#machinelearning Repositories
Entdecke 53 aktive Open-Source-GitHub-Repositories, die mit #machinelearning getaggt sind und insgesamt 305,249 Sterne gesammelt haben (durchschnittlich 5,759 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist microsoft/ML-For-Beginners mit 92,369 Sternen.
Insgesamt 53 Repositories
12 Wochen, 26 Lektionen, 52 Quizze, klassisches maschinelles Lernen für alle
🤖 Python-Beispiele für beliebte Machine-Learning-Algorithmen mit interaktiven Jupyter-Demos und erklärter Mathematik
Machine-Learning- und Deep-Learning-Tutorials, Artikel und andere Ressourcen
Low-Code-Framework zum Erstellen benutzerdefinierter LLMs, neuronaler Netze und anderer KI-Modelle
Out-of-Core Hybrid-Apache-Arrow/NumPy-DataFrame für Python, ML, Visualisierung und Exploration großer tabellarischer Daten mit einer Milliarde Zeilen pro Sekunde 🚀
ClearML - Auto-magisches CI/CD zur Vereinfachung Ihrer AI-Workload. Experiment Management, Data Management, Pipeline, Orchestration, Scheduling & Serving in einer MLOps/LLMOps-Lösung
Sammlung von Open-Source-Projekten im Zusammenhang mit GPT, GPT-bezogene Open-Source-Projekte Sammlung🚀, handverlesen🔥🔥
Tools zur Gestaltung oder Visualisierung der Architektur von Neuralen Netzwerken
Strukturierte Datenextraktion, Anweisungsaufruf und agentische Workflows mit ML, LLM und Vision LLM
Debugging, Überwachung und Visualisierung für Python Machine Learning und Data Science
ein hervorragendes Machine-Learning-Tool, mit dem Sie Modelle trainieren, testen und verwenden können, ohne Code zu schreiben
🧠 Eine kuratierte Liste großartiger ChatGPT-Ressourcen, darunter Bibliotheken, SDKs, APIs und mehr. 🌟 Bitte unterstützen Sie dieses Projekt, indem Sie ihm einen Stern geben.
Offenes Chanlun-Python-Implementierungsframework, unterstützt morphologische/dynamische Kauf-/Verkaufspunktsanalyseberechnungen, mehrstufige K-Linien-Kombination, Intervall-Strategie, visuelle Darstellung, verschiedene Datenzugänge, Strategieentwicklung, Anbindung an Handelssysteme;
🤖 NanoNeuron sind 7 einfache JavaScript-Funktionen, die Ihnen das Gefühl geben, wie Maschinen tatsächlich lernen können.
Eine kuratierte Liste von beeindruckend tollen Cybersecurity-Datensätzen
Apple Silicon Guide. Erfahren Sie alles über die Chips A17 Pro, A16 Bionic, R1, M1-Serie, M2-Serie und M3-Serie. Zusammen mit allen Geräten, Betriebssystemen, Werkzeugen, Spielen und Software, die Apple Silicon antreibt.
Die Responsible AI Toolbox ist eine Suite von Tools, die Benutzeroberflächen und Bibliotheken für die Modell- und Datenexploration und -bewertung bereitstellt und ein besseres Verständnis von KI-Systemen ermöglicht. Diese Benutzeroberflächen und Bibliotheken befähigen Entwickler und Stakeholder von KI-Systemen, KI verantwortungsvoller zu entwickeln und zu überwachen und bessere datengesteuerte Maßnahmen zu ergreifen.
🚀 KOSTENLOSE KI-Ressourcen - 🎓 Kurse, 👷 Jobs, 📝 Blogs, 🔬 KI-Forschung und vieles mehr - für alle!
Eine professionell kuratierte Liste von großartigen Videos, Tutorials, Büchern, Papieren, Doktor- und Masterarbeiten, Artikeln und Open-Source-Bibliotheken zur konformen Vorhersage.
Qualcomm® AI Hub Models ist unsere Sammlung hochmoderner Modelle des maschinellen Lernens, die für optimale Leistung (Latenz, Speicher usw.) optimiert und zur Bereitstellung auf Qualcomm®-Geräten bereit sind.
