Lista de software de ciencia de datos

Esta es una lista de software y plataformas de ciencia de datos utilizadas en este campo , que incluye lenguajes de programación , entornos de programación, marcos de aprendizaje automático , herramientas de ingeniería de datos , software estadístico , análisis de datos , gráficos , sistemas MLOps y más.

Estos cuadernos interactivos , entornos de desarrollo integrados (IDE ) y plataformas proporcionan entornos de desarrollo especializados.

• Zeppelin Apache ^{[ 5 ]}
• Arquitecto — Eclipse (software)
• CoCalc
• Estudio de ciencia de datos Dataiku
• Alfombrilla gratuita
• GNU Octave
• Google Colab
• Deletreo de datos
• Jupyter Notebook / JupyterLab
• Cuadernos de Kaggle
• MATLAB
• Matriz O
• PyCharm
• RStudio
• SAS (software) y SAS Studio ^{[ 6 ]}
• Araña
• Visual Studio Code ^{[ 7 ]}

Las herramientas de aprendizaje automático / aprendizaje profundo dan soporte al desarrollo en esos campos.

Ejemplos de herramientas de ingeniería de datos .

• Apache Airflow
• Apache Flink
• Apache Hadoop
• Apache Kafka
• Apache NiFi
• Apache Spark
• Dask
• Herramienta de creación de datos (dbt)

Ejemplos de herramientas de minería de datos .

Los entornos de almacenamiento de datos incluyen:

• Amazon Redshift
• Copo de nieve
• Google BigQuery
• Microsoft Azure Synapse
• Teradata
• Vertica ^{[ 10 ]}

Los entornos de lagos de datos incluyen:

• Apache Hadoop
• Cloudera
• Databricks
• Lago Delta
• Amazon S3
• Almacenamiento en la nube de Google
• Azure Data Lake

• Algoritmo Apriori : minería de conjuntos de ítems frecuentes y aprendizaje de reglas de asociación en el análisis de cestas de compra.
• Retropropagación : algoritmo para entrenar redes neuronales artificiales mediante descenso de gradiente.
• Árboles de decisión : algoritmo basado en árboles para clasificación y regresión.
• Algoritmo de expectativa-maximización : procedimiento iterativo para la estimación de máxima verosimilitud con variables latentes.
• Descenso de gradiente : algoritmo de optimización iterativo para minimizar una función de pérdida.
• Algoritmo ID3 : se utiliza para generar un árbol de decisión a partir de un conjunto de datos.
• K-Means : algoritmo de agrupamiento basado en la minimización de las distancias dentro de los clústeres.
• K-Vecinos más cercanos (KNN) : método de aprendizaje y clasificación basado en instancias.
• Regresión lineal : método de estimación para predecir una variable dependiente a partir de variables independientes.
• Regresión logística : algoritmo de clasificación para predecir un resultado binario.
• Naive Bayes : clasificador probabilístico basado en el teorema de Bayes.
• Mínimos cuadrados ordinarios : método de estimación de parámetros en regresión lineal.
• PageRank : algoritmo basado en grafos para el análisis de enlaces y la clasificación en buscadores.
• Análisis de componentes principales : técnica para reducir datos de alta dimensión conservando la varianza.
• Q-learning : algoritmo de aprendizaje por refuerzo para aprender acciones óptimas.
• Bosque aleatorio : conjunto de árboles de decisión para mejorar la clasificación o la regresión.
• Optimización mínima secuencial : solucionador para el entrenamiento de máquinas de vectores de soporte
• Descenso de gradiente estocástico : una variante aleatoria del descenso de gradiente para el aprendizaje automático a gran escala.
• Máquinas de vectores de soporte (SVM) : algoritmo para encontrar un hiperplano para separar clases ^{[ 11 ] [ 12 ]}

Herramientas para el procesamiento y análisis de datos :

Software para visualización de datos :

Software para representar gráficamente datos que faciliten su procesamiento y visualización de resultados.

• ArcGIS
• Carto
• Mapa epidemiológico
• GeoDA
• Motor de búsqueda de Google Earth
• Prospecto
• Mapbox
• Mapa de montañas
• QGIS

MLOps y despliegue del modelo:

• BentoML ^{[ 14 ]}
• Control de versiones de datos (DVC)
• Kubeflow
• MLflow ^{[ 15 ] [ 16 ]}
• Núcleo de Seldon ^{[ 17 ]}
• Streamlit ^{[ 18 ] [ 19 ]}
• TensorFlow Serving ^{[ 20 ] [ 21 ]}
• Pesos y sesgos ^{[ 22 ]}

• Kaggle : plataforma para competiciones de ciencia de datos, conjuntos de datos ^{[ 23 ]} y cuadernos.
• OpenML : plataforma colaborativa para compartir conjuntos de datos, algoritmos y experimentos. ^{[ 24 ]}
• Repositorio de aprendizaje automático de la Universidad de California, Irvine ^{[ 25 ]}
• Zenodo : repositorio de acceso abierto respaldado por el CERN y la UE .

• Kaggle : plataforma en línea para la enseñanza de la ciencia de datos, competiciones, conjuntos de datos y aprendizaje colaborativo.
• KNIME : plataforma de análisis de datos de código abierto utilizada para la enseñanza de la ciencia de datos, el aprendizaje automático y el análisis basado en flujos de trabajo.
• RapidMiner : se utiliza en la investigación académica y la educación para la minería de datos y el aprendizaje automático.
• Recurso Computacional en Línea para la Estadística (SOCR, por sus siglas en inglés): herramientas y recursos didácticos en línea para la enseñanza de la estadística.
• Tanagra (aprendizaje automático) : software de minería de datos desarrollado con fines de investigación y docencia.
• TinkerPlots : explore y analice datos mediante modelado visual.

• Software de inteligencia empresarial
• Lista de revistas de ciencia de datos
• Lista de software y herramientas de R
• Listas de software matemático y Lista de software de código abierto para matemáticas
• Lista de software de análisis numérico
• Lista de temas de análisis numérico
• Lista de bibliotecas numéricas
• Lista de software de ciencia de datos de código abierto
• Common Crawl : organización sin fines de lucro que rastrea la web y proporciona gratuitamente sus archivos y conjuntos de datos al público bajo una licencia MIT.

• 20 herramientas para científicos de datos | Instituto Pragmático
• igorbarinov/ingeniería de datos impresionante