"數據科學"

joelgrus/data-science-from-scratch

data-science-from-scratch：從零開始的資料科學 — data-science-from-scratch 是一個使用 Python 的資料科學專案，提供了從零開始的資料科學實現，涵蓋了資料分析、機器學習等領域。這個專案的目的是提供一個基礎的資料科學實現，讓開發者可以從中學習。同時，該專案也提供了書籍《Data Science From Scratch》的程式碼實現，方便讀者進行實踐

Python★ 9.7k⑂ 4.7kdata

☆

drivendataorg/cookiecutter-data-science

cookiecutter-data-science：数据科学项目结构模板 — cookiecutter-data-science 提供了一种合理的项目组织方式，帮助数据科学家们更好地进行数据分析和机器学习等工作。它使用 Python 语言，并提供了灵活的项目结构，以适应不同数据科学项目的需求。通过使用 cookiecutter-data-science，数据科学家们可以更高效地完成数据科学工作，并与他人分享研究成果

Python★ 10k⑂ 2.6kai-ml

☆

academic/awesome-datascience

awesome-datascience：数据科学学习仓库 — awesome-datascience 提供了大量的数据科学资源，包括机器学习、深度学习、数据可视化等方面的内容。它帮助开发者和数据科学家解决现实世界的问题。通过 awesome-datascience，开发者可以快速找到合适的工具和库来解决特定的问题。

★ 29.7k⑂ 6.6kdata

☆

langchain-ai/open_deep_research

open_deep_research：開源深度研究平台 — open_deep_research 提供了一個強大的開源框架，支持各種深度學習模型的開發和研究。它對於希望在深度學習領域進行創新研究的開發者來說極為重要。

Python★ 12.2k⑂ 1.7kother

+14 ★☆

OpenMined/PySyft

PySyft：在不泄露数据的前提下进行数据科学分析 — PySyft是一个开源的Python库，能够让用户在不泄露数据的前提下进行数据科学分析。它通过使用联邦学习、加密和安全计算等技术来保护数据隐私。这样，用户就可以在不将数据传输到本地的情况下进行数据分析和机器学习模型的训练。

Python★ 9.9k⑂ 2kai-ml

☆

donnemartin/data-science-ipython-notebooks

data-science-ipython-notebooks：數據科學互動筆記本 — data-science-ipython-notebooks 提供了多個數據科學主題的互動式 Python 筆記本，包括深度學習框架（如 TensorFlow 和 Keras）、大數據處理工具（如 Spark）以及機器學習庫（如 scikit-learn）。這些資源對於學習和應用數據科學技術非常有用。

Python★ 29.2k⑂ 8kdata

☆

eugeneyan/applied-ml

applied-ml：應用機器學習論文與技術博客 — applied-ml 專案收集和分享各公司在生產環境中應用數據科學和機器學習的論文和技術博客，涵蓋了計算機視覺、深度學習、自然語言處理等領域。這些分享可以幫助開發者和研究者了解如何將機器學習應用於實際問題。同時，這也為開發者提供了一個很好的學習和參考資源。

★ 29.9k⑂ 4kai-ml

☆

keras-team/keras

keras：人性化的深度學習框架 — keras 是一個高層神經網絡 API，能夠在 TensorFlow、PyTorch 和 JAX 等多個後端上運行。它提供了簡單易用的 API，讓用戶可以快速地構建和訓練神經網絡模型。keras 的出現使得深度學習技術更加民主化和易於使用

Python★ 64.2k⑂ 19.7kai-ml

☆

dgraph-io/dgraph

dgraph：高效能圖形資料庫 — dgraph 是一個為即時使用案例設計的高性能圖形資料庫，使用 Go 語言開發。它能夠處理大量的資料和複雜的查詢，適用於各種需要實時資料處理的應用。dgraph 的分散式架構使其能夠水平擴展，滿足大規模應用的需求

