Awesome GitHub RepositoriesMissing Data Imputation

Pandas is a high-performance data analysis library that provides a comprehensive framework for manipulating, cleaning, and transforming structured datasets. It centers on labeled one-dimensional and two-dimensional data structures, allowing users to construct, filter, and reshape tabular information while performing complex arithmetic and logical operations. The library distinguishes itself through a sophisticated indexing engine that enables automatic data alignment during calculations and relational merges. By utilizing a block-based memory layout, it optimizes cache locality for vectorized

Polars is a high-performance columnar data processing library designed for efficient analytical workflows. It functions as a structured data library that organizes information into typed columns, utilizing the Apache Arrow memory format to enable zero-copy data sharing and cache-friendly, vectorized operations. The engine is built to handle large-scale tabular datasets, providing both local and distributed analytical runtimes that scale from single-machine environments to multi-node clusters. The project distinguishes itself through a sophisticated lazy query engine that constructs abstract e

This project is an educational platform and research toolkit designed to teach deep learning through a combination of mathematical theory, visual diagrams, and executable code. It provides a comprehensive environment for building, training, and evaluating neural networks, grounding complex concepts in interactive computational notebooks that allow for hands-on experimentation. The framework distinguishes itself by interleaving theoretical foundations—including linear algebra, calculus, and probability—with practical implementations across multiple industry-standard libraries. It supports flex

Fastai is a high-level deep learning library built on PyTorch that provides a unified interface for managing the entire machine learning lifecycle. It functions as a comprehensive training toolkit, abstracting hardware management and automating complex training loops to simplify the construction and execution of neural network models. The framework is distinguished by its notebook-centric development environment and a type-dispatching data pipeline that automatically applies transformations based on input data formats. It emphasizes transfer learning through discriminative layer-wise optimiza

Backtrader is a Python framework designed for the development, backtesting, and live execution of algorithmic trading strategies. It provides a comprehensive environment for quantitative finance, allowing users to simulate trading logic against historical market data or connect directly to brokerage platforms for automated real-time trading. The project distinguishes itself through a unified event-driven architecture that treats backtesting and live trading with the same API. This consistency is supported by a flexible data-feed abstraction layer that normalizes diverse financial sources, ena

This project is a machine learning algorithm reference and implementation guide that provides theoretical foundations and code for supervised learning, deep learning, and natural language processing. It serves as a comprehensive toolkit for implementing predictive models and a technical reference for algorithm engineering. The project focuses on ensemble learning frameworks, including the construction of decision trees, random forests, and gradient boosting models. It also functions as a probabilistic graphical model library and an NLP algorithm reference, with specific implementations for se

Statsmodels is a comprehensive Python library designed for statistical modeling, econometric research, and data analysis. It provides a robust framework for estimating and diagnosing a wide range of statistical models, enabling users to perform rigorous hypothesis testing, regression analysis, and complex data exploration within structured environments. The library distinguishes itself through its support for advanced statistical methodologies, including state space representation for dynamic systems and generalized linear frameworks that accommodate non-normal response variables. It offers s

This project is a framework for the efficient serialization and deserialization of data structures. It provides a unified, macro-based interface that automates the conversion of complex internal objects into standardized formats and reconstructs them from raw input streams or buffers. By leveraging compile-time code generation, the library minimizes manual implementation overhead while ensuring consistent logic across diverse data types. The framework distinguishes itself through a format-agnostic data model and a visitor-based parsing architecture that decouples data structures from specific

PyMC is a Bayesian probabilistic programming framework used for building probabilistic models and performing Bayesian inference. It provides a probabilistic graphical model library for specifying random variables, priors, and likelihood functions, supported by an MCMC sampling engine and variational inference tools to estimate posterior distributions. The framework features a GPU-accelerated inference backend that compiles models into machine code to increase execution speed. It utilizes a backend-agnostic tensor execution model and just-in-time graph compilation to optimize the computation o

tsfresh is an automated feature engineering tool and library designed to extract statistical characteristics from raw time series data. It transforms sequential data into tabular datasets, converting time series into a flat format where each row represents a unique entity and columns represent extracted features. The project distinguishes itself through a parallel data processing framework that distributes heavy computational workloads across multiple CPU cores. It also implements hypothesis-based feature selection to identify the most predictive characteristics and filter out irrelevant ones

