data-science

探索我展示機器學習、資料分析等領域的多元專案集。每個目錄皆按專案組織，包含程式碼、資料集、文件與資源。深入了解資料科學的見解與技術。歡迎聯繫交流與回饋。

又一個多餘的工作流程引擎

僅需 10 個 Kernels 即可從零開始掌握 NLP。

針對大於記憶體容量資料的快速磁碟式平行資料處理框架

由 DuckDB 驅動的統一 MySQL、Postgres 與 FlightSQL 伺服器

Data Package 是一套由簡單且可擴充規範組成的標準，用於描述資料集、資料檔案與表格資料。它是一種資料定義語言 (DDL) 與資料 API，旨在促進資料的易發現性、可存取性、互通性與可重複使用性 (FAIR)。

Modeltime 在單一框架中整合了時間序列預測模型與機器學習。

《Efficient Python for Data Scientists》書籍官方 Repo。你可以在此購買本書：

一個高效能、任意精度的浮點十進位函式庫。

PyTorch 的簡化框架與工具集

精選的資料科學教育資源清單，涵蓋核心資料科學技能

Obsidian 工具 - 用於分析 Obsidian.md 知識庫的 Python 套件

從初學者到進階專案的終極資源彙整

DataCamp 專案解決方案

精選的人工智慧資源列表（課程、工具、應用程式、開源專案）

用於最佳化演算法與實驗的統一介面

此儲存庫包含時間序列分割相關論文的閱讀清單。此儲存庫持續更新中。

自動化資料探索與處理

人工智慧數學基礎的實用指南

一個簡單且優雅的實驗追蹤框架，將持久化邏輯與最佳實踐直接整合進 Python 中

Manning Publications 出版，由 Yuan Tang 所著的《分散式機器學習模式》 https://bit.ly/2RKv8Zo

apricot 實作了子模組最佳化，用於選擇海量資料集的子集以快速訓練機器學習模型。請參閱文件頁面：https://apricot-select.readthedocs.io/en/latest/index.html

我認為有幫助的資料科學與機器學習資源集合（我只發布我讀過的內容！）

Polyaxon 的 AI/ML/資料追蹤、視覺化、可解釋性、漂移檢測與儀表板引擎。

JuliaAcademy.com 的 Julia 資料科學課程，由 Huda Nassar 授課

人類可解釋的 AI

材料資訊學（現代材料科學）領域已知研究的精選列表

在不將資料傳送至任何地方的情況下，於數秒內視覺化您的 CSV 檔案

給對資料感興趣的人的資源！

易於使用的 Python 函式庫，提供自定義函數以進行資料清理與分析