#machine-learning Repositories
Insgesamt 2,070 Repositories
Eine umfangreiche Knotensuite, die es ComfyUI ermöglicht, 3D-Eingaben (Mesh & UV-Textur usw.) mithilfe von Spitzenalgorithmen (3DGS, NeRF usw.) zu verarbeiten.
Einführung in PyTorch, Online-Lesezugang unter: https://datawhalechina.github.io/thorough-pytorch/
Buch_5_《Statistik auf den Punkt gebracht》 | Die Iris-Buch: Von grundlegenden Operationen zu maschinellem Lernen; auf Lager!
Eine Python-Bibliothek für selbstüberwachtes Lernen und latente Weltmodelle für Bilder.
DeepVariant ist eine Analyse-Pipeline, die ein tiefes neuronales Netzwerk verwendet, um genetische Varianten aus Next-Generation-DNA-Sequenzierungsdaten aufzurufen.
Antworten auf 120 häufig gestellte Data-Science-Interviewfragen.
Einfachste funktionsfähige Implementierung von Stylegan2, state-of-the-art Generative Adversarial Network, in PyTorch. Ermöglicht es jedem, Disentanglement zu erleben.
Eine Sammlung wissenschaftlicher Methoden, Prozesse, Algorithmen und Systeme zum Erstellen von Geschichten und Modellen.
Dies sind die handschriftlichen Notizen von Andrew NG auf Coursera.
Veröffentlichung für verbesserte Denoising Diffusion Probabilistic Models
🚀 Kuratierte Sammlung erstaunlicher Python-Skripte von den Grundlagen bis zu fortgeschrittenen Skripten für Automatisierungsaufgaben.
Ein vollständig Open-Source humanoider Arm für die physische KI-Forschung und den Einsatz in kontaktintensiven Umgebungen.
Von Großunternehmen veröffentlichte KI-Praxisbeispiele, neueste Forschungsarbeiten führender Labore und authentische Erfahrungsberichte über Herausforderungen in der Industrie
Eine Sammlung von Forschungs- und Übersichtspapieren zu Echtzeit-Bietverfahren (RTB) basierenden Display-Werbetrechniken
GLIDE: ein auf Diffusion basierendes textbasiertes bedingtes Bildsynthesemodell
"Mathematik ist nicht schwer" - "Lineare Algebra ist nicht schwer", Bände 1 und 2, 66 Themen abgeschlossen; willkommen zu Kritik und Korrekturen.
Quant/Algorithmic-Trading-Ressourcen mit Schwerpunkt auf Machine Learning
Das Learning Interpretability Tool: Analysieren Sie ML-Modelle interaktiv, um ihr Verhalten in einer erweiterbaren und Framework-unabhängigen Benutzeroberfläche zu verstehen.
🧠💬 Artikel, die ich über maschinelles Lernen geschrieben habe, archiviert von MachineCurve.com.
Eine Liste von Online-Ressourcen für quantitative Modellierung, Trading und Portfolio-Management
Wahrscheinlich die beste kuratierte Liste von Data-Science-Software in Python.
Eine modulare, primatenfreundliche, Python-first PyTorch-Bibliothek für Reinforcement Learning.
Alink ist die Machine-Learning-Algorithmusplattform basierend auf Flink, entwickelt vom PAI-Team der Alibaba Computing Platform.
MNE: Magnetoenzephalographie (MEG) und Elektroenzephalographie (EEG) in Python
Eine Bibliothek zur Beschleunigung von Transformer-Modellen auf NVIDIA-GPUs, einschließlich der Verwendung von 8-Bit- und 4-Bit-Gleitkomma-Präzision (FP8 und FP4) auf Hopper-, Ada- und Blackwell-GPUs, um sowohl beim Training als auch bei der Inferenz eine bessere Leistung bei geringerem Speicherverbrauch zu erzielen.
Schnelle Einführung in KI-Theorie und angewandte Praxis: Grundlagen, Transformer, NLP, ML, DL, Wettbewerbe. Enthält reichlich Kommentare und Datensätze, damit jeder es verstehen und nachbilden kann.
🔥🔥Hochleistungs-Gesichtserkennungs-Bibliothek auf PaddlePaddle & PyTorch🔥🔥
Hummingbird kompiliert trainierte ML-Modelle in Tensor-Berechnungen für schnellere Inferenz.
Alle Kursmaterialien für den Zero to Mastery Machine Learning and Data Science Kurs.
Schnelle, flexible und einfach zu bedienende probabilistische Modellierung in Python.
🛠 All-in-one webbasiertes IDE, spezialisiert auf Machine Learning und Data Science.
PennyLane ist eine Open-Source-Softwareplattform für Quantencomputing, Quanten-Maschinelles Lernen und Quantenchemie. Erstellen Sie sinnvolle Quantenalgorithmen, von der Inspiration bis zur Umsetzung.
Eine Bibliothek für Transfer Learning durch Wiederverwendung von Teilen von TensorFlow-Modellen.