#machine-learning Repositories
Insgesamt 2,070 Repositories
Eine Full Stack ML (Machine Learning) Roadmap beinhaltet das Erlernen der notwendigen Fähigkeiten und Technologien, um in allen Aspekten des maschinellen Lernens versiert zu werden, einschließlich Datenerfassung und -vorverarbeitung, Modellentwicklung, Bereitstellung und Wartung.
Ein modellgesteuerter Ansatz zum Erstellen von KI-Agenten in nur wenigen Codezeilen.
Ursprüngliche Implementierung von Prompt Tuning nach Lester et al, 2021
👁 👂 Intelligentes Medien-Tagging für Nextcloud: erkennt Gesichter, Objekte, Landschaften, Musikgenres
VectorFlow ist eine High-Volume-Vektoreinbettungspipeline, die Rohdaten aufnimmt, in Vektoren umwandelt und in eine von Ihnen gewählte Vektordatenbank schreibt.
Eine Bibliothek zur Generierung und Bewertung synthetischer tabellarischer Daten für Datenschutz, Fairness und Datenanreicherung.
Pytorch- und Torch-Testcode für CartoonGAN [Chen et al., CVPR18]
Eine Sammlung von Algorithmen auf dem neuesten Stand der Technik für das Training, die Bereitstellung und die Interpretation von Decision Forest-Modellen in Keras.
Python-Client und Toolkit für DataFrames, Big Data, Machine Learning und ETL in Elasticsearch
Eine Open-Source-Plattform für konversationelle KI für tiefdomänen-spezifische Sprachoberflächen und Chatbots.
Ollama für klassische ML-Modelle. AOT-Compiler, der XGBoost, LightGBM, scikit-learn, CatBoost & ONNX-Modelle in nativen C99-Inferenzcode umwandelt. Ein Befehl zum Laden, ein Befehl zum Servieren. 336x schneller als Python-Inferenz.
Artikel, Code und Datensätze zu Deep Learning für die 3D-Objekterkennung.
Fabric for Deep Learning (FfDL, ausgesprochen fiddle) ist eine Deep-Learning-Plattform, die TensorFlow, Caffe, PyTorch usw. als Service auf Kubernetes anbietet.
Vorhersage von Aktienkursen mit einem TensorFlow LSTM (Long Short-Term Memory) neuronalen Netzwerk für Zeitreihenvorhersagen
BenchMARL ist eine Bibliothek zum Benchmarking von Multi-Agent Reinforcement Learning (MARL). BenchMARL ermöglicht den schnellen Vergleich verschiedener MARL-Algorithmen, Aufgaben und Modelle, während es systematisch auf seinen beiden Kernprinzipien basiert: Reproduzierbarkeit und Standardisierung.
ML-capsule ist ein Projekt für Anfänger und erfahrene Data-Science-Enthusiasten, die keinen Mentor oder keine Anleitung haben und Machine Learning lernen möchten. Mit unserem Repository können sie ML, DL und viele verwandte Technologien anhand verschiedener realer Projekte erlernen und sich auf Vorstellungsgespräche vorbereiten.
Ein leichtgewichtiges Deep-Reinforcement-Learning-Framework für die Portfolioverwaltung. Dieses Projekt untersucht die Möglichkeit, Deep-Reinforcement-Learning-Algorithmen auf den Aktiemarkthandel in einem hochmodularen und skalierbaren Framework anzuwenden.
Verfolgen Sie Ihre Data Science. Die Open-Source-Python-Bibliothek von Skore beschleunigt die Entwicklung von ML-Modellen mit automatisierten Evaluationsberichten, klugem methodischem Rat und umfassender Kreuzvalidierungsanalyse.
Ein Non-Profit-Open-Source-Projekt, das vedische Astrologie für alle leicht zugänglich macht.
Eine kuratierte Liste von Data Science & KI geführten Projekten, um Ihr Portfolio aufzubauen
[JMLR 2023] Quantus ist ein Toolkit für erklärbare KI zur verantwortungsvollen Bewertung von Erklärungen neuronaler Netze
Ein auf Python basierendes Werkzeugkasten mit verschiedenen Methoden im Bereich Entscheidungsfindung, Unsicherheitsquantifizierung und statistischer Emulation: Multi-Fidelity, experimentelles Design, bayessche Optimierung, bayessche Quadratur usw.
Eine Bibliothek zum Trainieren, Bewerten, Interpretieren und Produzieren von Entscheidungsforstmodellen wie Random Forest und Gradient Boosted Decision Trees.
Implementierung von Code-Snippets, Übungen und Anwendungen auf Live-Daten aus "Machine Learning for Asset Managers (Elements in Quantitative Finance)" von Prof. Marcos López de Prado.
Beispiele für Techniken zum Trainieren interpretierbarer ML-Modelle, Erklären von ML-Modellen und Debuggen von ML-Modellen hinsichtlich Genauigkeit, Diskriminierung und Sicherheit.
Serverless Machine Learning Kurs zum Erstellen von KI-gestützten Vorhersagediensten aus Modellen und Features
Multimodale OCR-Pipeline optimiert für ML-Training (Text, Abbildung, Mathematik, Tabellen, Diagramme)
🙌Sammlung von über 234 Projekten basierend auf maschinellem Lernen, Deep Learning, Computer Vision, natürlicher Sprachverarbeitung und allem. Zeigen Sie Ihre Unterstützung, indem Sie dieses Repository ✨.
Eine kuratierte Liste großartiger Ressourcen für quantitative Anlage- und Handelsstrategien mit Fokus auf Anwendungen von künstlicher Intelligenz und maschinellem Lernen im Finanzwesen.
Automatische Kennzeichenerkennung (ALPR) oder Automatische Nummernschilderkennung (ANPR) Software, die mit jeder Kamera funktioniert.