10 listes de github impressionnantes pour la science des données

Listes impressionnantes sont quelques-uns des référentiels les plus populaires sur Github, attirant souvent des milliers de stars de la communauté. Ces listes organisées rassemblent des ressources, des outils et des tutoriels de haute qualité sur un sujet spécifique, ce qui en fait de précieuses références pour les développeurs et les apprenants.

Cependant, l’ajout du mot «génial» à votre nom de référentiel ne garantit pas que vous recevrez automatiquement beaucoup d’étoiles. La popularité d’une liste impressionnante dépend de la qualité et de l’utilité de son contenu, ainsi que de sa visibilité au sein de la communauté. Si votre liste géniale est officiellement vérifiée ou incluse par l’original Créateur de liste géniale, Sindresorhuscela peut considérablement augmenter la visibilité et la crédibilité de votre référentiel. Les gens font confiance à la marque «géniale».

Dans cet article, nous passerons en revue certaines des listes les plus populaires et les plus impressionnantes pour la science des données. Nous explorerons les collections d’outils, de ressources, de tutoriels, de guides et de chemins d’apprentissage, tous conçus pour vous aider à maximiser votre parcours d’apprentissage en science des données.

1. Awesome Python: la liste des ressources Python ultime

Lien: vinta / génial-python
Voici une liste complète de cadres Python, de bibliothèques, de logiciels et de ressources qui existent depuis au moins 10 ans et qui sont toujours activement maintenus. Il s’agit d’un signet incontournable pour tout scientifique des données travaillant avec Python, englobant tout, de l’analyse des données et de l’apprentissage automatique au développement Web et à l’automatisation.

2.

Lien: Qinwf / Awesome-R
Trouver les meilleurs outils R peut être difficile, car sa communauté est relativement faible par rapport à Python. Cette collection des packages, des frameworks et des logiciels supérieurs fournit une boutique à guichet unique pour découvrir toutes sortes de packages R pour divers cas d’utilisation. Que vous soyez intéressé par la manipulation des données, la visualisation ou la modélisation statistique, cette liste est votre passerelle vers l’écosystème R.

3. Ensembles de données publiques impressionnantes: données ouvertes de haute qualité

Lien: AwesomeData / Awesome-public-Datasets
Voici une liste organisée d’ensembles de données ouverts de haute qualité, organisés par sujet. Il est idéal pour les projets de science des données, les expériences d’apprentissage automatique et tous ceux qui souhaitent travailler avec des données réelles. Après Kaggle, c’est l’une des meilleures sources pour les ensembles de données gratuits à télécharger et à améliorer votre portefeuille de science des données.

4. Awesome Sqlalchemy: Outils pour le premier orm de Python

Lien: Dahlia / Awesome-Sqlalchemy
Il s’agit d’une liste d’outils, d’extensions et de ressources pour Sqlalchemy, l’ORM le plus populaire de Python. Idéal pour les scientifiques des données et les ingénieurs travaillant avec des bases de données et des modèles de données complexes.

5. Awesome Data Science: Apprenez et appliquez la science des données

Lien: académique / impressionnant-datascienne
Un référentiel open source qui vous aide à apprendre la science des données depuis le début et vous aide également à créer un portefeuille solide en travaillant sur des problèmes réels. Il comprend des tutoriels, des cours, des livres et des idées de projet pour tous les niveaux.

6. Awesome Apprend Science des données: chemins d’apprentissage organisés

Lien: Siboehm / Awesome-Learn-Datascience
Une liste de ressources triée sur le volet pour vous aider à démarrer avec la science des données. Trouvez des tutoriels, des MOOC, des livres et des guides adaptés aux débutants pour lancer votre parcours scientifique des données.

7. Awesome Analytics: Top Analytics Tools and Frameworks

Lien: oxnr / génial-analytique
Une liste organisée de cadres d’analyses, de logiciels et d’outils. Idéal pour tous les niveaux, y compris les personnes non techniques qui souhaitent explorer des outils sans code pour la science des données ou l’analyse des médias sociaux.

8. Apprentissage automatique impressionnant: les meilleures bibliothèques ML

Lien: Josephmisiti / Awesome-Machine-Learning
Une liste complète et organisée de cadres d’apprentissage automatique, de bibliothèques et de logiciels sur plusieurs langues. Il comprend également des livres d’apprentissage automatique gratuits, des cours, des blogs, des newsletters et des liens vers des rencontres et des communautés locales.

9. Tutoriels d’apprentissage automatique impressionnants: guides et articles pratiques

Lien: ujjwalkarn / machine-learning-tutorial
Une collection de tutoriels, d’articles et de ressources d’apprentissage automatique et d’apprentissage en profondeur. Parfait pour les apprenants pratiques qui souhaitent approfondir leur compréhension à travers des exemples pratiques.

10. Awesome Python Data Science: Organismes d’outils de science des données Python

Lien: krzjoa / génial-python-data-science
Une liste soigneusement organisée des meilleurs packages Python pour la science des données, englobant divers domaines tels que l’apprentissage automatique, l’apprentissage en profondeur, la visualisation, le déploiement, etc.

Conclusion

Dans le monde d’aujourd’hui des informations sans fin, les listes impressionnantes sont de vraies mines d’or pour quiconque a sérieusement appris et développer de réelles compétences. Les gens commencent à réaliser que le codage d’ambiance est amusant, mais si vous voulez construire un produit durable, vous devez apprendre les bases. C’est là que ces référentiels géniaux organisés entrent: ils vous aident à apprendre les bases, à approfondir votre expertise et à rester à jour avec les meilleurs outils et ressources dans le domaine de la science des données.

Ainsi, mettez en signet cette page et explorez les liens qui correspondent à vos intérêts, que vous appreniez une nouvelle langue ou que vous plongez dans un sujet spécifique.

Abid Ali Awan (@ 1abidaliawan) est un professionnel certifié des data scientifiques qui aime construire des modèles d’apprentissage automatique. Actuellement, il se concentre sur la création de contenu et la rédaction de blogs techniques sur l’apprentissage automatique et les technologies de science des données. Abid est titulaire d’une maîtrise en gestion technologique et d’un baccalauréat en génie des télécommunications. Sa vision est de construire un produit d’IA en utilisant un réseau de neurones graphiques pour les étudiants aux prises avec une maladie mentale.