data-science

12周、26节课、52个测验，面向所有人的经典机器学习课程

Apache Superset 是数据可视化与数据探索平台

scikit-learn：Python机器学习库

30天Python编程挑战是一个分步指南，帮助你在30天内学习Python编程语言。这个挑战可能需要超过100天，请按照自己的节奏进行。这些视频也可能有所帮助：https://www.youtube.com/channel/UC7PNRuno1rzYPb1xLa4yktw

面向Python的灵活强大数据分析处理库，提供类R数据框的标签化数据结构、统计函数及丰富功能

学习如何开发、部署并迭代生产级机器学习应用。

Apache Airflow - 通过编程方式编写、调度和监控工作流的平台

Streamlit——快速构建和共享数据应用的开发框架。

十周二十课，人人皆可数据科学！

以Jupyter Notebook形式发布的fastai书籍。

Data Apps & Dashboards for Python. No JavaScript Required.

Prefect是用于构建弹性数据管道的Python工作流编排框架

面向Python的响应式笔记本——运行可复现实验、使用SQL查询、作为脚本执行、部署为应用程序并通过git进行版本控制。存储为纯Python格式，全部集成于现代化的AI原生编辑器中。

《机器学习与算法交易（第二版）》代码实现

面向数据资产开发、生产与观测的编排平台

Trino 官方代码库——原名为 PrestoSQL 的大数据分布式 SQL 查询引擎 (https://trino.io)

OpenRefine 是一款免费开源的强大工具，用于处理杂乱数据并实现数据质量提升

示例 📓 Jupyter 笔记本，展示如何使用 🧠 Amazon SageMaker 构建、训练和部署机器学习模型。

研发对于提升工业生产力至关重要，尤其在AI时代，其核心聚焦于数据与模型。我们致力于通过R&D-Agent自动化这些高价值的通用研发流程，让人工智能驱动数据驱动的AI研究。🔗https://aka.ms/RD-Agent-Tech-Report

一本包含练习的机器学习系统设计小册子。并非《Designing Machine Learning Systems》书籍的代码库（该书代码库为`dmls-book`）。

Fast and Accurate ML in 3 Lines of Code

数据科学面试题与答案

cuDF - GPU 数据帧库

H2O是一个开源、分布式、快速且可扩展的机器学习平台：支持深度学习、梯度提升、XGBoost、随机森林、广义线性模型、K均值聚类、主成分分析、广义可加模型、规则拟合、支持向量机、堆叠集成、自动机器学习等。