-learn：Python 中的机器学习套件

Deep Learning for humans

灵活且功能强大的 Python 数据分析/操作库，提供类似 R data.frame 的标签数据结构、统计函数等。

学习如何开发、部署并迭代生产级 ML 应用

2027 夏季软件工程、数据科学、AI、量化、产品管理与硬件实习职位，每日由 Simplify 与 Pitt CSC 更新

Apache Airflow - 一个以程序方式编写、调度与监控工作流的平台

Streamlit — 更快速构建与分享数据应用的方式

Ray 是一个 AI 计算引擎，包含核心分布式运行时和加速机器学习工作负载的 AI 库套件

使用 Python 构建与分享令人愉悦的机器学习应用 🌟 点星支持我们的工作！

10 周、20 课，让所有人学习数据科学！

500 个 AI、机器学习、深度学习、计算机视觉、NLP 项目及代码

💫 工业级自然语言处理（NLP）于 Python

在 1 台或 10,000+ 台 GPU 上预训练、微调任意大小的 AI 模型，零代码更改

2022 年成为人工智能专家的路线图

📚 企业分享的数据科学与机器学习实务论文与技术博客。

:memo: 优秀的数据科学仓库，适合学习和应用真实世界问题。

互动式深度学习书籍，包含多框架代码、数学与讨论。已在 70 个国家 500 所大学采用，包括 Stanford、MIT、Harvard 与 Cambridge。

数据科学 Python Notebook：深度学习（TensorFlow、Theano、Caffe、Keras）、scikit-learn、Kaggle、大数据（Spark、Hadoop MapReduce、HDFS）、matplotlib、pandas、NumPy、SciPy、Python 基础、AWS 以及各种命令行工具。

🕸️ 完全使用 Python 的 Web 应用 🐍

亦称“Bayesian Methods for Hackers”：以计算/理解为先、数学为后的视角，介绍贝叶斯方法与概率编程，全部使用纯 Python 实现。

以 Jupyter Notebook 形式发布的 fastai 书籍

Python 的数据应用与仪表板，无需 JavaScript

与数据库或数据湖（SQL、CSV、parquet）对话。PandasAI 使用 LLM 与 RAG 让数据分析变成对话式。

🏆 每周更新的机器学习 Python 库排行榜。

Prefect 是用于 Python 的工作流编排框架，打造具弹性的资料管线

matplotlib：使用 Python 绘图

一个支持 Python 的交互式笔记本 — 可运行可重现实验、以 SQL 查询、作为脚本执行、部署为应用、以 git 进行版本管理，纯 Python 存储，使用现代 AI 原生编辑器