pandas
本站收录 22 个带「pandas」标签的 AI 开源项目
pandas-aiPandasAI 是一个将大语言模型与数据分析结合的开源库，让你可以用自然语言与数据对话。它支持 SQL、CSV、Parquet 等多种数据源，通过 LLM 和★ 23,813
datasetsdatasets 是 Hugging Face 推出的开源数据集库，旨在成为 AI 模型就绪数据集的中心枢纽。它解决了机器学习从业者在数据获取、处理和加载过程中★ 22,016
mimesisMimesis 是一个 Python 库，用于生成逼真的假数据，支持多种语言和地区（locale）。它解决了开发、测试和演示阶段需要大量真实感测试数据的问题，无★ 4,840
pandas-datareaderpandas-datareader 是一个 Python 库，用于从多种互联网数据源获取金融和经济数据，并将其直接转换为 pandas DataFrame 格式★ 3,271
hamiltonHamilton 是一个帮助数据科学家和工程师定义可测试、模块化、自文档化数据流的开源框架。它通过纯 Python 函数声明数据转换逻辑，自动构建数据流图，并生★ 2,601
lotusLotus 是一个专注于大规模数据处理的开源框架，旨在为代理（Agent）和大型语言模型（LLM）提供高效的批量处理能力。它解决了传统 LLM 在处理海量数据时★ 1,707
DataProfilerDataProfiler 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★ 1,591
meerkatMeerkat 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★ 854
BambooAIBambooAI 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★ 790
advanced-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★ 703
tracemltraceml 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★ 534
popmonpopmon 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★ 511
awesome-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★ 468
awesome-data-centric-ai这是一个关于数据为中心AI（Data-Centric AI）的精选资源列表，汇集了开源软件、教程和研究论文。它旨在解决AI开发中数据质量、标注、增强等问题，强调★ 357
tensorflow-ml-nlp这是一个韩语自然语言处理与聊天机器人的学习项目，基于TensorFlow和机器学习，从逻辑回归到Transformer聊天机器人逐步深入。项目解决了韩语NLP入★ 201
ai-learning-kitai-learning-kit 是一个精选的 AI 学习资料合集，旨在为开发者、学生和研究者提供系统化的 AI 学习路径。它解决了 AI 领域信息过载、学习资源★ 197
Quick-Notes-for-ML-DS这是一个面向机器学习与数据科学求职者的面试准备笔记仓库，由 iNeuron 提供内容，汇集了面试常见问题、重要学习链接以及 MLOps 相关资源。项目旨在帮助学★ 167
market_pricesmarket_prices 是一个 Python 工具库，专注于获取有意义的 OHLCV（开盘、最高、最低、收盘、成交量）金融数据集。它解决量化研究、回测和数据★ 106
examplesNeptune 是一个用于机器学习实验管理和 MLOps 的元数据存储库。这个名为 examples 的仓库是 Neptune 官方提供的示例集合，展示了如何将★ 87
ml-workflow-automation这是一个用 Jupyter Notebook 演示典型机器学习工作流的 Python 项目，核心亮点是将模型自动部署为 Kubernetes 上的 RESTfu★ 68
AI-ML-14-Hours-FREE-Course这是一个为期7天的AI与机器学习基础免费工作坊课程，旨在帮助初学者快速入门AI领域。项目以HTML格式呈现，提供结构化的学习路径，涵盖AI核心概念与基础原理。其★ 62
coursera-practical-data-science-specialization这是Coursera上deeplearning.ai开设的“实用数据科学专项课程”的作业与项目参考答案合集，以Jupyter Notebook形式组织。它帮助学★ 59