#unsupervised-learning Repositories
Entdecke 64 aktive Open-Source-GitHub-Repositories, die mit #unsupervised-learning getaggt sind und insgesamt 200,621 Sterne gesammelt haben (durchschnittlich 3,134 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist MLEveryday/100-Days-Of-ML-Code mit 22,236 Sternen.
Insgesamt 64 Repositories
Eine kuratierte Liste von Kursen, Büchern, Videovorlesungen und Arbeiten im Bereich Künstliche Intelligenz (KI).
Transfer Learning / Domain Adaptation / Domain Generalization / Multi-Task Learning usw. Papers, Codes, Datasets, Anwendungen, Tutorials. - Transfer Learning
Eine Python-Bibliothek zur Anomalieerkennung in tabellarischen Daten, Zeitreihen, Graphen, Texten, Bildern und Audiodaten. Enthält über 60 Detektoren, eine benchmark-gestützte ADEngine-Orchestrierung und einen agentenbasierten Workflow für KI-Agenten.
Bücher, Papiere, Videos und Werkzeugkästen zur Anomalieerkennung. Letztes Update Ende 2025 für LLM- und VLM-Arbeiten!
Enthält Lösungen und Notizen für die Spezialisierung auf maschinelles Lernen von der Stanford University und Deeplearning.ai - Coursera (2022) von Prof. Andrew NG
Software in C und Daten-Dateien für das beliebte GloVe-Modell für verteilte Wortdarstellungen, a.k.a. Wortvektoren oder Embeddings
Eine Anomalieerkennungsbibliothek, die hochmoderne Algorithmen und Funktionen wie Experimentmanagement, Hyperparameteroptimierung und Edge-Inferenz umfasst.
Eine Bibliothek von Erweiterungs- und Hilfsmodulen für Pythons Datenanalyse- und Machine-Learning-Bibliotheken.
Eine Bibliothek von sklearn-kompatiblen Kategorischen Variablen-Encodern
PyTorch-Implementierung von SimCLR: Ein einfaches Framework für kontrastives Lernen visueller Darstellungen
Ein Rahmenwerk für integrierte Künstliche Intelligenz und Künstliche Allgemeine Intelligenz (AGI)
Eine kuratierte Liste von Forschungspapieren zur Community-Erkennung mit Implementierungen.
Karate Club: Ein API-orientiertes Open-Source-Python-Framework für unüberwachtes Lernen auf Graphen (CIKM 2020)
🚀 KOSTENLOSE KI-Ressourcen - 🎓 Kurse, 👷 Jobs, 📝 Blogs, 🔬 KI-Forschung und vieles mehr - für alle!
:red_circle: MiniSom ist eine minimalistische Implementierung der Self Organizing Maps
Code für das TKDE-Papier „Selbstüberwachtes Lernen auf Graphen: Kontrastiv, generativ oder prädiktiv“
Eine umfassende Liste von großartigen kontrastiven selbstüberwachten Lernpapieren.
Themenmodellierung mit Latent Dirichlet Allocation unter Verwendung von Gibbs Sampling
Variational Autoencoder implementiert in TensorFlow und PyTorch (einschließlich inverser autoregressiver Fluss)
Erlernen tiefer Darstellungen von Datenverteilungen
Die offizielle Implementierung des IJCV & BMVC 2022 Papers "One-Pot Multi-frame Denoising".
Code-Freigabe für "Cut and Learn for Unsupervised Object Detection and Instance Segmentation" und "VideoCutLER: Surprisingly Simple Unsupervised Video Instance Segmentation"
[IEEE TIP] "EnlightenGAN: Tiefe Lichtverbesserung ohne gepaarte Supervision" von Yifan Jiang, Xinyu Gong, Ding Liu, Yu Cheng, Chen Fang, Xiaohui Shen, Jianchao Yang, Pan Zhou, Zhangyang Wang
Code-Repository für Deep Learning mit Keras, veröffentlicht von Packt
PaCMAP: Eine groß angelegte Dimensionsreduktionstechnik, die sowohl globale als auch lokale Strukturen bewahrt
Offizielle Implementierung von „ADBench: Anomaly Detection Benchmark“, NeurIPS 2022.
BFM_Zero: Ein promptbares verhaltensbasiertes Grundmodell für die Steuerung von Humanoiden mit unüberwachtem Reinforcement Learning
"DeepDPM: Tiefe Clusterbildung mit einer unbekannten Anzahl von Clustern" [Ronen, Finder und Freifeld, CVPR 2022]
PyTorch-Implementierung von SimCLR: Ein einfaches Framework für das kontrastive Lernen visueller Darstellungen von T. Chen et al.
[MICCAI-Preis für junge Wissenschaftler 2019] [MedIA-Preis für die beste Publikation] Models Genesis: selbstüberwachtes Vortraining für medizinische 3D-Bilder. Lernt übertragbare Repräsentationen aus nicht annotierten CT- und MRT-Volumendaten und wird anschließend für nachgelagerte Segmentierungs- und Klassifikationsaufgaben feinabgestimmt. Keras- und PyTorch-Gewichte enthalten.
Code und Modelle, die "Deep Predictive Coding Networks for Video Prediction and Unsupervised Learning" begleiten
Code für hands-on unüberwachtes Lernen mit Python (O'Reilly Media)
Häufig gestellte Fragen
Welches ist das beliebteste #unsupervised-learning-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#unsupervised-learning-Projekt auf GitHub ist MLEveryday/100-Days-Of-ML-Code mit 22,236 Sternen. Chinesische Version von 100 Tage ML-Code
Welche Programmiersprachen werden in #unsupervised-learning-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #unsupervised-learning-Projekten auf GitHub sind Python, Jupyter Notebook, C, Scheme die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #unsupervised-learning-Repositories berechnet?
Wir verfolgen 64 aktive Open-Source-Repositories, die mit #unsupervised-learning getaggt sind (500+ Sterne), mit insgesamt 200,621 Sternen und durchschnittlich 3,134 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.