#python Repositories
Insgesamt 6,751 Repositories
Ein leichtgewichtiges Deep-Reinforcement-Learning-Framework für die Portfolioverwaltung. Dieses Projekt untersucht die Möglichkeit, Deep-Reinforcement-Learning-Algorithmen auf den Aktiemarkthandel in einem hochmodularen und skalierbaren Framework anzuwenden.
Ein Multi-Agenten-Handelssystem basierend auf einem internen Wettbewerbsmechanismus
Verfolgen Sie Ihre Data Science. Die Open-Source-Python-Bibliothek von Skore beschleunigt die Entwicklung von ML-Modellen mit automatisierten Evaluationsberichten, klugem methodischem Rat und umfassender Kreuzvalidierungsanalyse.
Ein lehrreiches Projekt (Schritt für Schritt), um zu zeigen, wie man eine produktionsfähige App für RAG-Anwendungen erstellt.
Machen Sie die RSS-Verwaltung intelligenter, den Informationszugriff effizienter | Smarter RSS management, more efficient information access
Python Causal Impact Implementierung basierend auf Googles R-Paket. Erbaut mit TensorFlow Probability.
Ein Python-Paket zur Visualisierung neuroanatomischer Daten im Atlas-Raum
Zeichnen Sie die CPU- und Speicherauslastung eines Prozesses auf :chart_with_upwards_trend:
MARS: Ein instanzbewusster, modularer und realistischer Simulator für autonomes Fahren
Ein auf Python basierendes Werkzeugkasten mit verschiedenen Methoden im Bereich Entscheidungsfindung, Unsicherheitsquantifizierung und statistischer Emulation: Multi-Fidelity, experimentelles Design, bayessche Optimierung, bayessche Quadratur usw.
Python-API-Wrapper für Instructures Canvas LMS. Verwalten Sie Kurse, Benutzer, Notenbücher und mehr einfach.
Backend.AI ist eine optimierte, containerbasierte Computing-Cluster-Plattform, die gängige Computing/ML-Frameworks und diverse Programmiersprachen hostet, mit steckbarer Unterstützung für heterogene Beschleuniger, einschließlich CUDA GPU, ROCm GPU, Gaudi NPU, Google TPU, GraphCore IPU und anderen NPUs.
Allgemeines Rag-Framework zur Anwendung der Leistungsfähigkeit von LLMs auf beliebige Datensätze
Einfache und sichere Implementierung von Azure Entra ID (früher AD) für Ihre FastAPI-APIs 🔒 B2C, Single- und Multi-Tenant-Unterstützung.
Eine Bibliothek zum Trainieren, Bewerten, Interpretieren und Produzieren von Entscheidungsforstmodellen wie Random Forest und Gradient Boosted Decision Trees.
Ein automatisiertes KI-System (Python-Framework), das entwickelt wurde, um jede Art von Website-Inhalt zu analysieren und strukturierte Berichte unter Verwendung der Claude 3.5 Sonnet API und Firecrawl zu generieren. Während es derzeit für Enterprise-KI-Fallstudien konfiguriert ist, kann die Architektur für verschiedene Inhaltsanalyseanforderungen angepasst werden.
Erklären Sie sich! Durchsuchen Sie eine Codebasis nach Docstring-Abdeckung.
Beispiele für Techniken zum Trainieren interpretierbarer ML-Modelle, Erklären von ML-Modellen und Debuggen von ML-Modellen hinsichtlich Genauigkeit, Diskriminierung und Sicherheit.
Ein leichtgewichtiges, Plug-and-Play-Benchmark-Kit für synthetische Daten. Vergleichen Sie Syncora mit anderen Generatoren (z. B. Gretel, MostlyAI), indem Sie CSVs einfügen und dann Fidelity- und Ähnlichkeitsmetriken automatisch berechnen. Funktioniert mit jedem Datensatz über einfache Dateibenennung, keine aufwändige Einrichtung erforderlich.
Ein JIT-Aktivator für iOS 17 mit einem Windows/macOS-Computer im selben WLAN!
Ein robuster, voll funktionsfähiger und benutzer-/programmiererfreundlicher Python IRC-Bot mit vielen vorhandenen Plugins.
MCP-Server für langfristigen Agentenspeicher mit Mem0. Nützlich auch als Vorlage, um mit dem Erstellen Ihres eigenen MCP-Servers mit Python zu beginnen!