data-science 第 2 页

本站收录 201 个带「data-science」标签的 AI 开源项目（按 GitHub 星标从高到低，第 2 / 5 页）

featureformFeatureform 是一个虚拟特征存储（Virtual Feature Store）系统，它不重新搭建存储，而是将你已有的数据基础设施（如 Postgres★ 1,991feathrFeathr 是一个面向企业的可扩展、统一的数据与 AI 工程平台，主要用于特征工程的全生命周期管理。它解决了机器学习中特征定义、计算、存储和在线/离线一致性难★ 1,946graph-fraud-detection-papers这是一个精选的图神经网络与Transformer在欺诈检测、异常检测和离群点检测领域的论文与资源列表。项目系统整理了基于图结构（如GNN、Graph Trans★ 1,900DATAGENDATAGEN 是一个基于 AI 的多智能体研究助手，旨在自动化科研流程中的假设生成、数据分析和报告撰写。它利用 LangChain 等框架构建多个智能体，协同★ 1,809NBA-Machine-Learning-Sports-Betting这是一个利用机器学习预测NBA比赛结果并辅助体育博彩决策的开源项目。它解决了体育博彩中依赖主观经验和直觉、缺乏数据支撑的问题，通过数据驱动的方式提高预测准确性。★ 1,748mlrunMLRun 是一个开源的 MLOps 平台，旨在帮助团队快速构建和管理持续运行的机器学习应用全生命周期。它解决的核心问题是 ML 项目从开发到生产的工程化难题，★ 1,704pixeltablePixeltable 是一个面向 AI 数据应用的多模态数据后端，旨在统一管理图像、视频、文本等非结构化数据及其相关的元数据和 AI 模型输出。它解决了 AI ★ 1,639datalinedataline 是一个开源的 AI 数据分析与可视化工具，让用户通过自然语言对话的方式与数据交互。它支持 CSV、Postgres、MySQL、Snowfla★ 1,596DataProfilerDataProfiler 是一个开源的数据分析工具，用于快速提取数据集的模式（schema）、统计信息和实体标签。它解决的核心问题是帮助数据科学家和工程师在拿到★ 1,596aidemlAIDE 是一个基于大语言模型的机器学习工程智能体，旨在自动化 AI 研发流程。它通过自主探索代码空间，帮助数据科学家和机器学习工程师完成从数据探索、特征工程、★ 1,584Generative_Deep_Learning_2nd_Edition这是 O'Reilly 出版的《Generative Deep Learning》第二版的官方代码仓库，旨在通过 Jupyter Notebook 教程，帮助读★ 1,568skforecastskforecast 是一个基于 Python 的时间序列预测库，它允许用户直接使用 scikit-learn 兼容的机器学习模型（如随机森林、XGBoost、★ 1,537tensor-housetensor-house 是一个面向企业场景的 AI/ML 参考实现集合，以 Jupyter Notebook 形式提供端到端的演示应用，覆盖营销、定价、供应链★ 1,462mlreefmlreef 是一个面向机器学习团队的协作工作区，旨在解决 ML 项目中代码、数据和实验管理分散、协作效率低的问题。它提供统一的项目空间，集成代码仓库、数据版本★ 1,462mlops-python-packagemlops-python-package 是一个用于快速启动和标准化 MLOps 项目及数据管道的 Python 包模板。它解决了 MLOps 项目从零搭建时缺★ 1,419budgetmlbudgetml 是一个面向预算有限场景的机器学习推理服务部署工具，旨在让开发者用不到 10 行代码就能将模型部署为可用的推理服务。它解决了传统 ML 部署中配★ 1,345hopsworksHopsworks 是一个面向数据密集型 AI 的平台，核心是 Feature Store（特征存储），旨在解决机器学习特征管理混乱、训练与推理数据不一致的问题★ 1,310cleanvisionCleanVision 是一个用于图像数据集质量检测的开源 Python 库，旨在自动发现图像数据中的各类问题，帮助数据科学家和机器学习工程师实践以数据为中心的★ 1,212ai-learning-roadmapsai-learning-roadmaps 是一个系统化的人工智能学习资源中心，旨在为从初学者到进阶者提供完整的学习路径。项目整合了 AI、机器学习、深度学习、数★ 1,127sematicSematic 是一个开源的机器学习流水线开发平台，旨在解决 ML 工程中实验、调度和部署的复杂性问题。它允许开发者用纯 Python 编写流水线，通过装饰器将★ 1,003EvoOntologyEvoOntology 是一个面向数据智能体的自进化本体层插件，主要服务于 Claude Code 和 Codex 等代码智能体。它解决的核心问题是：当 AI ★ 996Ultimate-Data-Science-Toolkit---From-Python-Basics-to-GenerativeAI这是一个面向数据科学和生成式AI学习者的开源课程/资源库，以Jupyter Notebook形式提供从Python基础到生成式AI的完整学习路径。项目旨在解决数★ 972StarryDivineSkyStarryDivineSky 是一个精选开源项目聚合仓库，收录了超过 10,000 个优质项目，覆盖机器学习、深度学习、自然语言处理、图神经网络、推荐系统、生★ 952free-ai-resources-x这是一个精选的免费AI资源集合项目，收录了高质量的AI工具、API、数据集和学习资料，覆盖机器学习、深度学习、生成式AI、自然语言处理和数据分析等领域。项目旨在★ 943lanternlantern 是一个基于 PostgreSQL 的向量数据库扩展，专为构建 AI 应用而设计。