Go★ 21.7k⑂ 1.6kbackend

☆

amark/gun

gun：去中心化圖形數據同步協議 — gun是一個開源的網絡安全協議，用于同步去中心化圖形數據。它可以應用於各種領域，如人工智能、區塊鏈和Web3，提供了實時的數據同步和加密功能。gun的去中心化設計使其具有高度的可擴展性和容錯性，非常適合於大數據和機器學習應用。

JavaScript★ 19.1k⑂ 1.2kblockchain

☆

apache/shardingsphere

shardingsphere：分布式SQL數據庫解決方案 — shardingsphere是一個基於Java的分布式SQL數據庫中間件，支持多種數據庫，如MySQL、PostgreSQL等，提供數據分片、讀寫分離、分布式事務等功能，能夠有效提高數據庫的可擴展性和安全性。shardingsphere的設計目標是提供一個高性能、可靠和安全的數據管理平台，能夠支持各種大數據應用場景。通過使用shardingsphere，開發人員可以更容易地構建和管理大規模的數據庫系統

Java★ 20.8k⑂ 6.9kbackend

☆

MiniMax-AI/skills

skills：人工智慧技能開發 — skills是一個開源項目，提供了一個基於C#的技能開發框架，讓開發者可以輕鬆地創建和集成人工智慧技能。這個項目的目的是提供一個簡單和靈活的方式來開發和應用人工智慧技能。同時，skills也提供了一個強大的API，讓開發者可以輕鬆地擴展和自定義技能

C#★ 13.1k⑂ 1.1kother

☆

jakevdp/PythonDataScienceHandbook

PythonDataScienceHandbook：資料科學教材 — PythonDataScienceHandbook 提供了一份全面性的資料科學教材，涵蓋了資料分析、視覺化、機器學習等主題，使用 Jupyter Notebook 撰寫，方便讀者學習和實踐。這個教材使用了各種流行的 library，包括 matplotlib、numpy、pandas 和 scikit-learn。透過這個教材，讀者可以學習到資料科學的基礎知識和實踐技能

Jupyter Notebook★ 49.3k⑂ 19.1kdata

☆

andrewyng/context-hub

context-hub：內容集線器 — context-hub 是一個開源的 JavaScript 專案，旨在提供內容管理和集線功能，讓開發者能夠更容易地管理和整合不同的內容來源。這個專案使用 JavaScript 開發，提供了一個靈活和可擴展的解決方案，讓開發者能夠根據自己的需求進行自訂。同時，context-hub 也提供了一個強大的 API，讓開發者能夠更容易地與其他應用程式和服務進行整合

JavaScript★ 13.8k⑂ 1.2kweb

☆

GokuMohandas/Made-With-ML

Made-With-ML：機器學習應用開發指南 — Made-With-ML 專案是一個全面性的機器學習開發指南，涵蓋了從資料工程到自然語言處理等多個領域，使用者可以學習如何使用 Python、PyTorch 和 Ray 來開發和部署機器學習模型。這個專案對於想要將機器學習應用於實際生產環境的開發者具有重要意義。通過這個專案，開發者可以學習如何提高機器學習模型的質量和效率，同時也可以學習如何使用 MLOps 來管理和維護機器學習模型

Jupyter Notebook★ 48.8k⑂ 7.7kai-ml

☆

pjreddie/darknet

darknet：神經網路框架 — darknet 提供了一個簡單且高效的方式來實現 CNN 模型，支援多種神經網路架構和訓練算法。這個框架廣泛應用於圖像識別、物體偵測等領域。darknet 的優點在於其高性能和低資源占用，使其成為嵌入式系統和移動設備的理想選擇。

C★ 26.5k⑂ 21kai-ml

☆

pandas-dev/pandas

pandas：Python 數據分析庫 — pandas 提供了高效的數據操作和分析功能，包括數據清理、轉換和合併等，能夠有效地處理和分析大型數據集。同時，pandas 也提供了豐富的統計和數學函數，能夠進行複雜的數據分析和可視化。因此，pandas 是 Python 中非常受歡迎的數據分析庫

