Cahiers Python de science des données : Apprentissage profond (TensorFlow, Theano, Caffe, Keras), scikit-learn, Kaggle, big data (Spark, Hadoop MapReduce, HDFS), matplotlib, pandas, NumPy, SciPy, essentiels Python, AWS, et diverses lignes de commande.
Explorez des concepts et techniques de science des données à travers des notebooks Python interactifs.
Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.
Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.
Gratuit · sans carte · désinscription à tout momentCahiers Python de science des données : Apprentissage profond (TensorFlow, Theano, Caffe, Keras), scikit-learn, Kaggle, big data (Spark, Hadoop MapReduce, HDFS), matplotlib, pandas, NumPy, SciPy, essentiels Python, AWS, et diverses lignes de commande.
data-science-ipython-notebooks compte 29.3k étoiles sur GitHub. Il a été forké 8k fois. data-science-ipython-notebooks est écrit principalement en Python. Il est développé activement depuis 2015. Ses principaux thèmes sont : aws, big-data, caffe, data-science.
Cahiers Python de science des données : Apprentissage profond (TensorFlow, Theano, Caffe, Keras), scikit-learn, Kaggle, big data (Spark, Hadoop MapReduce, HDFS), matplotlib, pandas, NumPy, SciPy, essentiels Python, AWS, et diverses lignes de commande.
data-science-ipython-notebooks est un projet open source.
Oui. data-science-ipython-notebooks est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
data-science-ipython-notebooks est écrit principalement en Python.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://opensourceai.tech/project/donnemartin-data-science-ipython-notebooks.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.