#machine-learning Repositories
Insgesamt 2,070 Repositories
Leichtgewichtige Optimierung mit lokalen, globalen, populationsbasierten und sequentiellen Techniken über gemischte Suchräume
Maia ist eine menschenähnliche neuronale Netzwerk-Schach-Engine, die auf Millionen von menschlichen Spielen trainiert wurde.
Hypernetzwerke, die LLMs für spezifische Benchmark-Aufgaben unter ausschließlicher Verwendung der textlichen Aufgabenbeschreibung als Eingabe anpassen
Qualcomm® AI Hub Models ist unsere Sammlung hochmoderner Modelle des maschinellen Lernens, die für optimale Leistung (Latenz, Speicher usw.) optimiert und zur Bereitstellung auf Qualcomm®-Geräten bereit sind.
GraphVite: Ein allgemeines und hochperformantes Graph-Embedding-System
Deep Reinforcement Learning Hands-On: Zweite Auflage, veröffentlicht von Packt
Ein PyTorch-Repository für Datenladen und Dienstprogramme, das von den PyTorch-Domain-Bibliotheken gemeinsam genutzt werden soll.
ktrain ist eine Python-Bibliothek, die Deep Learning und KI zugänglicher und einfacher anzuwenden macht
Therapeutics Commons (TDC): Multimodale Grundlage für die Therapeutische Wissenschaft
Python for Algorithmic Trading Cookbook, herausgegeben von Packt
Papiere, Repository und andere Daten zur Anime- oder Manga-Forschung. Bitte lassen Sie es mich wissen, wenn Sie Informationen haben, die nicht in der Liste enthalten sind.
Rahmenwerk für die Verarbeitung von Erdbeobachtungsdaten für maschinelles Lernen in Python
Eine Rangliste von großartigen Jupyter Notebook-, Hub- und Lab-Projekten (Erweiterungen, Kernel, Tools). Wöchentlich aktualisiert.
⚡️Der räumliche Wahrnehmungsrahmen für den schnellen Aufbau intelligenter Roboter und Räume
Ein Machine-Learning-Einstieg, aufgebaut aus ersten Prinzipien. Für Ingenieure, die über ML-Systeme genauso nachdenken wollen wie über Software-Systeme.
Dieser Codebase demonstriert, wie man realistische 3D-Charakteranimationen aus einem beliebigen Sprachsignal und einem statischen Charakter-Mesh synthetisiert.
Ein kleines, schnelles Entscheidungsmodell – auch System-1-Modell genannt – für agentische Workflows. Es wählt schneller als ein LLM zwischen Optionen aus oder bewertet sie auf einer Skala und gibt zu jeder Entscheidung eine kalibrierte Konfidenz an.
Beginnen Sie mit dem Erlernen von C# mit C#-Notebooks, die von .NET Interactive und VS Code unterstützt werden.
[PKU EPIC Lab] Leitfaden für Anfänger zur verkörperten Intelligenz
Paket für kausale Inferenz in Graphen und in paarweisen Einstellungen. Tools für die Erholung der Graphstruktur und Abhängigkeiten sind enthalten.
Physics-Informed Neural Networks (PINN) Löser für (Partielle) Differentialgleichungen für beschleunigte Simulation im wissenschaftlichen Machine Learning (SciML)
Ressourcen, die Ihnen bei der Vorbereitung auf Ihre bevorstehenden Data-Science-Bewerbungsgespräche helfen
[CVPR 2026] 🔥🔥 Offizielles Repository von USO: Einheitliche Stil- und subjektgesteuerte Generierung via disentangled und Reward Learning
:octocat: 120+ Kurse von chinesischen Hochschulen, rein manuell zusammengestellt, Ergänzungen und Überarbeitungen willkommen
Eine Sammlung von Hilfsknoten aus dem VNCCS-Projekt, die nicht nur für die Hauptziele des Projekts nützlich sind, sondern auch für alltägliche ComfyUI-Workflows.
PDEBench: Ein umfangreicher Benchmark für wissenschaftliches maschinelles Lernen
Keras-Implementierung von "One pixel attack for fooling deep neural networks" mit Differential Evolution auf Cifar10 und ImageNet
🖥️ Die MetaMask Desktop-App ist eine begleitende Krypto-Wallet-App, die die Gesamtleistung des MetaMask Extension Flask-Builds verbessert
Verteilen und Ausführen von KI-Workloads auf Kubernetes auf magische Weise in Python, wie PyTorch für die ML-Infrastruktur.
Zusammenführung herausragender Open-Source-Projekte im Bereich künstliche Intelligenz (KI) aus aller Welt.
TorchXRayVision: Eine Bibliothek von Röntgen-Thorax-Datensätzen und Modellen. Klassifikatoren, Segmentierung und Autoencoder.
Sequence-to-Sequence-Framework mit Schwerpunkt auf Neural Machine Translation basierend auf PyTorch
Alle handgeschriebenen Notizen 📝 und Quellcodedateien 🖥️, die in meinen YouTube-Videos zu maschinellem Lernen und Simulationen verwendet werden (https://www.youtube.com/channel/UCh0P7KwJhuQ4vrzc3IRuw4Q)
Blitzschnelles Datenversionskontrollsystem für große Datenrepositorys. Fühlt sich an wie git, schiebt und zieht wie Ochsen.
Ein vollständiger, strukturierter Hub zum Erlernen Künstlicher Intelligenz — abdeckend KI, maschinelles Lernen, Deep Learning und Data Science mit Büchern, Roadmaps und kuratierten Ressourcen vom Anfänger bis zum Fortgeschrittenen.