#machine-learning Repositories
Insgesamt 2,070 Repositories
Ein Crashkurs in sechs Episoden für Softwareentwickler, die Machine-Learning-Praktiker werden möchten.
Ein umfassendes quantitatives Handelssystem mit KI-gestützter Analyse, Echtzeit-Datenverarbeitung und fortschrittlichem Risikomanagement
Eine Open-Source-Datenprotokollierungsbibliothek für maschinelle Lernmodelle und Datenpipelines. 📚 Bietet Einblicke in Datenqualität und Modellleistung im Laufe der Zeit. 🛡️ Unterstützt datenschutzfreundliche Datenerfassung, um Sicherheit und Robustheit zu gewährleisten. 📈
Sammlung von Ressourcen, die Schlüsselbereiche der Informatik abdecken
Eine Closed-Loop-Lernplattform für Computer Vision, auf der Code interaktiv online ausgeführt werden kann. Lernen Sie den geschlossenen Kreislauf "Praktische Computer Vision: Algorithmen und Anwendungen" chinesisches E-Book, Quellcode, Community-Austausch für Leser (wird kontinuierlich aktualisiert ...) 📘 Online-E-Book https://charmve.github.io/computer-vision-in-action/ 👇Projekt-Homepage
🎁 Über 7.400.000 Unsplash-Bilder für Forschung und maschinelles Lernen verfügbar gemacht
Dieses Repository enthält kommentierte Forschungsarbeiten, die ich wirklich gut und nützlich fand
Bilder zur Inferenz ohne Beschriftung (verwenden Sie Basismodelle, um beaufsichtigte Modelle zu trainieren).
Buch_6_"Der Weg der Daten" | Iris Buch: Von Addition, Subtraktion, Multiplikation und Division bis hin zu maschinellem Lernen; wir freuen uns über Kritik und Korrekturen! Studenten, die viele Fehler korrigieren, erhalten ein Exemplar des Buches als Dankeschön!
Interaktive Tools für Machine Learning, Deep Learning und Mathematik
"Maschinelle Übersetzung: Grundlagen und Modelle" von Xiao Tong und Zhu Jingbo - Machine Translation: Foundations and Models
TradeMaster ist eine Open-Source-Plattform für quantitatives Trading, die durch bestärkendes Lernen ermöglicht wird :fire: :zap: :rainbow:
Mars ist ein tensorbasierter einheitlicher Rahmen für die Berechnung großer Datenmengen, der numpy, pandas, scikit-learn und Python-Funktionen skaliert.
Eine Spielwiese zum Generieren von Bildern aus beliebigen Textbeschreibungen mit Stable Diffusion (zuvor: mit DALL-E Mini)
AIMET ist eine Bibliothek, die fortschrittliche Quantisierungs- und Komprimierungstechniken für trainierte neuronale Netzwerkmodelle bereitstellt.
CV-CUDA™ ist eine Open-Source-Bibliothek mit GPU-Beschleunigung für die bildverarbeitung und das maschinelle Sehen in Cloud-Größe.
MLNLP: Dieses Repository sammelt wissenschaftliche Arbeiten mit Open-Source-Code von Konferenzen für künstliche Intelligenz (wie ACL, EMNLP, NAACL, COLING, AAAI, IJCAI, ICLR, NeurIPS, ICML usw.).
Ein einheitlicher Rahmen für datenschutzfreundliche Datenanalyse und maschinelles Lernen
Eine Liste großartiger Compilerprojekte und -arbeiten für Tensorberechnungen und Deep Learning.
[ICLR 2024] Offizielle Implementierung von „ 🦙 Time-LLM: Zeitreihenvorhersage durch Neukodierung großer Sprachmodelle“
Computer Vision Projekte | Lustige KI-Projekte im Bereich Computer Vision (Python, C++, eingebettetes System)
🚀 Eine effiziente Sammlung von Algorithmen für die Suche nach ungefähr nächstliegenden Nachbarn, geschrieben in Rust 🦀 .
Python-Client für Supabase. Abfragen von Postgres mit Flask, Django und FastAPI. Python-Benutzerauthentifizierung, Sicherheitsrichtlinien, Edge-Funktionen, Dateispeicherung und Echtzeit-Datenstreaming.
Android-Anwendungsidentifizierer für Packer, Protectoren, Obfuskatoren und Kuriositäten - PEiD für Android
Apache Hamilton hilft Datenwissenschaftlern und Ingenieuren, testbare, modulare, selbstdokumentierende Datenflüsse zu definieren, die Abstammung/Rückverfolgung und Metadaten kodieren. Läuft und skaliert überall dort, wo Python läuft.
Notebooks, Codebeispiele und Referenzen für maschinelles Lernen und generative KI auf Google Cloud für die Advanced Solutions Lab (ASL) Bootcamps.
CubeStudio ist eine Open-Source-Cloud-native All-in-One-Plattform für maschinelles Lernen/Deep Learning/Großmodell-KI/MaaS/MLOps/KI-Plattform/Trainings- und Inferenzplattform, die den gesamten Algorithmus-Pipeline, Multi-Tenancy, Rechenleistungsvermietungsplattform, Token-Relay, Drag-and-Drop-Aufgabenfluss-Pipeline-Orchestrierung, Multi-Maschine-Multi-Karte verteiltes Training, Hyperparametersuche, Inferenzdienste, VGPU-Virtualisierung, Cloud-Edge-Gerät-Kooperation, Edge Computing, automatisierte Annotationsplattform, SFT-Feintuning/Belohnungsmodell/Verstärkungslernen-Training für große Modelle wie DeepSeek, Multi-Maschine-Inferenz für große Modelle mit vLLM/Ollama/MindIE, private Wissensdatenbank-LLMOps-Agenten, KI-Modellmarkt, Unterstützung für nationale heterogene Rechenleistungsplanung (Ascend, Cambricon, Hygon, Moore Threads, Muxi usw.), Unterstützung für IB/RoCE/RDMA und Xinchuang-Unterstützung umfasst.
🧠 Lassen Sie Ihre Agents aus Erfahrung lernen. Jetzt als gehostete Lösung auf kayba.ai verfügbar
Interaktive Dashboards in Python zum Erlernen von Data Science
Allgemeines GPU-Computing-Framework auf Vulkan-Basis zur Unterstützung von Tausenden von Grafikkarten verschiedener Anbieter (AMD, Qualcomm, NVIDIA & Co.). Extrem schnell, mobilfähig, asynchron und optimiert für fortschrittliche GPU-Datenverarbeitungsanwendungen. Unterstützt von der Linux Foundation.