#machine-learning Repositories
Insgesamt 2,070 Repositories
Gemeinsames Repository für Open-Source-Projekte des Google AI Language-Teams.
(IROS 2020, ECCVW 2020) Offizielle Python-Implementierung für „3D Multi-Object Tracking: A Baseline and New Evaluation Metrics“
Offizieller Code für „DPM-Solver: Ein schneller ODE-Löser für Diffusion Probabilistic Model Sampling in etwa 10 Schritten“ (Neurips 2022 Oral)
Eine leichtgewichtige, lokal ausgerichtete und kostenlose Bibliothek zur Experimentverfolgung von Hugging Face 🤗
ESP32-Kamera-Motion-Capture-Anwendung zum Aufzeichnen von JPEGs auf SD-Karte als AVI-Dateien und Streamen zum Browser als MJPEG. Wenn ein Mikrofon installiert ist, wird auch eine WAV-Datei erstellt. Dateien können über FTP hochgeladen oder zum Browser heruntergeladen werden.
Beobachtung, Erforschung und Anwendung zukunftsweisender Technologien wie der Verarbeitung natürlicher Sprache, Wissensgraphen, großen Sprachmodellen und Agenten.
Grobe Liste meiner Lieblingsressourcen für Deep Learning, nützlich zum Wiederholen von Themen oder als Referenz. Ich habe mir all den aufgelisteten Inhalt sorgfältig angesehen. - Guillaume Chevalier
Synthetische Datenkuratur für Post-Training und die Extraktion strukturierter Daten
Werkzeugkasten mit Modellen, Rückrufen und Datensätzen für KI/ML-Forscher.
Beispielcodeschnipsel und Machine-Learning-Code für Teachable Machine
Top 200 Deep-Learning-GitHub-Repositories, sortiert nach Anzahl der Sterne.
Eine Statistikbibliothek, die die Lücke in den Zeitreihenanalyse-Fähigkeiten von Python füllen soll, einschließlich des Äquivalents zur auto.arima-Funktion von R.
Erläuterungen zu Beweisen, Beispielen, Ergänzungen zu Konzepten und Referenzen des Buches "Einführung in die Theorie des maschinellen Lernens" (Schatzkistenbuch).
Eine umfassende Liste von über 180 YouTube-Kanälen für Data Science, Data Engineering, Machine Learning, Deep Learning, Informatik, Programmierung, Software Engineering usw.
Wunderbare Künstliche Intelligenz, Maschinelles Lernen und Deep Learning, wie wir sie lernen. Lernnotizen und eine kuratierte Liste toller Ressourcen zu diesen Themen.
OpenMLDB ist eine Open-Source-Machine-Learning-Datenbank, die eine Feature-Plattform für die Berechnung konsistenter Features für Training und Inferenz bereitstellt.
Open-Source-Plattform für die Annotation multimodaler Daten mit KI-Auto-Annotation-Unterstützung.
Zusammenfassung von AIOps-Lernmaterialien, gerne zusammen ergänzen, Star willkommen
Nützliche zusätzliche Funktionalität für TensorFlow 2.x, gepflegt von SIG-addons
WARNUNG: Das Katib-Projekt ist VERALTET. Nutzer sollten zu OptimizationJob und Kubeflow Trainer migrieren.
Pflichtlektüre von Forschungsarbeiten und Links zu Tools und Datensätzen, die sich auf die Verwendung von maschinellem Lernen für Compiler und Systemoptimierung beziehen
Ein Deep-Learning-Toolkit für KI im Gesundheitswesen: elektronische Patientenakten (MIMIC, eICU, OMOP), klinische Texte, Signale und Bildgebung. Über 30 Modelle und reproduzierbare Pipelines.
Artikel über Vortraining und selbstüberwachtes Lernen auf Graph Neural Networks (GNNs).
MLRun ist eine Open-Source-MLOps-Plattform zum schnellen Aufbau und Management kontinuierlicher ML-Anwendungen über ihren Lebenszyklus hinweg. MLRun integriert sich in Ihre Entwicklungsumgebung und CI/CD-Pipeline und automatisiert die Bereitstellung von Produktionsdaten, ML-Pipelines und Online-Anwendungen.
Ein einheitliches Framework für Deep-Learning-Modelle auf tabellarischen Daten
Eine Auswahl an hochmodernen Forschungsunterlagen zur Trajektorievorhersage