This project is a Python financial analytics framework and quantitative trading library. It provides a suite of mathematical tools for asset pricing, statistical market analysis, and the development of algorithmic trading strategies. The library is distinguished by its focus on currency and commodity correlation modeling, using regression and normalization to identify exchange rate drivers. It features a specialized portfolio optimization engine that applies graph theory, such as clique centrality and degeneracy ordering, alongside quadratic programming to balance risk-adjusted returns. The

tsai هي مكتبة تعلم عميق لتصنيف السلاسل الزمنية، والانحدار، والتنبؤ. بُنيت المكتبة على PyTorch و fastai، وتوفر إطار عمل لتعيين التصنيفات للبيانات المتسلسلة، والتنبؤ بالقيم المستقبلية في السلاسل أحادية أو متعددة المتغيرات، وتدريب التمثيلات على البيانات غير المصنفة من خلال التعلم الذاتي. تتميز المكتبة بقدرات متخصصة في الهندسة الزمنية والتحجيم. وتتضمن أدوات للترميز الزمني الدوري لالتقاط الأنماط الموسمية، وتقطيع النوافذ عبر الإنترنت لمعالجة مجموعات البيانات التي تتجاوز حجم الذاكرة المتاحة. كما تدعم خطوط أنابيب الإدخال متعددة الوسائط التي تجمع بين الميزات الفئوية الثابتة والسلاسل المستمرة الديناميكية. تغطي مجموعة الأدوات نطاقاً واسعاً من احتياجات المعالجة المسبقة والتقييم، بما في ذلك تجزئة النافذة المنزلقة، ومعالجة البيانات المفقودة، وتحويل إطارات البيانات الجدولية إلى موترات مهيكلة. يتم تقييم أداء النموذج من خلال التحقق عبر التمرير الأمامي وتحليل أهمية الميزات لضمان الاتساق الزمني.

OSMnx هي مكتبة Python لتنزيل ونمذجة وتحليل شبكات الشوارع والميزات الجغرافية المكانية الأخرى من OpenStreetMap. تمكن المستخدمين من استرداد والعمل مع بيانات البنية التحتية الواقعية في أي مكان في العالم، وتوفر أدوات لتحليل الشبكة، والاستعلامات المكانية، والتصور. توفر المكتبة قدرات للعمل مع الميزات الحضرية مثل بصمات المباني، ومحطات النقل، وبيانات الارتفاع، إلى جانب إحصائيات الشبكة مثل كثافة التقاطع والالتواء. وهي تدعم أوضاع سفر متعددة بما في ذلك القيادة والمشي وركوب الدراجات، ويمكنها حساب أقصر المسارات، وتقدير سرعات السفر، وتوليد خرائط الخطوط المتساوية. تشمل الوظائف الإضافية الترميز الجغرافي، ومطابقة الخرائط، وإسقاط الإحداثيات، والقدرة على حفظ وتحميل الشبكات بتنسيقات مختلفة. توفر OSMnx أدوات لتصور شبكات الشوارع والميزات الجغرافية المكانية كخرائط ثابتة أو خرائط ويب تفاعلية، ويمكنها رسم مخططات الشكل والأرض. المكتبة متاحة من خلال طرق تثبيت حزم Python القياسية.

