这里汇总了代码库收录的「数据科学」场景开源项目，按 Star 总量排序，适合按方向系统性地挑选与对比工具。
共收录 112 个项目 · 第 2 / 6 页
一个为期100天的机器学习代码学习挑战项目，提供从基础到进阶的ML算法实现与练习，帮助开发者系统掌握机器学习核心知识。
编辑点评这是机器学习领域广为人知的学习路线图，内容涵盖数据预处理、回归、分类、聚类等经典算法，每个知识点配有代码示例和说明。适合初学者按天打卡学习，也适合有经验者快速回顾。优点是结构清晰、循序渐进，但部分内容较老，未涉及深度学习等前沿方向，建议结合新资料补充学习。
一个开源的计算机视觉工具库，提供目标检测、跟踪、分割等任务的通用组件和实用工具，帮助开发者快速构建视觉应用。
编辑点评由 Roboflow 出品，代码质量高，封装了检测、追踪、标注、可视化等常用功能，能显著减少CV项目的重复开发。适合做目标检测、视频分析、图像处理等场景，尤其适合需要快速集成现有模型进行推理和展示的开发者。注意项目迭代较快，API可能有变动，建议锁定版本使用。
Qlib 是微软开源的 AI 量化投资平台，用机器学习赋能量化研究到生产全流程，支持监督学习、市场动态建模和强化学习等多种范式。
编辑点评Qlib 是量化投资领域少有的完整 AI 平台，覆盖数据、模型、回测到实盘全链路，内置丰富算法与数据集，适合量化研究员和 AI 工程师快速验证策略。其与 RD-Agent 集成可自动化研发流程，但学习曲线较陡，且需自行适配真实市场数据与交易接口。
一个开源教程项目，系统讲解如何开发、部署并迭代生产级机器学习应用，帮助开发者构建可靠的ML系统。
编辑点评内容覆盖面广，从ML基础到MLOps实践都有涉及，尤其适合希望把模型真正落地到生产环境的开发者。项目以Jupyter Notebook为主，互动性强，但需要自己动手实践。注意部分内容可能依赖旧版库，建议结合最新官方文档使用。
Streamlit 是一个 Python 开源框架，让开发者用纯 Python 快速构建和分享数据应用，无需前端知识。
编辑点评Streamlit 是目前最流行的数据应用快速开发工具之一，特别适合数据科学家和算法工程师快速把模型、数据分析结果变成可交互的 Web 应用。它最大的优点是代码量极少、上手快，内置组件丰富，修改代码即可热更新。缺点是复杂自定义交互和精细样式控制较弱，适合原型验证、内部工具、LLM Demo 等场景，不适合大型复杂前端项目。
Ray 是一个 AI 计算引擎，包含分布式核心运行时和加速机器学习工作负载的 AI 库，用于分布式训练、调优和服务。
编辑点评Ray 是当前 AI 基础设施领域的事实标准，抽象了分布式调度的复杂性，让开发者可以用 Python 编写可扩展的并行应用。它特别适合大规模训练、超参调优、强化学习和在线推理等场景。缺点是学习曲线较陡，调试相对复杂，且部分高级功能依赖云环境。
面向初学者的 TensorFlow 教程与示例集合，涵盖 TF v1 和 v2 的经典用法，帮助快速上手深度学习。
编辑点评这是学习 TensorFlow 的经典入门资源，示例覆盖基础操作、图像分类、自然语言处理等常见任务，且每个示例都配套完整代码和说明。支持 v1 与 v2 双版本，对维护旧代码或迁移到新版本的开发者尤其友好。优点是结构清晰、上手快；缺点是部分示例偏向基础，深度不足，适合初学者或需要快速参考的场景。
收录500个AI、机器学习、深度学习、计算机视觉和NLP项目，均附代码实现，覆盖从入门到进阶的实践案例。
编辑点评资源丰富，覆盖多个AI方向，适合通过实战学习。项目按领域分类，便于查阅。但部分项目可能年代久远或依赖旧版本库，需注意环境兼容性。作为代码参考和灵感来源很有价值。
SheetJS 是一款强大的 JavaScript 电子表格解析与生成库，支持读写 Excel 等多种格式，解决前端处理表格数据的难题。
编辑点评SheetJS 是前端处理 Excel 事实标准，API 丰富，兼容性极佳，能解析复杂公式和样式。适合报表导出、数据导入、在线表格等场景。注意新版本已迁移至 Git.sheetjs.com，GitHub 仓库不再更新，使用时应留意版本来源。
CLIP 是 OpenAI 提出的多模态对比学习模型，通过图像与文本的匹配训练，实现零样本图像分类和图文检索。
编辑点评CLIP 是多模态领域的奠基之作，用自然语言监督让模型具备强大的零样本迁移能力，非常适合做图文检索、图像分类等任务。它开源了模型权重和推理代码，但训练数据未公开，且对细粒度分类和复杂语义理解仍有局限。适合作为多模态应用的基础组件或进一步微调的起点。