Python★ 49.2k⑂ 20.1kdata

☆

taosdata/TDengine

TDengine：高效能時間序列資料庫 — TDengine是一個高效能、可擴展的時間序列資料庫，設計用於工業物聯網（IIoT）場景。它提供高效的資料儲存和查詢功能，支持分布式架構和SQL查詢。TDengine的優點在於其高性能、可擴展性和易用性，使其成為工業物聯網和物聯網應用的理想選擇

C★ 25k⑂ 5kbackend

☆

apache/superset

superset：數據視覺化和探索平台 — superset是一個基於Web的數據視覺化和探索平台，提供了多種視覺化工具和組件，能夠幫助用戶快速地創建和分享數據儀表板。它支持多種數據源，包括SQL数据库和NoSQL数据库，能夠滿足不同用戶的數據分析需求。通過使用superset，用戶可以更好地理解和分析數據，從而做出更好的商業決策

Python★ 73.9k⑂ 17.9kdata

☆

chenfei-wu/TaskMatrix

TaskMatrix：任務管理工具 — TaskMatrix 是一個開源的任務管理工具，使用 Python 編寫。它提供了一個簡單易用的介面來管理和追蹤任務，讓用戶可以輕鬆地組織和優先處理任務。透過 TaskMatrix，用戶可以提高工作效率和生產力。

Python★ 34.1k⑂ 3.2kother

☆

Vonng/ddia

ddia：数据密集型应用设计 — ddia 提供了数据密集型应用设计的综合指南，涵盖了数据库、分布式系统和数据处理等方面。该书对于软件开发人员和架构师来说非常重要，因为它提供了设计和实现大规模数据系统的最佳实践。通过学习 ddia，可以更好地理解数据密集型应用的设计原则和实现方法

Python★ 23.3k⑂ 4.5kbackend

☆

ossu/computer-science

computer-science：自學電腦科學教育路徑 — computer-science 項目提供了一條全面且免費的自學電腦科學教育路徑，讓學生可以按照自己的節奏學習。這條路徑涵蓋了各個領域的課程和資源，包括 HTML、電腦科學理論等。通過這個項目，學生可以獲得系統化的電腦科學知識，提升自己的技能和就業競爭力。

HTML★ 206.9k⑂ 25.7kother

☆

Developer-Y/cs-video-courses

cs-video-courses：計算機科學視頻課程清單 — cs-video-courses 是一個計算機科學領域的視頻課程清單，涵蓋了算法、生物信息學、計算機架構、計算機視覺、資料庫系統、深度學習、機器學習、量子計算、強化學習、機器人、安全、系統、網頁開發等多個主題。這個清單可以幫助學生和開發者快速找到相關的視頻課程，提升他們的計算機科學知識和技能。同時，這個清單也可以幫助老師和講師找到適合的教學資源，豐富他們的課程內容。

★ 82.5k⑂ 11.4kai-ml

☆

K-Dense-AI/scientific-agent-skills

scientific-agent-skills：人工智慧科學家技能 — scientific-agent-skills 是一個強大的庫，能夠將任何人工智慧代理轉換為人工智慧科學家。它提供了140個以上的技能和100個以上的科學數據庫，涵蓋生物學、化學、醫學和藥物發現等領域。這個庫被全球16萬以上的科學家使用，相容於Cursor、Claude Code、Codex、Pi、Antigravity和開放的Agent Skills標準

Python★ 29.7k⑂ 3kai-ml

☆

explosion/spaCy

spaCy：工業級自然語言處理 — spaCy 提供高效的自然語言處理功能，包括實體辨識、文本分類和標記化等，能夠有效地處理大量文本數據。它的優點在於高效、可擴展和易於使用，廣泛應用於各個領域的文本分析任務。因此，spaCy 成為了 Python 中最受歡迎的 NLP 庫之一

