Como Cientista de Dados, você vai trabalhar em muitos projetos e experimentos. Alguns projetos particulares, outros projetos através de consultorias, em projetos internos na sua empresa ou em parceria com outros profissionais. Em projetos de Data Science, muitos arquivos são gerados, desde datasets, scripts, roteiros, dicionários de dados, documentação. O Github tem como principal objetivo, promover o controle de versão de arquivos. E mais do que isso, é a sua chance de criar um portfólio de projetos, para demonstrar suas habilidades, buscar parceiros ou mesmo apenas documentar seu trabalho.
Mas, o que é mesmo um sistema de controle de versão? Um sistema de controle de versão é um software que irá cuidar da gestão das várias versões dos seus arquivos. Isso facilitará muito a sua vida, principalmente conforme a complexidade do seu programa aumenta assim como o tamanho da sua equipe. Desta forma, sempre que um problema acontecer será possível retroagir para uma versão anterior dos arquivos e auditar as alterações realizadas a partir daquele ponto, para descobrir qual mudança foi mal sucedida.
O GitHub é um serviço de hospedagem de repositórios Git disponível gratuitamente. Por meio dele você pode compartilhar o desenvolvimento de um projeto com desenvolvedores do mundo todo e ainda contar com alguns componentes de rede social e wiki para interagir, divulgar e documentar seus projetos.
Muitos Cientistas de Dados estão no Github, desenvolvendo projetos pioneiros. É uma chance de ouro para aprender, compartilhar conhecimento e ver quais são as principais tendências em Data Science. Separei aqui algumas páginas dos Cientistas de Dados e repositórios mais influentes. Confira:
Cientistas de Dados:
Hadley Wickham
Cientista de Dados do RStudio, Hadley é um dos profissionais mais atuantes na comunidade de Data Science. Criador de diversos pacotes para a linguagem R, seu repositório no Github conta com mais de 100 projetos, entre concluídos e em andamento.
Roger D. Peng
Roger é um dos autores dos cursos mais famosos de Data Science no Coursera, oferecidos pela Johns Hopkins University. Seu repositório no Github conta com os projetos do curso e diversos outros projetos nos quais Roger vem trabalhando.
Randy Olson
Cientista de Dados da University of Pennsylvania, Randy é muito atuante na comunidade e autor do blog (http://www.randalolson.com/blog). Seu repositório contém diversos projetos de Machine Learning.
Hilary Mason
Autora de diversos livros e vídeos sobre Data Science e Machine Learning, seu repositório é rico de material sobre Data Science usando Python.
Brian Caffo
Outro co-autor dos cursos mais famosos de Data Science no Coursera, oferecidos pela Johns Hopkins University. Brian é especialista em Estatística e isso se reflete nos seus projetos no Github.
Sebastian Raschka
Cientista de Dados da Michigan State University, Sebastian é autor do livro Python Machine Learning, uma das principais referências para quem busca conhecimento em Machine Learning.
Jeff L.
Outro co-autor dos cursos mais famosos de Data Science no Coursera, oferecidos pela Johns Hopkins University. Jeff possui em seu repositório muitos projetos e experimentos em linguagem R, além de guias sobre Estatística.
Outros repositórios:
Data Science Blogs
https://github.com/rushter/data-science-blogs
Lista de Recursos sobre Big Data / Data Science
https://github.com/chaconnewu/free-data-science-books
Dive into Machine Learning
https://github.com/hangtwenty/dive-into-machine-learning
Spark Notebook
https://github.com/andypetrella/spark-notebook
Deep Learning Toolbox
https://github.com/rasmusbergpalm/DeepLearnToolbox
Chart.js
https://github.com/chartjs/Chart.js
Caret – Machine Learning em R
https://github.com/topepo/caret
Spark Notebook
https://github.com/andypetrella/spark-notebook
Data Science Academy Brasil
https://github.com/dsacademybr
Tem ainda o site do Kirk Borne, que apesar de não estar no Github, é considerado o mais influente Cientista de Dados e atualmente Principal Data Scientist da Booz Allen. Este é o site dele: http://kirkborne.net
David Matos
1 thought on “15 Repositórios no Github para Cientistas de Dados”