#machine-learning Repositories
Insgesamt 2,070 Repositories
Ein Workshop zur Planung der Bildung funktionsübergreifender Teams zur Realisierung eines Wachstumszyklus durch maschinelles Lernen
Eine vereinheitlichte Schnittstelle für Optimierungsalgorithmen und Experimente
Dieses Repository enthält eine Leseliste von Arbeiten zur Zeitreihensegmentierung. Dieses Repository wird kontinuierlich verbessert.
Musikempfehlungssystem für ähnliche Titel, trainiert mit 45 Millionen Spotify-Titeln und 1,8 Millionen Playlists. (Spotify-Track-ID / ISRC eingeben und ähnliche Songs erhalten.)
Dieses Repository ist für alle KI-Enthusiasten gedacht, die es wirklich lieben, Bücher zu lesen und zu lernen.
Cleora AI ist ein Open-Source-Modell für allgemeine Zwecke, das für effizientes, skalierbares Lernen von stabilen und induktiven Entity Embeddings für heterogene relationale Daten entwickelt wurde. Erstellt vom Synerise.com Team.
Happy Transformer erleichtert das Fein-Tuning und die Inferenz mit NLP-Transformer-Modellen.
Mehrere ML-Modelle automatisch mit einer einzigen Codezeile erstellen. Erstellt von Ram Seshadri. Kollaborateure willkommen. Erlaubnis auf Anfrage gewährt.
PLUTO: Verschiebung der Grenzen der Imitationslern-basierten Planung für autonomes Fahren
Distributed Machine Learning Patterns von Manning Publications von Yuan Tang https://bit.ly/2RKv8Zo
Lineares Vorhersagemodell mit automatisierten Funktionen für Feature-Engineering und -Auswahl
Ein-Klick-Portable-Windows-Installation von 'AI-Toolkit by Ostris'
Alle Abbildungen und Notizbücher für mein Deep-Learning-Buch, kostenlos!
Hochwertiger und streaming-fähiger Speech-to-Speech-interaktiver Agent in einer einzigen Datei. Prototyp eines intelligenten Agenten für streaming-basiertes Full-Duplex-Sprachinteraktionssystem, implementiert in nur einer Datei!
Rechtzeitige Erkennungen für proaktivere und effektivere Maßnahmen in Offshore-Ölquellen!
Paxeer X ist eine verteilte Hyperzustandsmaschine für Zahlungen, Codeausführung und Intent-Routing. Entwickelt für Maschinen und die Nutzer, die sie bedienen.
Java-Bibliothek und Kommandozeilen-Anwendung zur Konvertierung von Scikit-Learn-Pipelines in PMML
Umfassender ML/KI-Interview-Leitfaden mit iterativem Systemdesign, produktionsreifem Code und Standards für 2026. Beinhaltet LLM/GenAI, RAG-Systeme, agentische KI und Algorithmen von Grund auf.
Erkunden und interpretieren Sie große Einbettungen in Ihrem Browser mit interaktiver Visualisierung! 📍
Beeindruckende Forschungspapiere zur Komprimierung von Machine-Learning-Modellen, Quantisierung, Tools und Lernmaterialien.
Word Mover's Distance aus dem Paper von Matthew J. Kusner "From Word Embeddings to Document Distances"
Ein einfaches & elegantes Framework zur Experimentverfolgung, das Persistenzlogik & Best Practices direkt in Python integriert
Audioproben, die Publikationen im Zusammenhang mit Tacotron, einem End-to-End-Sprachsynthesemodell, begleiten.
Ein Set von Tools zur Verwendung in Microsoft Azure Form Recognizer und OCR-Diensten.
apricot implementiert submodulare Optimierung, um Teilmengen massiver Datensätze auszuwählen, die Machine-Learning-Modelle schnell trainieren. Siehe die Dokumentationsseite: https://apricot-select.readthedocs.io/en/latest/index.html
Erstellen Sie einen Chatbot oder Q&A-Bot aus den Inhalten Ihrer Website
Kuratiertes Verzeichnis öffentlich zugänglicher Kurse im Bereich Machine Learning Engineering von CalTech, Columbia, Berkeley, MIT und Stanford.
Confusion Matrix in Python: Erstellen einer hübschen Confusion-Matrix (wie in Matlab) in Python mit seaborn und matplotlib
Code zum Testen verschiedener M1 Chip Benchmarks mit TensorFlow.
Eine Sammlung von Datenwissenschaft- und Machine-Learning-Ressourcen, die ich hilfreich fand (Ich poste nur, was ich gelesen habe!)
Beeindruckende kuratierte Liste zu Eye Gaze Estimation Papers
Notizen zum Deep-Learning-System, die grundlegendes mathematisches Wissen für Deep Learning, detaillierte Erklärungen grundlegender Komponenten neuronaler Netze, Deep-Learning-Trainingsstrategien und detaillierte Erklärungen von Modellkomprimierungsalgorithmen umfassen.
🧠 KI-gestütztes personalisiertes Prüfungssystem: Integration von OpenPangu LLM, Wissensgraph-RAG und BKT-Algorithmus für adaptive Fragengenerierung und -empfehlung. Intelligentes personalisiertes Fragenerstellungssystem basierend auf LLM und Wissensgraphen.