⭐ ⭐ Verwenden Sie ML, um Flows und Pakete als gutartig oder bösartig zu klassifizieren. ⭐ ⭐
Eine professionelle Liste zu großen (Sprach-)Modellen und Foundation Models (LLM, LM, FM) für Zeitreihen-, raumzeitliche und Ereignisdaten.
Zusammenstellung von R- und Python-Programmiercodes auf dem Data Professor YouTube-Kanal.
Eine einheitliche Schnittstelle zum Ausführen von Deep-Learning-Modellen aus mehreren Frameworks
Pythonisches Werkzeug zur Orchestrierung von Machine-Learning-/High-Performance-/Quantencomputing-Workflows in heterogenen Computerumgebungen.
Machine-Learning-Projekte mit Quellcode - Machine-Learning-Projekte für Anfänger, ML-Projekte für Studenten im letzten Studienjahr, Machine-Learning-Projekte – vom Anfänger bis zum Fortgeschrittenen
Visuelle, interaktive Artikel über maschinelles Lernen: https://mlu-explain.github.io/
Echtzeit-Erkennung räumlich-zeitlich lokalisierter Aktivitäten durch Verfolgung von Körper-Schlüsselpunkten
:books: [.md & .ipynb] Serie zu Künstlicher Intelligenz & Deep Learning, einschließlich Mathematischer Grundlagen, Python-Übungen, NLP-Anwendungen usw. 💫 Praktische Anwendungen in KI und Deep Learning: Kapitel Mathematische Statistik | Kapitel Maschinelles Lernen | Kapitel Deep Learning | Kapitel Natürliche Sprachverarbeitung | Kapitel Werkzeugpraxis Scikit & TensorFlow & PyTorch | Branchenanwendungen & Kursnotizen
KI-Produktivitätstool – Kostenlos und Open Source, verbessert die Benutzerproduktivität und schützt Privatsphäre und Datensicherheit. Einschließlich, aber nicht beschränkt auf: integrierte lokale exklusive Modelle wie ChatGPT, DeepSeek, Phi, Qwen und andere, intelligente Stapelverarbeitung von Bildern, Videos, Audio usw. mit einem Klick.
Ein allgemeines Klassifikationsmodul, um bayessche und LSI-Klassifikationen zu ermöglichen.
Leitfaden für maschinelles Lernen. Erfahren Sie alles über Machine-Learning-Tools, Bibliotheken, Frameworks, Large Language Models (LLMs) und Trainingsmodelle.
Das Projekt konzentriert sich auf das Nachverfolgen vermisster Personen. Wir verwenden Bildverarbeitung und maschinelles Lernen zusammen mit einer Postgres-Datenbank.
Eine Sammlung einiger Datensätze für Segmentierung / Saliency-Erkennung. Willkommen bei PR...:smile:
🔴 SEHR GROSSE KI-TOOL-LISTE! 🔴 Kuratierte Liste von KI-Tools - Aktualisiert 2026
Nutzen Sie Halluzinationen von großen Sprachmodellen (LLMs) für innovationsgetriebene Erkundungen.
Dies ist der offizielle Code für das Paper CodeRL: Mastering Code Generation through Pretrained Models and Deep Reinforcement Learning (NeurIPS22).
Häufig gestellte Fragen
Welches ist das beliebteste #machinelearning-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#machinelearning-Projekt auf GitHub ist microsoft/ML-For-Beginners mit 92,369 Sternen. 12 Wochen, 26 Lektionen, 52 Quizze, klassisches maschinelles Lernen für alle
Welche Programmiersprachen werden in #machinelearning-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #machinelearning-Projekten auf GitHub sind Python, Jupyter Notebook, JavaScript, TypeScript die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #machinelearning-Repositories berechnet?
Wir verfolgen 53 aktive Open-Source-Repositories, die mit #machinelearning getaggt sind (500+ Sterne), mit insgesamt 305,249 Sternen und durchschnittlich 5,759 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.