#数据科学
Python Machine Learning 第二版学习资源汇总 - 使用scikit-learn和TensorFlow实践机器学习和深度学习
AI-Expert-Roadmap
全面解析成为人工智能专家的路线图，从数据科学、机器学习到深度学习，涵盖所有必备知识和技能。项目旨在帮助新员工和社区成员掌握AI技术。互动版提供详细步骤链接，并通过定期更新保持前沿性。关注项目获取最新AI研究与应用案例，了解不同工具的适用场景，助力职业发展。
python-machine-learning-book-2nd-edition
本书详细介绍机器学习和深度学习的核心概念，教你使用Python及其主要库（如Scikit-Learn和TensorFlow）进行数据处理、分类、回归和模型优化。书中包含丰富的示例代码和Jupyter笔记本，帮助读者理解复杂的数学理论和实现步骤，是数据科学家和工程师学习和提升机器学习技能的理想选择。
cookiecutter-data-science
Cookiecutter Data Science提供灵活且标准化的数据科学项目结构模板，集成最佳实践，支持Python 3.8+，推荐通过pipx安装。通过简单命令即可创建新项目，生成包含数据、模型、文档、报告等模块的结构化目录，支持v1和v2版本。欢迎贡献，了解更多请访问项目主页。
zenml
ZenML是一个MLOps框架，帮助数据科学家和机器学习工程师标准化机器学习流程。用户可以通过Python装饰器创建机器学习流水线，并在AWS、GCP、Azure等云平台上运行。ZenML提供一键部署功能，支持远程堆栈快速设置和使用。其优势包括简化的端到端MLOps流程、与现有工具的无缝集成及全面的模型跟踪和审计功能。适合在复杂基础设施上构建和管理ML流水线的用户。
metaflow
Metaflow是一个用户友好的库，专为帮助科学家和工程师管理和建立实际的数据科学项目而设计，最初由Netflix开发。它支持从快速本地原型设计到生产部署，并提供强大的云端可扩展性和依赖管理。适用于各种项目，从传统统计到最先进的深度学习，Metaflow旨在简化机器学习、人工智能和数据科学项目的流程。详细信息请访问Metaflow官网和文档。
Obviously AI
Obviously AI 提供易于使用的一站式服务，允许用户通过单一操作完成整个数据科学过程：从建立机器学习算法、解释结果到预测未来。这一切无需任何编程背景，同时支持快速构建、部署顶尖AI模型，有效缩减开发周期，支持模型实时监控与集成。
data-science-ipython-notebooks
项目包含多个IPython笔记本，详解Python及其数据科学库例如TensorFlow、Scikit-learn与NumPy的使用，覆盖数据处理、统计分析到机器学习等多个应用场景。
yt-channels-DS-AI-ML-CS
yt-channels-DS-AI-ML-CS项目汇集了超过180个涵盖数据科学、机器学习、人工智能等领域的顶级YouTube频道。这些频道由领域内经验丰富的专家主持，内容涵盖初级到高级的编程技巧与洞察，适合所有级别的学习者，帮助用户获取最新资讯与知识提升。
PySyft
PySyft革新数据科学，允许在不查看或复制数据的情况下使用非公开信息。通过连接Datasite，数据所有者控制数据保护，数据科学家直接运行Python代码进行统计分析和机器学习，支持Linux、macOS、Windows、Docker和Kubernetes，适用于多种开发环境。