data-science

Apache Hamilton 帮助数据科学家和工程师定义可测试、模块化、自文档化的数据流，并编码血缘/追踪与元数据。可在任何 Python 执行的环境中执行与扩展。

Supabase 的 Python 客户端。从 Flask、Django、FastAPI 查询 Postgres。提供 Python 用户验证、安全策略、Edge Functions、文件存储与实时数据流。适合新手入门的 issue (Good first issue)。

以 Python 为特色的线性代数讲义。这一系列讲义将带你了解所有建立数据科学或高级量化技能基础的必备概念。适合统计学家/计量经济学家、量化分析师、数据科学家等，在 Python 计算与可视化的辅助下快速复习线性代数。

Python 中的单细胞分析。可扩展至超过 1 亿个细胞。

机器学习算法速度提升 2-2000 倍，内存占用减少 50%，支持新旧所有硬件。

ArcticDB 是一个专为 Python 数据科学生态系统打造的高性能、无服务器 DataFrame 数据库。

一个协助数据科学家推断因果关系而非观察相关性的 Python 库。

适用于分布式、可扩展 PyTorch 应用的机器学习指标。

🍕 收集数据分析与相关领域学习资源、数据相关企业以及概念字典的存储库

精选的社区检测研究论文及其实现列表。

一个高质量、经典计算机书籍推荐清单，特点为：只收集高质量，各方向经典书籍，不求书多，只求书精。

低代码机器学习个性化排序服务，适用于文章、列表、搜索结果与推荐，可提升用户参与度。一个友好的 Learn-to-Rank 引擎

一个为 scikit-learn 物件新增绘图功能的直觉式函式库。

在 LLaMA-Factory 训练循环内部进行以数据为中心的 LLM 训练，包含动态样本选择、领域混合优化与样本重新加权。

快速、准确且可扩展的概率式数据链接，支持多种 SQL 后端

中级至高级主题的机器学习期刊。

使用 LLMs 标注、清理与丰富文本数据集。

高性能的 Jupyter Notebooks IDE

主动维护的优秀 BI 工具列表。欢迎提交 PR！

CLAIMED 的目标是实现低代码／无代码的快速原型开发风格编程，并无缝 CI/CD 至生产环境。

能理解数据内容的 AI 代码编写助手

兼容 sklearn 的特征工程与选择开源 Python 库。

使用 Python 从零开始建立关键概念与模型，掌握机器学习、深度学习及数学优化的基础。

pandas 视频系列的 Jupyter notebook 与数据集

开源的 Python 低代码数据准备库。通过几行 Python 代码即可收集、清理并可视化您的数据。

为 Python 脚本自动创建网页 UI 的 Django 应用程序。

机器学习与深度学习手册是我私人文件中整理的一系列参考资料，旨在扩展我的知识，现在它是一个使用 Gitbook 编纂的开放知识共享项目。

ArcGIS API for Python 的文档与示例

Jupyter Notebooks 的现代化替代方案

《The Turing Way》的书籍仓库：一份关于可重复、合乎伦理与协同合作数据科学的操作指南