هذا المشروع عبارة عن مورد تعليمي شامل لتعلم الآلة وسلسلة دروس مقدمة كمجموعة من دفاتر Jupyter التفاعلية. يوفر تطبيقات عملية بلغة Python لدورة حياة تعلم الآلة بالكامل، مغطياً التعلم الخاضع للإشراف وغير الخاضع للإشراف، والتعلم العميق، والتعلم التعزيزي. يتميز المورد بتقديم أدلة تنفيذ مفصلة لمعماريات معقدة، بما في ذلك المحولات (transformers)، والشبكات التنافسية التوليدية (GANs)، والشبكات العصبية التلافيفية (CNNs). كما يتضمن دورات متخصصة لتطوير وكلاء التعلم التعزيزي باستخدام Q-learning وDeep Q-Networks داخل بيئات محاكاة. يغطي المحتوى نطاقاً واسعاً من قدرات علم البيانات، بما في ذلك خطوط أنابيب هندسة البيانات، وترميز الميزات، وتقليل الأبعاد. كما يوفر مواد مكثفة حول تقييم النماذج من خلال التحقق المتقاطع والمقاييس التشخيصية، بالإضافة إلى مواضيع متقدمة مثل معالجة اللغات الطبيعية، وتحليل المشاعر، والذكاء الاصطناعي التوليدي. تم تصميم المنهج بالكامل للتنفيذ التفاعلي داخل دفاتر Jupyter، حيث يجمع بين الكود القابل للتنفيذ والنصوص الغنية والمرئيات.

هذا المشروع عبارة عن مجموعة شاملة من مواد تعليم برمجة Python، بما في ذلك البرامج التعليمية، والتمارين، وعينات الكود المنسقة. يعمل كمنهج تعليمي ومجموعة أدوات هندسة برمجيات، باستخدام Jupyter Notebooks لدمج الكود القابل للتنفيذ مع نص تعليمي وصفي. يوفر المستودع أدلة تنفيذ عملية لبناء تطبيقات نماذج لغوية كبيرة، مثل أنظمة التوليد المعزز بالاسترجاع، ووكلاء الذكاء الاصطناعي ذوي الحالة، وسير عمل التعلم الآلي. يتميز بتقديم نهج منظم لسير عمل الترميز الوكيل، وتغطية تقطير نافذة السياق، وتوجيه النموذج المستقل عن المزود، والمخرجات المهيكلة المفروضة بالمخطط. تغطي المواد مجموعة واسعة من قدرات هندسة البرمجيات، بما في ذلك البرمجة غير المتزامنة مع طوابير المهام الموزعة، وتطوير تطبيقات الويب مع REST APIs، وسير عمل تحليل البيانات. كما يتضمن موارد لإتقان التصميم الموجه للكائنات، وتنفيذ خطوط أنابيب CI/CD، وتطبيق معايير التنسيق والتدقيق المهنية.

Vega-Lite is a high-level declarative language for specifying interactive, multi-view visualizations. It compiles a concise JSON specification into a full Vega visualization, automatically inferring scales, axes, and legends from encoding declarations. The grammar-of-graphics encoding maps data fields to visual channels such as position, color, size, and shape, while a multi-view composition grammar enables layered, faceted, concatenated, and repeated layouts. Reactive parameter binding links named parameters to input widgets, selections, and expressions for dynamic updates. The project suppo

This is an interactive notebook-based course that teaches machine learning from Python fundamentals through deep learning and natural language processing. It uses real datasets and multiple frameworks within a structured, hands-on curriculum that combines concise explanations with executable code cells, built-in datasets, and embedded exercise checkpoints. Learning progresses through data preparation and exploration, classical machine learning workflows, computer vision with convolutional neural networks, and natural language processing with deep learning, all delivered as a cohesive progressi

Connexion is a specification-driven framework for building APIs that automatically maps OpenAPI specifications to application logic. It uses these specifications to automate routing, request validation, and response serialization, linking API operations to backend handler functions via operation IDs. The project differentiates itself by providing a schema-driven mock server that simulates API behavior using example responses from the specification without requiring backend logic. It also includes a dynamic documentation hosting system that translates the API specification into a live interact

This project is a collection of comprehensive guides and reference materials designed for technical interviews, machine learning system design, and professional development. It serves as a technical knowledge base and a career coaching manual, providing structured resources to help candidates navigate the machine learning hiring landscape. The resource distinguishes itself by offering detailed frameworks for comparing industry roles, analyzing company types, and planning long-term career progression. It provides specific guidance on evaluating employer organizational health, identifying resea