搜索结果：data-science（22 个）

面向 AI 时代的研发 Agent 框架，聚焦于数据与模型核心环节，助力提升工业生产力与研发效率。

用于构建自定义 LLM、神经网络及其他 AI 模型的低代码框架。

响应式 Python Notebook，支持 SQL 查询、脚本执行、应用部署与 Git 版本管理，纯 Python 存储。

面向机器学习实验与流程的数据版本控制工具。

用于构建与优化高质量数据集及视觉 AI 模型的工具平台。

仅需一行代码，即可对 Pandas 和 Spark DataFrame 进行数据质量分析与探索。

微软推荐系统算法与工程的最佳实践合集，包含常用的推荐模型与评测基准。

AI 开发者平台，用于训练、微调模型，覆盖从实验跟踪到生产部署的全流程管理。

面向 Python 的工业级自然语言处理（NLP）开发库。

SynapseML（原 MMLSpark）是基于 Apache Spark 的分布式机器学习库，主要解决大规模数据下构建 ML 流水线复杂度高的问题。它无缝兼容 SparkML API，支持在弹性集群上分布式训练，覆盖文本分析、计算机视觉、异常检测及深度学习等任务，并支持 Python、Scala 等多语言调用。

结合 LLM 与 RAG，支持与 SQL、CSV、parquet 等数据库或数据湖对话分析。

仅需三行代码即可实现的快速且高精度的 AutoML 机器学习库。

用于 Python 统计建模和计量经济学的开源库。

Apache Texera 是一款面向人机协同数据科学的可视化工作流平台，解决复杂数据分析门槛高及协作难的问题。它通过直观 GUI 让用户构建分析流程，并结合能理解自然语言的 AI Agent 辅助任务。核心功能包括工作流实时协作编辑、运行时调试、多语言原生支持（Python/Java）以及支持云端扩展的并行大数据处理引擎。

成为人工智能（AI）领域专家的学习路线图指南（2022 版）。

以数据为中心的开源 AI 库，用于解决真实复杂数据与标签的质量及机器学习问题。

开放式的经典机器学习（Machine Learning）实战教程与学习资料库。

面向生产级 ML 应用的设计、开发与部署实战学习指南。

面向开发者的 Python 主题建模与文本分析库。

面向所有人的经典机器学习入门教程，包含 12 周、26 节课程及 52 个配套测验。