#machine-learning Repositories
Insgesamt 2,070 Repositories
Ein Tool zur Konvertierung von ONNX-Dateien in LiteRT/TFLite/TensorFlow, PyTorch-Nativer Code (nn.Module), TorchScript (.pt), state_dict (.pt), Exported Program (.pt2) und Dynamo ONNX. Es unterstützt auch die direkte Konvertierung von LiteRT zu PyTorch.
Tencent Kona ist eine kostenlose, produktionsreife Distribution des Open Java Development Kit (OpenJDK) mit Langzeitunterstützung (LTS) und vierteljährlichen Updates. Tencent Kona dient intern bei Tencent Cloud als Standard-JDK für Cloud-Computing und andere Java-Anwendungen.
Notizen & Lösungen zu den Übungen aus Teil I des Buches: "Hands-On ML with Scikit-Learn, Keras & TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems" von Aurelien Geron
Karriere-Ressourcen für Data Science, Machine Learning, Big Data und Business Analytics Karriere-Repository
Ressourcen, Beispiele und Tutorials für multimodale KI, RAG und Agenten mit Vektorsuche und LLMs
Wahrnehmungs-Toolkit für Sim2Real-Training und -Validierung in Unity
Framework-unabhängige Implementierung für State-of-the-Art-Saliency-Methoden (XRAI, BlurIG, SmoothGrad und mehr).
Ressourcenbibliothek für Bewerbungsgespräche als AI-Agent-Ingenieur – Erfahrungsberichte, Stellenanforderungen und häufig gestellte Fragen großer chinesischer Technologieunternehmen
allRank ist ein Framework zum Trainieren von Learning-to-Rank-Neuralmodellen basierend auf PyTorch.
Bibliothek für spezialisierte dichte und spärliche Matrixoperationen und Deep-Learning-Primitive.
Eine umfassende Bibliothek für maschinelles Lernen und numerische Berechnungen. Wenden Sie Machine Learning mit Rust an, indem Sie Grundprinzipien nutzen.
NequIP ist ein Code zum Erstellen von E(3)-äquivarianten interatomaren Potenzialen
Eine Benchmark-Umgebung für vollständig kooperative Mensch-KI-Leistung.
🔍 LangKit: Ein quelloffenes Toolkit zur Überwachung von Large Language Models (LLMs). 📚 Extrahiert Signale aus Prompts & Antworten und gewährleistet Sicherheit. 🛡️ Zu den Funktionen gehören Textqualität, Relevanzmetriken und Stimmungsanalyse. 📊 Ein umfassendes Tool für die LLM-Beobachtbarkeit. 👀
Der vollständige Post-Training-Stack für LLMs, plus RL für jedes Problem. SFT, DPO und mehrstufiges agentisches RL mit integrierter evolutionärer Hyperparameteroptimierung.
Die Idee dieser Liste ist es, gemeinsame Daten und Algorithmen rund um 3D Morphable Models zu sammeln. Sie sind eingeladen, zu dieser Liste beizutragen, indem Sie einen Pull Request hinzufügen. Die ursprüngliche Liste entstand aus dem Dagstuhl-Seminar zu 3D Morphable Models https://www.dagstuhl.de/19102 im März 2019.
Quellcode für das End-to-End-Dialogmodell aus dem MultiWOZ-Papier (Budzianowski et al. 2018, EMNLP)
Ein polyedrischer Compiler für das Ausdrücken schneller und portabler datenparalleler Algorithmen
Ein effizientes, skalierbares und optimiertes Python-Framework für Deep Forest (2021.2.1)
Ein skalierbarer Inferenz-Server für mit OpenVINO™ optimierte Modelle
Selbstgesteuertes Bootcamp zu Generativer KI. Tutorials zu ML-Grundlagen, Ollama, LLMs, RAGs, LangChain, LangGraph, Fine-tuning, DSPy & AI Agents (CrewAI), (mit ChatGPT, gpt-oss, Claude, Qwen, Gemma, Llama, Gemini)
Ein hochperformantes Tool-Box für topologisches maschinelles Lernen in Python
Ausgewählt wurden mehr als 10.000 Projekte, darunter maschinelles Lernen, tiefes Lernen, NLP, GNN, Empfehlungssysteme, Biomedizin, maschinelles Sehen, Frontend- und Backend-Entwicklung usw. Damit mehr exzellente Projekte von Menschen entdeckt werden. Wir werden weiterhin aktualisieren! Bitte starmen Sie uns!
Ein Modul auf scikit-learn-Basis für Multi-Label-Klassifizierung et. al.
Hera macht die Orchestrierung von Python-Code auf Argo Workflows durch native Python-Integrationen einfach. Sie können Ihre Workflows vollständig in Python erstellen und übermitteln. ⭐️ Vergessen Sie nicht zu starren!
Entwicklung von Optionshandelsstrategien mit Technischen Indikatoren und Quantitativen Methoden
KI-Audiodatensätze (AI-ADS) 🎵, einschließlich Sprache, Musik und Soundeffekte, die Trainingsdaten für Generative AI, AIGC, KI-Modelltraining, Entwicklung intelligenter Audiertools und Audioanwendungen bereitstellen können.
Transformer-Modelle von BERT bis GPT-4, Umgebungen von Hugging Face bis OpenAI. Beispiele für Fine-Tuning, Training und Prompt Engineering. Ein Bonus-Abschnitt mit ChatGPT, GPT-3.5-turbo, GPT-4 und DALL-E, einschließlich Jumpstarting von GPT-4, Speech-to-Text, Text-to-Speech, Text-zu-Bild-Generierung mit DALL-E, Google Cloud AI, HuggingGPT und mehr.
Python-Toolkit, MCP-Server und Agenten-Skills für reproduzierbare, auditierbare Clickstream- und Ereignisprotokollanalysen. Unterstützt KI-Agenten, Datenwissenschaftler und Analysten beim Erstellen, Validieren und Gegenprüfen von Produktanalysen, quantitativer UX, Customer Journeys, grafbasierten Benutzerflüssen, Verhaltenssegmentierung, A/B-Tests, Process-Mining-Modellen und Markov-Ketten-Simulationen.
Code für „HyperNeRF: Eine höherdimensionale Darstellung für sich topologisch ändernde neuronale Strahlungsfelder“.