好开源，值得被发现。

微软Azure发布的免费入门级数据科学课程，涵盖10周20课，内容从基础定义到云工作流，支持50多种语言，包含测验和应用和项目指导。

FiftyOne 是一款开源工具，用于构建高质量数据集和计算机视觉模型，支持可视化、标注、评估及数据策展。

OpenRefine 是一款基于 Java 的开源强大工具，旨在通过 Web 浏览器界面对杂乱的数据进行清洗、转换和协调。

Great Expectations (GX Core) 是一个开源的 Python 数据质量库，提供了一个为数据创建单元测试的框架，旨在确保数据的一致性和可靠性。

VectorBT是一个开源的Python回测库，通过将数千种参数组合打包进NumPy数组，并利用Numba和可选的Rust引擎加速，实现策略研究的向量化，同时提供投资组合分析和交互式Plotly可视化。

数据研究分析平台支持用户导入自定义数据集进行可视化与分析。

Evidence 是一款开源的基于代码的商业智能工具，旨在替代拖拽式 BI 产品。用户可以使用 SQL 和 markdown 构建快速且交互式的报告，随后将其发布或自行托管为静态网站。

Apache Superset 是一款现代化的、企业级的商业智能 Web 应用程序，用于数据的探索与可视化。

tsfresh 是一个用于自动时间序列特征提取与选择的 Python 包，融合统计学、信号处理和假设检验，为机器学习生成数百个相关特征。

IPython 是一个强大的交互式命令外壳，支持多种编程语言（主要是 Python），提供增强的内省功能和外壳集成，旨在提升开发人员和数据科学家的计算效率。

pandas 是一个功能强大的 Python 库，提供了快速、灵活且富有表现力的数据结构，专为处理关系型或标记数据而设计。

Apache Airflow 是一个用于以代码形式编程编写、调度和监控工作流的平台，常用于数据管道以及 AI/ML 编排。

Trino 是一款专为大数据分析设计的快速分布式 SQL 查询引擎（原名 PrestoSQL）。

mycli 是一款功能丰富的 MySQL 终端客户端，支持自动补全、语法高亮以及 dataframe 集成。

marimo 是一款响应式 Python notebook，确保代码与输出之间的一致性。它将内容存储为纯 Python 文件，从而提升了 git 友好度和可部署性。

Statsmodels是用于统计建模和计量经济分析的Python包，支持线性模型、时间序列、生存分析等多种统计方法，提供丰富的数据集、测试工具和可视化功能。

一个Python库，通过自然语言指令驱动的AI模型为pandas DataFrames添加新列以丰富数据处理能力。

NVIDIA cuDF 是一个用于表格数据处理的 GPU 加速 DataFrame 库，属于 CUDA-X 套件。它提供兼容 pandas 的 API、Polars GPU 引擎和 Dask 后端，支持高性能数据操作。

Flow 是一个用 Go 编写的单二进制、高性能 ETL 引擎和工作流编排器。它具有嵌入式可视化 Web 构建器、声明性 XML 管道、跨数据库支持和内置审计遥测功能。

这是一个通过 Python 从底层原理教授监督机器学习的教育仓库，涵盖了数学基础以及从零实现到实际应用的完整过程。