HugoBlox — это фреймворк с открытым исходным кодом для создания профессиональных сайтов из структурированного Markdown. Он сочетает Hugo и Tailwind CSS, позволяя выбирать шаблоны, генерировать страницы через ИИ (Hugo Chat) и бесплатно разворачивать сайты. Весь контент хранится в виде чистых Markdown-файлов, обеспечивая полный контроль и переносимость.
Открытый код. Новые возможности.
Находите качественные проекты с открытым исходным кодом, отправляйте проекты анонимно, заявляйте права на свои проекты и редактируйте их.
Немного любопытства. Мир открытого кода.
THE FIRST COLLECTIONApache Spark — это унифицированный аналитический движок для крупномасштабной обработки данных, предлагающий высокоуровневые API и оптимизированный движок для общих графов вычислений.
theme61 是一个R包,用于创建遵循e61 Institute风格的图形。提供了用于制作美观图的函数,并提供访问Institute的颜色 palet。文档可在包网站上获得。 安装需要使用remotes包,可以通过install.packages "remotes" 获得。然后使用remotes::install_github "e61-institute/theme61" 进行安装,依赖包含 "TRUE" 选项,同时使用 "always" 选项。运行后,可用 library(theme61) 加载。 包网站包含详细使用指南,包括入门指南和常见问题的文档。README文件由readme.rmd生成,应该编辑以更新文档。
Бесплатный 12-недельный курс Microsoft из 26 уроков по классическому машинному обучению с использованием Scikit-learn. Включает тесты, практические проекты, задания, уроки на Python и R, а также переводы на многие языки.
CatBoost — библиотека градиентного бустинга с открытым исходным кодом от Yandex для классификации, регрессии и ранжирования, с поддержкой категориальных признаков, обучением на CPU/GPU, распределённым обучением через Apache Spark и API для Python, R, Java и C++.
LightGBM — это быстрый, распределенный и высокопроизводительный фреймворк градиентного бустинга на основе алгоритмов решающих деревьев, оптимизированный для эффективности и работы с большими данными.
Личный репозиторий статей и экспериментов по статистике, машинному обучению, экономике и математике, с акцентом на ясные, практические объяснения сложных тем.
mlr3summary — это пакет R, который предоставляет краткие и информативные сводки моделей машинного обучения на базе экосистемы mlr3, вдохновленные классическим выводом summary для обобщенных линейных моделей.