Python★ 33.8k⑂ 4.7kai-ml

☆

sqlmapproject/sqlmap

sqlmap：自動SQL注入和資料庫接管工具 — sqlmap是一款開源的Python工具，能夠自動化SQL注入和資料庫接管的過程，幫助安全測試人員快速評估資料庫的安全性。sqlmap支持多種資料庫管理系統，包括MySQL、Oracle和Microsoft SQL Server等，能夠有效地檢測和利用SQL注入漏洞。sqlmap的自動化功能大大提高了安全測試的效率和準確性

Python★ 37.9k⑂ 6.3ksecurity

☆

pymc-devs/pymc

pymc：Python 中的貝葉斯建模和概率编程 — pymc 提供了一个简单易用的 API 来定义概率模型，并提供了多种算法来进行模型拟合和推断。通过使用 pymc，可以轻松地构建和分析复杂的概率模型，从而更好地理解数据背后的机制。同时，pymc 也提供了与其他流行的 Python 库如 PyTensor 的集成，进一步扩展了其功能

Python★ 9.7k⑂ 2.3kother

☆

BVLC/caffe

caffe：深度學習快速開放框架 — caffe是一個開源的深度學習框架，旨在提供快速和高效的神經網絡計算功能。它支持多種程式語言，包括C++、Python和MATLAB，同時也提供了豐富的API和工具，讓開發者可以輕鬆地使用和擴展。caffe的優勢在於其高性能和高擴展性，使其成為深度學習領域的一個重要工具

C++★ 34.6k⑂ 18.5kai-ml

☆

Alluxio/alluxio

alluxio：雲端分析和機器學習的數據管弦樂 — alluxio是一個開源的數據管弦樂平台，能夠將數據從多個來源整合到一起，提高數據處理效率和速度。它支持多種數據分析和機器學習框架，包括Hadoop、Presto、Spark和TensorFlow。通過alluxio，使用者可以更容易地管理和處理大規模數據，提高分析和機器學習的效率

Java★ 7.2k⑂ 2.9kdata

☆

calcom/cal.diy

cal.diy：開源排程基礎設施 — cal.diy 提供了一個開源的排程基礎設施，讓開發者可以輕鬆地建立自己的排程系統。該項目使用了多種流行的技術，包括 nextjs、postgresql、prisma 和 tailwindcss。通過 cal.diy，開發者可以快速建立一個可靠且高效的排程系統，滿足各種需求。

TypeScript★ 46.6k⑂ 14.5kweb

☆

streamlit/streamlit

streamlit：快速打造和分享數據應用程式 — streamlit是一個強大的工具，讓用戶可以輕鬆地打造和分享數據應用程式，支援多種數據分析和視覺化工具，包括data-analysis、data-science和data-visualization等。它可以幫助用戶快速建立和分享數據洞察，節省時間和精力。同時，streamlit也支持deep-learning和machine-learning等先進技術，讓用戶可以輕鬆地建立和分享複雜的數據模型

Python★ 45.3k⑂ 4.3kai-ml

☆

sinaptik-ai/pandas-ai

pandas-ai：使用LLMs和RAG进行数据分析 — pandas-ai通過LLMs和RAG技術，使得數據分析變得更加簡單和對話式。用戶可以通過聊天的方式與數據庫或數據湖進行交互，從而更容易地獲取所需的數據和信息。這項技術的應用有助於提高數據分析的效率和便捷性。

Python★ 23.7k⑂ 2.3kdata

☆

johnkerl/miller

miller：命令列工具 — miller 是一個強大的命令列工具，能夠輕鬆地處理和分析結構化數據。它支援多種數據格式，包括 CSV、TSV 和 JSON，並提供了多種功能，例如數據清理、數據處理和統計分析。這使得 miller 成為數據科學家和開發人員的必備工具

Go★ 10k⑂ 238devops

☆