#machine-learning Repositories
Insgesamt 2,070 Repositories
Kursmaterialien für Analytics im Aktienmarkt-Zoomcamp
Kausale Inferenz und Entdeckung in Python von Packt Publishing
Ein dict[str, torch.Tensor], das sich wie ein einzelner Tensor verhält, und TensorClass: typisierte, gebatchte Dataclasses, die kompiliert werden können.
Code und anderes Material für das Buch "Deep Learning and the Game of Go"
Ein Bild um den Faktor 4 hochskalieren, während fotorealistische Details generiert werden.
Schnelles & Einfaches Lernen von Deep-Network-Strukturen unter Ressourcenbeschränkung
Gestenerkennung mittels CNN. Implementiert in Keras + Tensorflow/Theano + OpenCV
Ein leistungsstarkes und modulares Toolkit für Record-Linkage und Duplikatenerkennung in Python
KI-gestütztes inverses Antennendesign mit echtem NEC2 + openEMS in der Schleife. Probieren Sie die Live-Spielwiese im Browser aus.
Dies ist eine Liste interessanter Arbeiten und Projekte zu TinyML.
🤗 Eine Liste wunderbarer Open-Source-Projekte und Anwendungen, die mit Hugging Face-Bibliotheken integriert sind.
MALLET ist ein Java-basiertes Paket für statistische natürliche Sprachverarbeitung, Dokumentenklassifizierung, Clustering, Topic Modeling, Informationsextraktion und andere Machine-Learning-Anwendungen für Text.
Machine Learning University: Beschleunigter Kurs für tabellarische Daten
PaCMAP: Eine groß angelegte Dimensionsreduktionstechnik, die sowohl globale als auch lokale Strukturen bewahrt
Offizielle Implementierung von „ADBench: Anomaly Detection Benchmark“, NeurIPS 2022.
[IEEE T-KDE 2026] Awesome Deep Graph Clustering ist eine Sammlung von SOTA- und neuartigen Deep-Graph-Clustering-Methoden (Artikel, Codes und Datensätze).
Machine-Learning-Bibliothek mit TypeScript-API und Rust-Backend. Kompatibilität mit CUDA und WebGPU. Entwickelt, um zu verstehen, wie ML-Frameworks und -Modelle intern funktionieren.
Reine PyTorch-Implementierung des NVIDIA-Papers über sofortiges Training von neuronalen Grafikprimitiven: https://nvlabs.github.io/instant-ngp/
Beschleunigung und Vereinfachung des Bildbeschriftungs- und Annotationsprozesses durch Unterstützung mehrerer Formate.
Erkennt das Reggaeton-Genre mit maschinellem Lernen und sendet Pakete, um BT-Lautsprecher zu deaktivieren (hoffentlich)
Erkennung anomaler Bestellungen: Modell zur Klassifizierung von Bestellbetrug (Random Forest / Entscheidungsbaum / SVM)
Alle Stanford Cheatsheets: Künstliche Intelligenz, Transformer, LLMs, Deep Learning, Maschinelles Lernen, Wahrscheinlichkeiten, Statistik, Algebra und Analysis.
Dieser Leitfaden beschreibt einen Lernpfad für Oberstufenschüler, die das Feld des Machine Learning und der Künstlichen Intelligenz erkunden möchten.
Das Buch, das jeder Datenwissenschaftler auf seinem Schreibtisch braucht.
[ICLR 2025 Spotlight] Offizielle Implementierung von "Time-MoE: Billion-Scale Time Series Foundation Models with Mixture of Experts"
KI-bezogene Tutorials. Greifen Sie kostenlos auf alle zu → https://towardsai.net/editorial
Eine sorgfältig zusammengestellte Sammlung von E-Books zu Data Science, maschinellem Lernen und KI, die Ihnen beim Lernen und bei Ihrer Weiterentwicklung hilft.
Eine zentrale, offene Ressource für Daten und Werkzeuge im Zusammenhang mit Chain-of-Thought-Reasoning in großen Sprachmodellen. Entwickelt von der Forschungsgruppe Samwald: https://samwald.info/
🌟 Eine kuratierte Sammlung kostenloser, hochwertiger KI-Tools 🤖, APIs 🔗, Datensätze 📊 und Lernressourcen 📚 zu den Themen maschinelles Lernen 🧠, Deep Learning 🧩, generative KI 🎨, NLP 💬 und Data Science 📈. Entwickelt, um Entwicklern 👩💻, Forschern 🔬 und Kreativen ✨ dabei zu helfen, schneller mit KI zu experimentieren und zu bauen ⚡.
Zentraler Ort für die Engineering/Skalierung WG: Dokumentation, SLURM-Skripte und Protokolle, Rechenumgebung und Daten.
Krita-Plugin, das Auswahlwerkzeuge hinzufügt, um Objekte mit einem einzigen Klick oder durch Zeichnen einer Begrenzungsbox zu maskieren.