Data Science Projects

This repository contains several projects related to Data Science. In these projects, we have used popular Python libraries. Below is a list of ten more Python libraries that are commonly used in Data Science:

• TensorFlow (https://www.tensorflow.org/)
• Keras (https://keras.io/)
• PyTorch (https://pytorch.org/)
• XGBoost (https://xgboost.readthedocs.io/)
• LightGBM (https://lightgbm.readthedocs.io/)
• CatBoost (https://catboost.ai/)
• NLTK (https://www.nltk.org/)
• OpenCV (https://opencv.org/)
• Gensim (https://radimrehurek.com/gensim/)
• Dask (https://dask.org/)

Classification Algorithms

In the Machine Learning and Deep Learning projects of this repository, we have used several algorithms for classification. Here is a list of ten popular classification algorithms with links to learn more about them:

• Recurrent Neural Networks (RNNs) Link
• Support Vector Machines (SVMs) Link
• Logistic Regression Link
• Decision Trees Link
• Random Forests Link
• Gradient Boosting Machines (GBMs) Link
• Neural Networks Link
• Naive Bayes Link
• k-Nearest Neighbors (k-NN) Link
• Extreme Gradient Boosting (XGBoost) Link
• AdaBoost (https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.AdaBoostClassifier.html)
• Convolutional Neural Networks (https://keras.io/layers/convolutional/)

Useful Repositories

1. Awesome Data Science: una lista curada de recursos para aprender Data Science, incluyendo libros, cursos, herramientas y proyectos de código abierto. https://github.com/academic/awesome-datascience

2. Data Science Roadmap: un repositorio que proporciona una guía detallada y bien estructurada para aprender Data Science, que incluye varios recursos y proyectos de práctica. https://github.com/MrMimic/data-scientist-roadmap

3. Data Science Projects with Python: un conjunto de proyectos de Data Science prácticos y aplicados, junto con códigos y datos, que utilizan Python. https://github.com/ujjwalkarn/DataSciencePython

4. Data Science Interview Questions: una lista de preguntas de entrevista frecuentes para aspirantes a Data Scientists, junto con respuestas y explicaciones. https://github.com/kojino/120-Data-Science-Interview-Questions

5. Stanford Machine Learning Course: un repositorio que contiene todo el material, códigos y proyectos del popular curso de Machine Learning de Stanford. https://github.com/afshinea/stanford-cs-229-machine-learning

6. Data Science Handbook: un libro en línea gratuito sobre Data Science, que cubre todos los aspectos, desde la recopilación de datos hasta la visualización, con códigos y ejemplos. https://github.com/jakevdp/PythonDataScienceHandbook

7. Deep Learning Book: un libro en línea gratuito y completo sobre Deep Learning, que cubre desde los fundamentos hasta las aplicaciones avanzadas, con códigos y proyectos en TensorFlow. https://github.com/janishar/mit-deep-learning-book-pdf

8. Kaggle Datasets: un repositorio de conjuntos de datos interesantes y desafiantes de Kaggle, con ejemplos de proyectos y kernels de otros usuarios. https://github.com/Kaggle/datasets

9. Data Science for Everyone: un conjunto de proyectos de Data Science prácticos y fáciles de seguir, destinados a principiantes y no técnicos. https://github.com/realpython/materials/tree/master/data-science-projects

10. Data Science Challenges: un conjunto de problemas y desafíos de Data Science de la vida real, que pueden ayudarte a mejorar tus habilidades y aprender nuevos conceptos. https://github.com/ashishpatel26/Data-Science-Challenges