#machine-learning Repositories
Insgesamt 2,070 Repositories
Effizienter, skalierbarer und unternehmenstauglicher CPU/GPU-Inferenzserver für 🤗 Hugging Face Transformer-Modelle 🚀
Aktien im Bereich Deep Learning und Machine Learning bieten vielversprechende Chancen für langfristige und kurzfristige Investoren und Trader.
Graph4nlp ist die Bibliothek für die einfache Nutzung von Graph Neural Networks für NLP. Besuchen Sie unsere DLG4NLP-Website (https://dlg4nlp.github.io/index.html) für verschiedene Lernressourcen!
Ein PyTorch-basiertes Framework für Quanten-klassische Simulation, Quanten-maschinelles Lernen, Quanten-neuronale Netze, parametrisierte Quantenschaltkreise mit Unterstützung für einfache Bereitstellungen auf echten Quantencomputern.
Python-basierte Forschungschnittstelle für Blackbox- und Hyperparameter-Optimierung, basierend auf dem internen Google Vizier Service.
Sammlung von Google Colaboratory Notebooks für schnelle und einfache Experimente
Apache Spark & Python (pySpark) Tutorials für Big Data Analysis und Machine Learning als IPython / Jupyter Notebooks
caret (Classification And Regression Training) R-Paket, das verschiedene Funktionen zum Trainieren und Plotten von Klassifizierungs- und Regressionsmodellen enthält
Die Backend-Agenten werden erstellt mit: multimodaler Datenbank, Orchestrierung und Bereitstellung in einer Datei
Generatoren synthetischer Daten für tabellarische und Zeitreihendaten
Eine PyTorch-Bibliothek und Evaluierungsplattform für End-to-End-Kompressionsforschung
Schnelle und effiziente Extraktion unstrukturierter Daten. Geschrieben in Rust mit Bindings für viele Sprachen.
🚀 KOSTENLOSE KI-Ressourcen - 🎓 Kurse, 👷 Jobs, 📝 Blogs, 🔬 KI-Forschung und vieles mehr - für alle!
Dieses Repository stellt Code für Machine-Learning-Algorithmen für Edge-Geräte bereit, die am Microsoft Research India entwickelt wurden.
Machine Learning für Algorithmic Trading, Zweite Auflage - veröffentlicht von Packt
Universelle Manipulationsschnittstelle: Robotertraining in freier Wildbahn ohne Roboter in freier Wildbahn
Liste nützlicher Ressourcen für Data Augmentation. Hier finden Sie einige ungewöhnliche Techniken, Bibliotheken, Links zu GitHub-Repos, Papers und mehr.
eine Python-Bibliothek zum Parsen unstrukturierter Adresszeichenfolgen aus den Vereinigten Staaten in Adresskomponenten
Vereinheitlichtes Training von Universal-Zeitreihenprognose-Transformatoren
Interpretabler ML-Paket 🔍 für knappe, transparente und genaue prädiktive Modellierung (sklearn-kompatibel).
AIDE: ein LLM-Agent für Machine Learning Engineering – die Forschung, aus der Weco hervorging. Referenziert in OpenAIs MLE-bench.
MixTeX multimodales LaTeX, ZhEn und Tabellen-OCR. Es führt eine effiziente CPU-basierte Inferenz lokal offline unter Windows durch.
Universelles zweites Auge für Spieler mit Beeinträchtigungen (Universeller KI-Zielausrichter (KI-Aimbot) - ONNX/YOLOv8 - C#)
Infer.NET ist ein Framework für die Ausführung bayesscher Inferenz in grafischen Modellen.
Machine Learning University: Beschleunigter Kurs für Computer Vision
:red_circle: MiniSom ist eine minimalistische Implementierung der Self Organizing Maps
Eine Bibliothek für die Suche nach ungefähren Nächsten Nachbarn für Python und Java mit Schwerpunkt auf Benutzerfreundlichkeit, Einfachheit und Bereitstellbarkeit.
ExtractThinker ist eine Document Intelligence-Bibliothek für LLMs, die eine ORM-ähnliche Interaktion für flexible und leistungsstarke Dokumenten-Workflows bietet.
Hochwertige Implementierungen von Standard- und SOTA-Methoden für eine Vielzahl von Aufgaben.
Was steckt in Ihren Daten? Extrahieren Sie Schemata, Statistiken und Entitäten aus Datensätzen