#machine-learning Repositories
Insgesamt 2,070 Repositories
Eine Sammlung der wichtigsten Github-Repos für ML-, KI- und Data-Science-Praktiker
SchNetPack - Tiefe neuronale Netzwerke für atomistische Systeme
Vereinheitlichte Schnittstelle zum Erstellen und Verwalten von Workflows auf verschiedenen Workflow-Engines wie Argo Workflows, Tekton Pipelines und Apache Airflow.
Molecular Sets (MOSES): Eine Benchmarking-Plattform für Modelle zur Molekülgenerierung
Python-Machine-Learning-Algorithmus-Technik-Blog, mit originalem Inhalt! Mit Code-Praxis! 【Mehr Inhalte: Folgen Sie bitte dem öffentlichen Account „Algorithmus Fortschritt“】
Ein Tutorial für den Kaggle-Wettbewerb 'Titanic: Machine Learning from Disaster'. Demonstriert grundlegende Techniken zur Datenbereinigung, Analyse und Visualisierung. Zeigt Beispiele für überwachtes maschinelles Lernen.
Eine einheitliche Schnittstelle zum Ausführen von Deep-Learning-Modellen aus mehreren Frameworks
Bayesianische Active-Learning-Bibliothek für Forschung und industrielle Anwendungsfälle.
OpenEMMA, eine permissiv lizenzierte Open-Source-"Reproduktion" von Waymos EMMA-Modell.
Reine Rust-Implementierung eines minimalen generativen vortrainierten Transformers
🤖 Automatisch gesammelte AI-Repos, Tools, Websites, Papers & Tutorials. Praktische AI-Schatzkiste 💎
Begleitende Webseite zum Buch „Bayesian Optimization“ von Roman Garnett
Puffer ist eine kostenlose Website für Live-TV-Streaming und eine Forschungsstudie an der Stanford University, die maschinelles Lernen nutzt, um Video-Streaming zu verbessern.
😇Eine PyTorch-Implementierung des DeepMoji-Modells: State-of-the-Art-Deep-Learning-Modell zur Analyse von Stimmungen, Emotionen, Sarkasmus usw.
Croissant ist ein High-Level-Format für Machine-Learning-Datensätze, das vier reichhaltige Ebenen zusammenführt.
Diffprivlib: Die IBM-Bibliothek für differentielle Privatsphäre
Ein minimalistisches SOTA LaTeX OCR-Modell mit nur 20M Parametern, das im Browser läuft. Die vollständige Trainings-Pipeline steht zur Selbst-Reproduktion zur Verfügung. | Leichtgewichtiges SOTA LaTeX Formel-Erkennungsmodell mit nur 20M Parametern, das im Browser läuft. Der gesamte Trainings-Workflow-Code ist für das Selbststudium und die Reproduktion Open Source.
🧠 Motorhead ist ein Server zum Abrufen von Erinnerungen und Informationen für LLMs.
App mit mehreren Echtzeit-Diffusionsmodell-Pipelines mit Diffusers
NVIDIA Merlin ist eine Open-Source-Bibliothek, die End-to-End-GPU-beschleunigte Empfehlungssysteme bereitstellt, von der Feature-Entwicklung und Vorverarbeitung über das Training von Deep-Learning-Modellen bis hin zum Inferenzbetrieb in der Produktion.
MONAI Label ist ein intelligentes Open-Source-Tool zum Beschriften und Erlernen von Bildern.
Das Open-Source-Entscheidungsmodell System One. Unter 15 ms, nicht autoregressiv und eine lokal einsetzbare Drop-in-Alternative zu TypeSafe Jev.
BladeDISC ist ein End-to-End-Projekt für dynamische Form-Compiler für maschinelle Lernlasten.
Jenetics - Genetischer Algorithmus, Genetische Programmierung, Grammatikalische Evolution, Evolutionärer Algorithmus und Multi-Objective-Optimierung
Backend, der das Dataset-Viewer auf den Hugging Face Dataset-Seiten über eine öffentliche API antreibt.
Slips, ein freies softwarebasiertes verhaltensorientiertes Python-Intrusionspräventionssystem (IDS/IPS), das Machine Learning nutzt, um bösartige Verhaltensweisen im Netzwerkverkehr zu erkennen. Stratosphere Laboratory, AIC, FEL, CVUT in Prague.
:four_leaf_clover: Evolutionsoptimierungs-Bibliothek für Go (genetischer Algorithmus, Partikelschwarmoptimierung, Differentialentwicklung)
Ein performantes ML-Modell-Serving-Framework, das dynamisches Batching und CPU/GPU-Pipelines bietet, um Ihre Rechenmaschine voll auszunutzen
ALiPy: Active Learning in Python ist eine Active-Learning-Python-Toolbox, die es Benutzern ermöglicht, die Leistung von Active-Learning-Methoden bequem zu bewerten, zu vergleichen und zu analysieren.
Ein Inferenzserver für Ihre Machine-Learning-Modelle, einschließlich Unterstützung für mehrere Frameworks, Multi-Model-Serving und mehr