在GitHub上有许多与科学计算相关的程序，以下是一些值得关注的科学计算程序：
Scikit-learn
Scikit-learn是一个用于机器学习的Python模块，它建立在SciPy之上，提供了广泛的数据挖掘和数据分析工具。它包括分类、回归、聚类、降维、预处理等功能，并且支持多种编程语言。
TensorFlow
TensorFlow是谷歌发布的第二代机器学习系统，用于数值计算的开源软件库。它使用数据流图进行计算，支持多种编程语言，并且具有高度的灵活性和可扩展性。TensorFlow广泛应用于各种机器学习和深度学习任务。
PyTorch
PyTorch是一个基于Python的开源深度学习框架，由Facebook的人工智能研究团队开发。它提供了动态计算图和自动微分功能，非常适合进行深度学习和复杂的科学计算。
Caffe
Caffe是一个高效的开源深度学习框架，专注于卷积神经网络（CNN）的训练和测试。它具有高度模块化和可扩展性，支持多种硬件平台和编程语言。
PredictionIO
PredictionIO是一个基于Apache Spark、HBase和Spray的机器学习服务器，用于构建和部署机器学习模型。它支持分类、推荐等常规问题，并且可以通过REST APIs或SDKs与现有应用连接。
Awesome Data Science
Awesome Data Science是一个包含大量数据科学相关资源和工具的GitHub仓库，涵盖了从入门指导到高级技术文档的各个方面。
Cheatsheets for AI
这是一个以cheat sheet形式介绍机器学习/深度学习中常用工具与技术的项目，包括pandas、numpy、scikit-learn等。
这些项目涵盖了科学计算的多个方面，从机器学习、深度学习到数据分析和可视化，适合不同层次和需求的研究者和开发者。建议根据具体的项目描述和需求选择合适的项目进行学习和探索。