#machine-learning Repositories
Insgesamt 2,070 Repositories
Sammlung von ICLR-Papieren und Open-Source-Projekten der letzten Jahre, einschließlich ICLR2021, ICLR2022, ICLR2023, ICLR2024, ICLR2025.
Llama von Grund auf, oder wie man eine wissenschaftliche Arbeit ohne Tränen implementiert
TOROS Buffalo: Ein schnelles und skalierbares, produktionsreifes Open-Source-Projekt für Empfehlungssysteme
KI-gestützte Wetterintelligenz für landwirtschaftliche Rohstoff-Futures. Sagt Preisbewegungen 48-72 Stunden im Voraus für OJ, Kaffee, Kakao, Zucker, Mais und Weizen voraus, unter Verwendung von Claude Sonnet + Satellitendaten
Sammlung kostenloser ML-Lesematerialien
Objekte beschriften und Zeit sparen (LOST) - Entwerfen Sie Ihren eigenen intelligenten Prozess für die Bildannotation in einer webbasierten Umgebung.
Sprachmodell-Suchmaschine, die auf einer Vektordatenbank und einem beliebigen Schlüssel-Wert-Speicher aufbaut.
Ein flexibles, adaptives Klassifizierungssystem für die dynamische Textklassifizierung
Verwenden Sie PyTorch-Modelle mit CasADi für datengesteuerte Optimierung oder lernbasierte optimale Regelung. Unterstützt Acados.
hihttps ist eine hochperformante Web Application Firewall mit vollständigem Quellcode, die alle Funktionen eines traditionellen WAF wie SQL-Injection, XSS, bösartige Schwachstellen-Scans, Passwort-Brute-Force, CC, DDoS usw. unterstützt, einschließlich ModSecurity-RegEx-Regeln, und zudem unüberwachtes maschinelles Lernen, um unbekannte Angriffe autonom zu bekämpfen.
Eine Sammlung großartiger Entwicklerkonten (Twitter, Facebook,...) 👨💻, die arabische Inhalte, Podcasts, Artikel, YouTube-Kanäle und einige Ratschläge und Richtlinien bereichern.
Der Microsoft Scalable Noisy Speech Dataset (MS-SNSD) ist ein verrauschter Sprachdatensatz, der je nach Anzahl der Sprecher, Geräuschart und gewünschtem Signal-Rausch-Verhältnis (SNR) auf beliebige Größen skalierbar ist.
Python-Code, Jupyter Notebooks, CSV-Dateien mit Beispielen für die Übungen aus dem Blog aprendemachinelearning.com und dem Buch Aprende Machine Learning en Español
Freqtrade — Konfigurations- und Verwaltungswerkzeug für den open‑source‑Crypto‑Trading‑Bot Freqtrade mit Strategietest, Live/Dry‑Run-Modi, Unterstützung von über 10 Börsen (Binance, Kraken, OKX), Hyperparameteroptimierung, FreqUI‑Dashboard und Rich‑Terminal‑Menüoberfläche
Wir kennen GANs für ihre Erfolge bei der realistischen Bilderzeugung. Sie können jedoch auch zur Erzeugung tabellarischer Daten angewendet werden. Wir werden einige neuere Arbeiten zu tabellarischen GANs in Aktion überprüfen und untersuchen.
Offizielles Repository für die Arbeit „Grokfast: Beschleunigtes Grokking durch Verstärkung langsamer Gradienten“
Links zu Konferenz-/Zeitschriftenveröffentlichungen über automatische Faktenprüfung (Ressourcen für das TACL22/EMNLP23-Paper).
:octocat:🌟 Die ultimativen Ressourcen für Projekte von Anfänger bis Fortgeschrittene an einem Ort 💻 🎯🚀
Computational Pathology Toolbox, entwickelt vom TIA Centre der University of Warwick.
Organisieren Sie Ihre Experimente in einzelne Schritte, die während der gesamten Lebensdauer Ihres Forschungsprojekts zwischengespeichert und wiederverwendet werden können.
Modern Time Series Forecasting with Python, veröffentlicht von Packt
Eine kuratierte Liste von Data-Science-Lehrmaterialien für wesentliche Data-Science-Fähigkeiten
Vector Hub – Bibliothek zur einfachen Entdeckung und Nutzung von State-of-the-Art-Modellen zur Umwandlung von Daten in Vektoren (text2vec, image2vec, video2vec, graph2vec, bert, inception, etc)
SciKit-Learn Laboratory (SKLL) macht es einfach, Machine-Learning-Experimente durchzuführen.
Verwenden Sie ArXiv ChatGuru, um mit Forschungsarbeiten zu sprechen. Diese App verwendet LangChain, OpenAI, Streamlit und Redis als Vektor-Datenbank/semantischen Cache.
Eine kuratierte Liste von Ressourcen zur Künstlichen Intelligenz (Kurse, Tools, Apps, Open-Source-Projekte)
Erweiterungs-Pipeline für das Rendern von Prozessen zur synthetischen Papierdruck, Fax, Scannen und Kopieren
Julia-Implementierung der scikit-learn-API https://cstjean.github.io/ScikitLearn.jl/dev/
55 anspruchsvolle Skills für Claude Code, Codex, OpenCode 1 und 2 sowie Pi: Code-Reviews, Sicherheitsaudits, Feature-Entwicklung, Frontend-Design, MCP-Tools, maschinelles Lernen/Training mit Hugging Face und mehr.
Python-Reimplementierung der (beschränkten) spektralen Cluster-Algorithmen, die in Googles Arbeiten zur Speaker-Diarisierung verwendet werden.
Offizielle Implementierung von Würstchen: Effizientes Vortraining von Text-zu-Bild-Modellen
Hands-On Machine Learning mit C++, veröffentlicht von Packt
🤖 KI-Browsererweiterungen & Userskripte zur Verbesserung Ihres Web-Erlebnisses