它通过扩展 PostgreSQL 的能力，使其能够高效地存储和检★ 896deepfabricdeepfabric 是一个面向 AI 数据工程的一体化流水线工具，旨在解决高质量合成数据生成、模型训练、评估与蒸馏的割裂问题。它提供从数据生成到模型优化的完整★ 891vectordbEpsilla 是一个高性能的向量数据库管理系统，专为 AI 应用设计。它解决了大语言模型应用中知识库检索和语义记忆的痛点，提供向量存储、索引和相似性搜索的核心★ 874bacalhauBacalhau 是一个社区驱动的分布式计算框架，专注于在数据所在位置执行计算，实现快速、低成本的‘数据计算’（Compute over Data）。它解决了传★ 874meerkatMeerkat 是一个用于探索和理解机器学习训练与验证数据的开源工具。它解决了深度学习项目中数据质量难以直观检查、样本分布不透明、错误分析繁琐等问题。核心能力包★ 856curriculumEnki 是一个面向开发者的 AI 学习助手，其课程仓库（curriculum）是 Enki 应用的开源课程内容库，包含计算机科学、数据科学、AI、区块链、前端★ 834caercaer 是一个面向计算机视觉研究的高性能 Python 库，旨在减少样板代码，让研究者专注于核心算法。它整合了图像处理、数据增强、模型训练与评估等常用功能，提★ 820BambooAIBambooAI 是一个由大语言模型驱动的数据分析智能体，核心特点是让 LLM 在持久化的 Python 内核中执行代码，而不是每次问答都重新启动环境。用户通过★ 809WaxWax 是一个面向 AI 代理的轻量级记忆层，以单个 Swift 文件实现，专为 Apple Silicon 设备优化。它解决了 AI 代理在本地设备上缺乏快速★ 805mlops-coding-course这是一个面向MLOps工程师的实战编码课程，旨在教你如何从零创建、开发并维护一套现代化的MLOps代码库。课程内容覆盖项目结构设计、数据版本管理、模型训练与评估★ 742Auto-AnalystAuto-Analyst 是一个开源的 AI 驱动数据科学平台，旨在通过自然语言交互简化数据分析全流程。它解决了传统数据科学工作中门槛高、流程繁琐、工具分散的问★ 708advanced-machine-learning-engineer-roadmap-2024这是一个面向2024年的全栈机器学习工程师学习路线图，旨在帮助学习者系统掌握从数据处理、模型开发到部署运维的完整技能链。项目以结构化的路线图形式，梳理了成为全栈★ 702RAGLightRAGLight 是一个模块化的检索增强生成（RAG）框架，旨在简化 RAG 应用的构建过程。它解决了传统 RAG 实现中组件耦合度高、替换困难的问题，允许开发★ 672second-brainSecond Brain 是一个智能体框架，定位为个人知识工作流的“操作系统”。它通过本地文件智能解析、工作流自动化和大语言模型（LLM）协作，帮助用户自动完成★ 671mrmrmRMR 是一个用于大规模自动特征选择的 Python 库，实现了最小冗余最大相关性（minimum-Redundancy-Maximum-Relevance）★ 631awesome-ai这是一个精选人工智能资源的列表项目，收集了课程、工具、应用和开源项目等各类AI相关资源。它旨在为AI学习者和开发者提供一个导航入口，解决信息过载和资源分散的问题★ 554distributed-ml-patterns这是一个与 Manning 出版社书籍《Distributed Machine Learning Patterns》配套的开源项目，由 Yuan Tang 编写★ 545awesome-time-series-segmentation-papers这是一个聚焦时间序列分割（Time Series Segmentation）方向的论文阅读清单仓库，系统整理了该领域的重要学术文献。时间序列分割旨在把连续的时间★ 542tracemltraceml 是 Polyaxon 生态下的 AI/ML 数据追踪与可视化引擎，专注于解决机器学习实验中的指标跟踪、数据漂移检测和模型可解释性问题。它提供了一★ 533aqueductAqueduct 是一个已停止维护的开源基础设施项目，旨在帮助用户在任意云基础设施上运行大语言模型（LLM）和机器学习（ML）工作负载。它通过提供统一的接口和编★ 518popmonpopmon 是一个用于监控 Pandas 或 Spark 数据框稳定性的开源库。它通过自动计算数据分布、统计指标和相关性等特征，并基于历史数据或预期值进行对比★ 512AI-CatalogAI-Catalog 是一个精心编排的 AI 工具与资源大全，旨在解决 AI 领域信息过载、工具分散难以发现的问题。它通过分类整理的方式，收录了涵盖对话助手、智★ 497PantheonOSPantheonOS 是一个面向数据科学场景的通用、可演化、分布式的智能体框架与运行环境。它旨在解决传统数据科学工作流中工具链割裂、流程难以自动化以及智能体协作★ 491awesome-pythonawesome-python 是一个精选的 Python 库和框架资源清单，按类别组织，涵盖数据科学、机器学习、深度学习、自然语言处理、Jupyter 生态等多★ 468encord-activeencord-active 是一个用于模型测试、验证与评估的开源工具包，旨在帮助机器学习团队高效管理数据标注流程。它解决的核心问题是：在模型开发中，如何从海量未★ 460haupthaupt 是 Polyaxon 生态中的一个基础设施组件，提供统一的 lineage 元数据 API、工件流、沙箱、API 和 spaces 能力。它主要解决★ 451

相关标签

machine-learning904mlops445python1570deep-learning815ai2792llm3432artificial-intelligence538pytorch605ml151data-analysis44data-engineering50tensorflow153