#machine-learning Repositories
Insgesamt 2,070 Repositories
🪄 Verwandelt Ihren Machine-Learning-Code in Microservices mit Web-API, interaktiver GUI und mehr.
Visualisieren und vergleichen Sie Datensätze, Zielwerte und Assoziationen mit einer einzigen Codezeile.
Fügen Sie Ihrer operativen Datenbank einen Echtzeit-Analyse-Knoten hinzu. Spice ist eine portable, beschleunigte SQL-Abfrage-, Such- und LLM-Inferenz-Engine in Rust für datengestützte KI-Anwendungen und Agenten.
:sunglasses: Eine kuratierte Liste von Robotik-Bibliotheken und Software
Rust-native, einsatzbereite NLP-Pipelines und transformerbasierte Modelle (BERT, DistilBERT, GPT2, ...)
Open-Source-Tools für Prompt-Tests und -Experimente, mit Unterstützung für LLMs (z. B. OpenAI, LLaMA) und Vektordatenbanken (z. B. Chroma, Weaviate, LanceDB).
Fantastische kostenlose Kurse für maschinelles Lernen und KI mit Videovorlesungen.
Ein einfaches Werkzeug, um Literaturverzeichniseinträge mit ihren offiziellen Informationen zu aktualisieren (z. B. DBLP oder die ACL-Anthologie).
Python-Praxis-Tutorial mit über 50 Python-Anwendungen (10 Codezeilen) von @xiaowuc2
Deepnote ist ein direkter Ersatz für Jupyter mit einem KI-zentrierten Design, einer eleganten Benutzeroberfläche, neuen Blöcken und nativen Datenintegrationen. Nutzen Sie Python, R und SQL lokal in Ihrer bevorzugten IDE und skalieren Sie dann zur Deepnote Cloud für Echtzeit-Zusammenarbeit, den Deepnote Agent und bereitstellbare Datenanwendungen. https://deepnote.com/
Eine gut getestete und umfassende Golang-Statistik-Bibliothek ohne Abhängigkeiten.
AI Roadmap: Maschinelles Lernen (Machine Learning), Deep Learning, Generative Adversarische Netzwerke (GAN), Graph Neural Networks (GNN), NLP, Big Data bezogene Entwicklungsroutenpläne (Roadmap), mit einer Fülle von Quellcode (Python, PyTorch), um grundlegende Wissenspunkte zu verdauen, Vorstellungsgespräche zu meistern und den Sprung vom Anfänger zum qualifizierten Ingenieur zu meistern. Darunter befinden sich offizielle Quellcodes von TensorFlow und Caffe für Deep-Learning-Papiere, und der Anwendungsabschnitt enthält Empfehlungsalgorithmen und Wissensgraphen.
C++ DataFrame für statistische, finanzielle und ML-Analysen in modernem C++
Ein Python-Toolbox zum Erstellen von adversariellen Beispielen, die neuronale Netzwerke in PyTorch, TensorFlow und JAX täuschen
Mittlere durchschnittliche Präzision - Dieser Code bewertet die Leistung Ihres neuronalen Netzes für die Objekterkennung.
Datenmanipulation und -transformation für die Audio-Signalverarbeitung, powered by PyTorch
Ein Open-Source-Framework zur Erkennung von Audio-Schlagwörtern (oder Phrasen) mit Schwerpunkt auf Leistung und Einfachheit.
Ein allgemeines Fine-Tuning-Kit, das auf Bild-/Video-/Audio-Diffusionsmodelle zugeschnitten ist.
Algorithmus-Ingenieur (Künstliche Intelligenz CV-Richtung) Vorstellungsgesprächsfragen und zugehörige Materialien
AI-basiertes Multi-Label-Bildklassifikationssystem für Mädchen, implementiert mit TensorFlow.
Transformieren Sie ML-Modelle in nativen Code (Java, C, Python, Go, JavaScript, Visual Basic, C#, R, PowerShell, PHP, Dart, Haskell, Ruby, F#, Rust) ohne Abhängigkeiten
Eine professionell kuratierte Liste großartiger Ressourcen (Paper, Code, Daten usw.) zu Transformatoren in Zeitreihen.
🔮 Ein erfrischender funktionaler Ansatz für Deep Learning, kompatibel mit Ihren bevorzugten Bibliotheken
AIGC-interview/CV-interview/LLMs-interview Interviewfragen und -antworten Sammlung, gleichzeitig neue Ideen, neue Fragen, neue Ressourcen und neue Projekte aus Arbeits- und Forschungsprozessen enthaltend
Ein umfassender Satz von Fairness-Metriken für Datensätze und Machine-Learning-Modelle, Erklärungen zu diesen Metriken und Algorithmen zur Minderung von Bias in Datensätzen und Modellen.
Mehrsprachige automatische Spracherkennung mit Wort-Timestamps und Konfidenz
Eine Bibliothek zum Debuggen/Inspektieren von Machine-Learning-Klassifikatoren und Erklären ihrer Vorhersagen