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 एक डीप लर्निंग लाइब्रेरी है जो टाइम सीरीज क्लासिफिकेशन, रिग्रेशन और फोरकास्टिंग के लिए बनाई गई है। PyTorch और fastai पर आधारित, यह सीक्वेंशियल डेटा को लेबल करने, यूनिवेरिएट या मल्टीवेरिएट सीक्वेंस में भविष्य के मानों का अनुमान लगाने और सेल्फ-सुपरवाइज्ड लर्निंग के जरिए अनलेबल डेटा पर रिप्रेजेंटेशन ट्रेन करने के लिए एक फ्रेमवर्क प्रदान करती है। यह लाइब्रेरी अपनी विशेष टेम्पोरल इंजीनियरिंग और स्केलिंग क्षमताओं के लिए जानी जाती है। इसमें मौसमी पैटर्न को कैप्चर करने के लिए साइक्लिकल टेम्पोरल एन्कोडिंग और उपलब्ध मेमोरी से बड़े डेटासेट को प्रोसेस करने के लिए ऑनलाइन विंडो स्लाइसिंग जैसे टूल्स शामिल हैं। यह मल्टीमॉडल इनपुट पाइपलाइनों को भी सपोर्ट करती है जो स्टेटिक कैटेगोरिकल फीचर्स को डायनामिक कंटीन्यूअस सीक्वेंस के साथ जोड़ती हैं। यह टूलकिट प्रीप्रोसेसिंग और इवैल्यूएशन की जरूरतों को पूरा करती है, जिसमें स्लाइडिंग विंडो सेगमेंटेशन, मिसिंग डेटा इम्प्यूटेशन और टैबुलर डेटाफ्रेम को स्ट्रक्चर्ड टेंसर्स में बदलना शामिल है। मॉडल के प्रदर्शन का आकलन वॉक-फॉरवर्ड वैलिडेशन और फीचर इम्पॉर्टेंस एनालिसिस के जरिए किया जाता है ताकि टेम्पोरल कंसिस्टेंसी सुनिश्चित हो सके।

OSMnx OpenStreetMap से सड़क नेटवर्क और अन्य भू-स्थानिक सुविधाओं को डाउनलोड करने, मॉडलिंग करने और विश्लेषण करने के लिए एक पायथन लाइब्रेरी है। यह उपयोगकर्ताओं को दुनिया में कहीं भी वास्तविक दुनिया के इंफ्रास्ट्रक्चर डेटा को पुनः प्राप्त करने और उसके साथ काम करने में सक्षम बनाता है, जो नेटवर्क विश्लेषण, स्थानिक प्रश्नों और विज़ुअलाइज़ेशन के लिए उपकरण प्रदान करता है। लाइब्रेरी शहरी सुविधाओं जैसे बिल्डिंग फुटप्रिंट्स, ट्रांजिट स्टॉप्स और ऊंचाई डेटा के साथ काम करने के लिए क्षमताएं प्रदान करती है, साथ ही इंटरसेक्शन घनत्व और परिपथ जैसे नेटवर्क आँकड़े भी प्रदान करती है। यह ड्राइविंग, पैदल चलने और साइकिल चलाने सहित कई यात्रा मोड का समर्थन करती है, और सबसे छोटे रास्तों की गणना कर सकती है, यात्रा की गति का अनुमान लगा सकती है, और आइसोलाइन मैप्स उत्पन्न कर सकती है। अतिरिक्त कार्यक्षमता में जियोकोडिंग, मैप-मैचिंग, कोऑर्डिनेट प्रोजेक्शन, और विभिन्न प्रारूपों में नेटवर्क को सहेजने और लोड करने की क्षमता शामिल है। OSMnx सड़क नेटवर्क और भू-स्थानिक सुविधाओं को स्टेटिक मैप्स या इंटरैक्टिव वेब मैप्स के रूप में विज़ुअलाइज़ करने के लिए उपकरण प्रदान करती है, और फिगर-ग्राउंड आरेख प्लॉट कर सकती है। लाइब्रेरी मानक पायथन पैकेज इंस्टॉलेशन विधियों के माध्यम से उपलब्ध है।