Caffe 是一个基于 C++ 实现的快速开源深度学习框架，专注于卷积神经网络的高效训练与部署，广泛用于计算机视觉任务。
编辑点评作为深度学习框架的先驱，Caffe 在图像分类、目标检测等视觉任务上性能出色，模型定义简洁，适合快速原型验证和工业部署。但其灵活性较现代框架（如 PyTorch）弱，对新算子支持和动态图支持有限，更适合有稳定 CNN 结构且追求速度的场景。
spaCy 是一个工业级 Python 自然语言处理库，提供高效、可靠的文本分词、词性标注、命名实体识别等功能，用于构建真实 NLP 应用。
编辑点评spaCy 是 Python NLP 领域的事实标准之一，性能强劲且 API 设计清晰，适合快速搭建文本处理流水线。它内置预训练模型和多语言支持，但缺点是对自定义模型训练的支持较复杂，且深度学习集成需搭配其他框架。适合生产环境、信息抽取、文本分类等场景，也是学习工业级 NLP 架构的优秀参考。
Netron 是一款神经网络、深度学习和机器学习模型的可视化工具，支持多种模型格式的交互式结构查看。
编辑点评Netron 是调试和理解模型结构的利器，支持 ONNX、TensorFlow、PyTorch 等主流格式，可直接在浏览器或桌面端打开模型，查看张量维度和算子流向。优点是无需安装依赖、跨平台、可视化直观；缺点是交互能力有限，不适合大规模模型训练或修改。适合模型开发者、研究者和学习者快速检查模型结构，也适合教学演示。
用纯 NumPy 从零实现机器学习模型与算法的教程型项目，覆盖线性回归到深度学习，强调代码可读性与原理透明。
编辑点评适合希望深入理解算法内部机制的开发者，通过简洁实现摆脱黑盒依赖。每个算法独立成文件，便于对照数学公式学习。缺点是未覆盖最新前沿模型，且代码为教学简化版，不适合直接用于生产。作为学习资料价值极高，是入门机器学习原理的经典参考。
统一封装PyTorch训练流程，支持从单卡到万卡零改动训练、微调任意规模模型，极大简化深度学习工程化。
编辑点评PyTorch Lightning 是深度学习领域事实标准的训练框架之一，它把训练循环、日志、checkpoint、分布式训练等样板代码抽象成模块，让研究人员专注于模型本身。适合从实验到生产快速迭代，尤其需要多卡/多机扩展、超参调优的团队。注意其封装层次带来一定学习成本，且部分灵活性与原生 PyTorch 可能产生冲突。
一份 2022 年人工智能专家成长路线图，系统梳理从基础到进阶的学习路径与资源。
编辑点评项目以知识图谱形式呈现 AI 学习路线，涵盖数学、机器学习、深度学习、NLP、计算机视觉等方向，适合想系统入门或查漏补缺的开发者。优点是结构清晰、资源丰富，缺点是基于 2022 年技术栈，部分内容时效性有限，建议结合最新工具链使用。
收录各大公司在生产环境应用数据科学与机器学习的论文与技术博客，系统整理实战经验与案例。
编辑点评项目持续更新，汇集了Airbnb、Netflix等顶尖团队的一线实践，覆盖数据清洗、特征工程、模型部署、监控等全流程。适合数据科学家和ML工程师寻找灵感、了解行业最佳实践。注意内容以链接和摘要为主，需自行查阅原文。
一个精选的数据科学资源清单，汇集教程、工具、数据集和实战案例，帮助学习者系统掌握数据科学并应用于真实问题。
编辑点评这是数据科学领域最经典的 awesome 列表之一，覆盖入门到进阶的完整学习路径，包含书籍、课程、博客、工具等。适合想系统学习数据科学的开发者、转行者快速检索资源。注意内容以英文为主，且更新频率一般，部分链接可能过时，建议结合其他最新资源使用。
EasyOCR 是一个开箱即用的 OCR 库，支持 80+ 种语言和 Latin、中文、阿拉伯文、天城文、西里尔文等主流书写系统，帮助开发者快速实现图像文字识别。
编辑点评EasyOCR 最大的优势是开箱即用和语言覆盖面广，无需训练即可直接识别多种文字，适合快速原型验证和小型业务集成。基于 PyTorch，支持 GPU 加速，但识别精度在复杂背景或低质量图像上不如商业方案，且安装体积较大。对于需要轻量、离线、多语种 OCR 的场景，它是性价比很高的选择。
交互式深度学习开源教材，提供多框架代码、数学推导和讨论，被全球500多所大学采用。
编辑点评本书是深度学习中少有的多框架入门经典，覆盖PyTorch、TensorFlow等主流实现，适合想系统学习理论并动手实践的开发者。内容从基础到进阶，配有习题和在线讨论，社区活跃。但篇幅较长，阅读需要耐心，部分翻译版本可能滞后，建议结合官方更新使用。