#machine-learning Repositories
Insgesamt 2,070 Repositories
MRMR (Minimum-Redundancy-Maximum-Relevance) für die automatische Merkmalsauswahl in großem Maßstab.
🍇 GRAPE ist eine Rust/Python-Bibliothek für Graph-Repräsentationslernen für Vorhersagen und Auswertungen
🎉 PILOT: Eine auf vortrainierten Modellen basierende Toolbox für kontinuierliches Lernen
Monty ist ein Framework für sensomotorisches Lernen, das auf der Theorie der tausend Gehirne des Neokortex basiert.
MatterSim: Ein tiefes Lernmodell auf atomarer Ebene, das Elemente, Temperaturen und Druck abdeckt.
Die sauberste AutoML-Bibliothek der Welt ✨ - Führen Sie Hyperparameter-Tuning mit den richtigen Pipeline-Abstraktionen durch, um saubere Deep-Learning-Produktionspipelines zu schreiben. Lassen Sie Ihre Pipeline-Schritte Hyperparameterspaces haben. Entwerfen Sie Schritte in Ihrer Pipeline wie Komponenten. Kompatibel mit Scikit-Learn, TensorFlow und den meisten anderen Bibliotheken, Frameworks und MLOps-Umgebungen.
Der gesamte Quellcode für "Robot Learning: A Tutorial". Mach mit, um in der nächsten Iteration vorgestellt zu werden!
Kursnotizen zu Machine Learning (Machine Learning) 2021 Spring des Professors Li Hongyi der Universität Taipeh (NTU)
Tool zur Generierung von ML-Trainingsdaten basierend auf Computer Vision :rocket:
Von herausragenden Arbeiten auf Top-Konferenzen lernen | Oral Paper Skill — Gemeinsame Vorgehensweisen aus den Abstracts von 883 Oral-Papers „destillieren“, um die eigene Arbeit zu vergleichen und zu verbessern sowie das Gelernte zu reflektieren · Skill + Prompt-Paket (CN/EN). Lernen Sie aus den Abstracts von 883 Oral-Papers, um Ihre Forschung und Ihr Schreiben zu verbessern.
Eine Teilmenge von PyTorchs neuronalen Netzwerkmodulen, geschrieben in Python unter Verwendung von OpenAI's Triton.
Werkzeuge zum Verstehen, wie Transformer-Vorhersagen Schicht für Schicht aufgebaut werden
[NeurIPS 2021] Multiskalen-Benchmarks für multimodales Repräsentationslernen
Herstellerunabhängige TinyML Deep-Learning-Bibliothek, Compiler und Inferenz-Framework für Mikrocomputer und Mikrocontroller
Code für IDS-ML: Entwicklung von Einbruchserkennungssystemen mithilfe von Algorithmen des maschinellen Lernens (Entscheidungsbaum, Random Forest, Extra Trees, XGBoost, Stacking, k-Means, Bayesian Optimization..)
Dieses Repository enthält den Evaluierungscode für das Paper „MMMU: A Massive Multi-discipline Multimodal Understanding and Reasoning Benchmark for Expert AGI“
FastAPI Skeleton App zur Bereitstellung von Machine-Learning-Modellen in Produktionsqualität.
Veraltet, jetzt in sktime - Begleitpaket für Deep Learning basierend auf TensorFlow
Aktuelle Forschungsarbeiten zu Foundation Models für Kombinatorische Optimierung
In Generative KI mit großen Sprachmodellen (LLMs) lernen Sie die Grundlagen, wie generative KI funktioniert und wie Sie sie in realen Anwendungen einsetzen.
Deep Learning Simplified ist ein Open-Source-Repository, das Deep-Learning-Projekte für Anfänger bis Fortgeschrittene für Mitwirkende enthält, die ihre Reise im Deep Learning beginnen möchten. Devfolio URL, https://devfolio.co/projects/deep-learning-simplified-f013
Ein weiteres Sprachmodell: LLM-Inferenz in C++/CUDA, keine Bibliotheken außer I/O
Ein inhaltsbasiertes Empfehlungssystem, das Filme empfiehlt, die dem vom Benutzer bevorzugten Film ähneln, und die Gefühle der vom Benutzer gegebenen Bewertungen analysiert
Bildaugmentation für Computer Vision. Ausschließlich AGPL-3.0-Lizenz oder kommerzielle Lizenzierung.
AAAI 2024 Paper: Entdecken Sie eine umfassende Sammlung innovativer Forschungsarbeiten, die auf einer der führenden Konferenzen für künstliche Intelligenz vorgestellt wurden. Integrieren Sie nahtlos Code-Implementierungen für ein besseres Verständnis. ⭐ Erleben Sie mit diesem Repository den Fortschritt im Bereich der künstlichen Intelligenz auf höchstem Niveau!
Typsichere Werkzeuge, On-Device-Inferenz, Multi-Agenten-Workflows, Speicher und Guardrails in einer Swift-nativen Laufzeitumgebung
AI-in-a-Box nutzt die Expertise von Microsoft weltweit, um KI- und ML-Lösungen für die technische Gemeinschaft zu entwickeln und bereitzustellen. Unsere Absicht ist es, eine kuratierte Sammlung von Lösungsbeschleunigern zu präsentieren, die Ingenieuren helfen können, ihre KI/ML-Umgebungen und -Lösungen schnell und mit minimalen Schwierigkeiten einzurichten.
Modeltime vereint Zeitreihenprognosemodelle und maschinelles Lernen in einem Framework
OWASP CycloneDX ist ein Full-Stack-BOM-Standard (Bill of Materials), der erweiterte Lieferkettenfunktionen zur Reduzierung von Cyberrisiken bietet. SBOM, SaaSBOM, HBOM, AI/ML-BOM, CBOM, OBOM, MBOM, VDR und VEX
Framework für schnelle Implementierung von Datenverarbeitungs- und Betriebspipelines
Dieses Repository enthält alles, was Sie benötigen, um sich in Machine Learning zu spezialisieren
💭 Aspektbasierte Sentiment-Analyse: Transformer & Erklärbares ML (TensorFlow)