यह प्रोजेक्ट एक व्यापक मशीन लर्निंग शैक्षिक संसाधन और ट्यूटोरियल श्रृंखला है जिसे इंटरैक्टिव Jupyter Notebooks के संग्रह के रूप में वितरित किया गया है। यह मशीन लर्निंग लाइफसाइकिल के एंड-टू-एंड कार्यान्वयन के लिए व्यावहारिक Python उदाहरण प्रदान करता है, जिसमें सुपरवाइज्ड और अनसुपरवाइज्ड लर्निंग, डीप लर्निंग और रीइन्फोर्समेंट लर्निंग शामिल हैं। यह संसाधन ट्रांसफॉर्मर, जेनरेटिव एडवरसैरियल नेटवर्क और कन्वेन्शनल न्यूरल नेटवर्क सहित जटिल आर्किटेक्चर के लिए विस्तृत कार्यान्वयन गाइड प्रदान करके खुद को अलग करता है। इसमें सिम्युलेटेड वातावरण के भीतर Q-learning और Deep Q-Networks का उपयोग करके रीइन्फोर्समेंट लर्निंग एजेंट विकसित करने के लिए विशेष कोर्सवेयर भी शामिल है। सामग्री डेटा साइंस क्षमताओं की एक विस्तृत श्रृंखला को कवर करती है, जिसमें डेटा इंजीनियरिंग पाइपलाइन, फ़ीचर एन्कोडिंग और डाइमेंशनलिटी रिडक्शन शामिल हैं। यह क्रॉस-वैलिडेशन और डायग्नोस्टिक मेट्रिक्स के माध्यम से मॉडल मूल्यांकन पर व्यापक सामग्री प्रदान करती है, साथ ही नेचुरल लैंग्वेज प्रोसेसिंग, सेंटीमेंट एनालिसिस और जेनरेटिव AI जैसे उन्नत विषय भी शामिल हैं। पूरा पाठ्यक्रम Jupyter Notebooks के भीतर इंटरैक्टिव निष्पादन के लिए डिज़ाइन किया गया है, जो निष्पादन योग्य कोड, रिच टेक्स्ट और विज़ुअलाइज़ेशन को जोड़ता है।

This project is a comprehensive collection of Python programming education materials, including tutorials, exercises, and curated code samples. It serves as a learning curriculum and software engineering toolkit, utilizing Jupyter Notebooks to combine executable code with descriptive educational text. The repository provides practical implementation guides for building large language model applications, such as retrieval-augmented generation systems, stateful AI agents, and machine learning workflows. It distinguishes itself by offering a structured approach to agentic coding workflows, cover

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 APIs बनाने के लिए एक विनिर्देश-संचालित (specification-driven) फ्रेमवर्क है जो स्वचालित रूप से OpenAPI विनिर्देशों को एप्लिकेशन लॉजिक से मैप करता है। यह रूटिंग, रिक्वेस्ट वैलिडेशन और रिस्पॉन्स सीरियलाइज़ेशन को स्वचालित करने के लिए इन विनिर्देशों का उपयोग करता है, जो ऑपरेशन IDs के माध्यम से API ऑपरेशंस को बैकएंड हैंडलर फंक्शन्स से जोड़ता है। प्रोजेक्ट एक स्कीमा-संचालित मॉक सर्वर प्रदान करके खुद को अलग करता है जो बैकएंड लॉजिक की आवश्यकता के बिना विनिर्देश से उदाहरण रिस्पॉन्स का उपयोग करके API व्यवहार का अनुकरण करता है। इसमें एक डायनामिक डॉक्यूमेंटेशन होस्टिंग सिस्टम भी शामिल है जो API विनिर्देश को एंडपॉइंट्स को एक्सप्लोर और टेस्ट करने के लिए एक लाइव इंटरैक्टिव कंसोल में अनुवादित करता है। फ्रेमवर्क मिडिलवेयर-आधारित ऑथेंटिकेशन और स्कोप वैलिडेशन के माध्यम से सुरक्षा प्रवर्तन, प्लगेबल रिक्वेस्ट और रिस्पॉन्स वैलिडेशन लॉजिक, और टाइप किए गए फंक्शन आर्ग्युमेंट्स में स्वचालित पैरामीटर इंजेक्शन सहित व्यापक क्षमता क्षेत्रों को कवर करता है। यह एप्लिकेशन लाइफस्पैन प्रबंधन, कस्टम मिडिलवेयर एकीकरण और टेस्टिंग के लिए रिक्वेस्ट सिमुलेशन के लिए उपयोगिताएं भी प्रदान करता है। प्रोजेक्ट का उपयोग स्टैंडअलोन वेब एप्लिकेशन्स को बूटस्ट्रैप करने या विनिर्देश-संचालित क्षमताएं जोड़ने के लिए मौजूदा फ्रेमवर्क के चारों ओर रैप करने के लिए किया जा सकता है।

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