#machine-learning Repositories
Insgesamt 2,070 Repositories
Eine kuratierte Liste von großartigen Taichi-Anwendungen, Kursen, Demos und Funktionen.
Eine Sammlung einiger Datensätze für Segmentierung / Saliency-Erkennung. Willkommen bei PR...:smile:
Ein Gehirn, das aus unmittelbarer Erfahrung lernt. System 1 standardmäßig: Wahrnehmung, Gedächtnis, Plastizität und Handeln. Optional System 2 zur Selbstbeobachtung und für langsame Korrekturen.
TimeCopilot: das agentische Prognose-Framework. Auf Basis von LLMs und Zeitreihen-Foundation-Modellen ermöglicht es Ihnen, über eine einzige API mit mehreren Foundation-Modellen Prognosen zu erstellen, Kreuzvalidierungen durchzuführen und Anomalien zu erkennen. Von Finanzen und Energie bis hin zu Webanalysen verwandelt TimeCopilot natürlichsprachliche Abfragen in produktionsreife Prognosen.
Kleiner GPT, von Grund auf in reinem Go implementiert. Optimiert für das Verständnis. Trainiert auf Büchern von Jules Verne.
Eine kuratierte Sammlung öffentlicher Industriedatensätze.
Das offizielle Roboflow Python-Paket. Verwalten Sie Ihre Datensätze, Modelle und Bereitstellungen. Roboflow bietet alles, was Sie für die Erstellung einer Anwendung für Computer Vision benötigen.
Ein Ressourcen-Repository für maschinelles Unlearning in großen Sprachmodellen
Modul für statistisches Lernen mit besonderem Schwerpunkt auf zeitabhängige Modellierung
Repository für Community-Mentor-Inhalte im Zusammenhang mit der Johns Hopkins University Data Science Specialization auf Coursera
Kokoro Web: Kostenlose KI-Text-to-Speech, online oder selbst gehostet, OpenAI-kompatibel!
Human Preference Score v2: Eine solide Benchmark zur Bewertung menschlicher Präferenzen bei Text-zu-Bild-Synthese
Treten Sie der Community auf Discord bei, um weitere Diskussionen über Neutone zu führen! https://discord.gg/VHSMzb8Wqp
Wahrscheinlichkeit und Statistik für Data Science: Eine in sich geschlossene Einführung in Wahrscheinlichkeit und Statistik für Data Science, einschließlich einer kostenlosen PDF-Datei, 103 Python-Notebooks mit 23 realen Datensätzen, 118 Videos mit Folien und Lösungen für 200 Übungen
Electron-App für maschinelles Lernen-basierte Sprachsynthese mit Stimmen spezifischer Charaktere aus Videospielen
Vollständiger Lebenszyklus eines Data-Science-Projekts
Eine fantastische Liste von Veröffentlichungen zu Datenschutzangriffen gegen maschinelles Lernen
Implementierung/Tutorial zur Verwendung automatisierter maschineller Lernmethoden (AutoML) für statisches/Batch- und Online/kontinuierliches Lernen
MIT IAP-Kurzkurs: Matrix-Analysis für maschinelles Lernen und darüber hinaus
Lernen Sie Machine Learning mit dem Amazon ML Summer School Programm 2026. Greifen Sie auf Sitzungszusammenfassungen, Multiple-Choice-Fragen aus Vorjahren, Programmierfragen und offizielles Testmaterial zu. Üben Sie modulweise Programmieraufgaben und bauen Sie eine solide Grundlage für Vorstellungsgespräche und reale Anwendungen auf.
Repository für nvCOMP-Dokumentation und Beispiele. nvCOMP ist eine Bibliothek für schnelle verlustfreie Kompression/Dekomprimierung auf der GPU, die von https://developer.nvidia.com/nvcomp heruntergeladen werden kann.
Gut getestetes mehrsprachiges Evaluierungs-Framework für Textzusammenfassungen.
Pipeline-fähige Schritte für Feature-Engineering und Daten-Vorverarbeitung zur Vorbereitung auf das Modellieren
Dieses Repository sammelt einige Codes, die gängige Algorithmen im Bereich des maschinellen Lernens kapseln. Die meisten basieren auf Numpy, Pandas oder Torch. Sie können Ihr Verständnis für verwandte Modelle und Algorithmen vertiefen oder sie überarbeiten, um den für Sie passenden Code zu erhalten, indem Sie sich auf dieses Repository beziehen.
KI-Folien, Notizen zu Fachartikeln, Vorlesungsnotizen, Blogbeiträge und Forschungsüberblicke.
Awesome Jev: ein quellenbasierter Praxisleitfaden zum System-One-Modell von TypeSafe – mit SDKs, Live-Demos, Agenten-Tools und unabhängigen Evaluierungen.