#hyperparameter-optimization Repositorios
Descubre 55 repositorios activos de código abierto de GitHub etiquetados con #hyperparameter-optimization, que acumulan 247,121 estrellas en total (una media de 4,493 estrellas por proyecto). El líder de este tema es ray-project/ray, con 44,352 estrellas.
55 repositorios en total
Ray es un motor de cómputo de IA. Ray consiste en un runtime distribuido central y un conjunto de bibliotecas de IA para acelerar cargas de trabajo de ML.
Un manual para maximizar sistemáticamente el rendimiento de los modelos de aprendizaje profundo.
Libro interactivo de aprendizaje profundo con código de múltiples frameworks, matemáticas y discusiones. Adoptado en 500 universidades de 70 países, incluyendo Stanford, MIT, Harvard y Cambridge.
La plataforma para desarrolladores de IA. Usa Weights & Biases para entrenar y ajustar finamente modelos, y gestionar modelos desde la experimentación hasta la producción.
Una herramienta de Automated Machine Learning en Python que optimiza pipelines de machine learning usando programación genética.
En este notebook crearé un proceso completo para predecir los movimientos de precios de las acciones. Síguelo y obtendremos algunos resultados bastante buenos. Para ello usaremos una Red Generativa Antagónica (GAN) con LSTM, un tipo de Red Neuronal Recurrente, como generador, y una Red Neuronal Convolucional, CNN, como discriminador. Usamos LSTM por la razón obvia de que estamos tratando de predecir datos de series temporales. ¿Por qué usamos GAN y específicamente CNN como discriminador? Esa es una buena q
Notas, tareas de programación y cuestionarios de todos los cursos de la especialización Deep Learning de Coursera ofrecida por deeplearning.ai: (i) Redes Neuronales y Deep Learning; (ii) Mejora de Redes Neuronales Profundas: ajuste de hiperparámetros, regularización y optimización; (iii) Estructuración de Proyectos de Machine Learning; (iv) Redes Neuronales Convolucionales; (v) Modelos de Secuencia
Una biblioteca rápida para AutoML y tuning. Únete a nuestro Discord: https://discord.gg/Cppx2vSPVP.
Una caja de herramientas de Python para realizar optimización sin gradientes
Una lista curada de papers, artículos, tutoriales, diapositivas y proyectos de aprendizaje automático automatizado
Paquete de Python para AutoML en datos tabulares con ingeniería de características, ajuste de hiperparámetros, explicaciones y documentación automática
Determined es una plataforma de aprendizaje automático de código abierto que simplifica el entrenamiento distribuido, la optimización de hiperparámetros, el seguimiento de experimentos y la gestión de recursos. Funciona con PyTorch y TensorFlow.
Un marco de entrenamiento para agentes de aprendizaje por refuerzo de Stable Baselines3, con optimización de hiperparámetros y agentes pre-entrenados incluidos.
Approaching (Almost) Any Machine Learning Problem versión china, dirección de la documentación en línea: https://ytzfhqs.github.io/AAAMLP-CN/
Interfaz de investigación basada en Python para la optimización de cajas negras e hiperparámetros, basada en el servicio interno de Google Vizier.
DomainBed es una suite para probar algoritmos de generalización de dominios
Robyn es un paquete experimental de modelado de mezcla de marketing (MMM) de código abierto impulsado por IA/ML de Meta Marketing Science. Nuestra misión es democratizar el conocimiento de modelado, inspirar a la industria a través de la innovación, reducir el sesgo humano en el proceso de modelado y construir una sólida comunidad de ciencia de marketing de código abierto.
ShinkaEvolve: Hacia una Evolución de Programas de Código Abierto y Eficiente en Muestras 🧬
Optimización ligera con técnicas locales, globales, basadas en población y secuenciales en espacios de búsqueda mixtos
SMAC3: Un paquete versátil de optimización bayesiana para la optimización de hiperparámetros
Una caja de herramientas de operaciones composicionales para la optimización de dos niveles basada en gradientes
HyperView es un laboratorio de estrategias TradingView con prioridad en terminal para descargar datos de mercado, backtesting de estrategias Python con comportamiento similar a Pine, y optimización de parámetros SL/TP.
La pila completa de posentrenamiento para LLM, además de RL para cualquier problema. SFT, DPO y RL agéntico en varios turnos, con optimización evolutiva de hiperparámetros integrada.
Curando una lista de investigaciones relacionadas con AutoML, herramientas, proyectos y otros recursos
LibKGE - Una biblioteca de incrustaciones de grafos de conocimiento para investigación reproducible
OCTIS: ¡Comparar modelos de temas es simple! Un paquete de Python para optimizar y evaluar modelos de temas (aceptado en la pista de demostración de EACL2021)
La biblioteca AutoML más limpia del mundo ✨ - Realiza sintonización de hiperparámetros con las abstracciones de pipeline adecuadas para escribir pipelines de producción de aprendizaje profundo limpios. Deja que los pasos de tu pipeline tengan espacios de hiperparámetros. Diseña pasos en tu pipeline como componentes. Compatible con Scikit-Learn, TensorFlow y la mayoría de las otras bibliotecas, frameworks y entornos MLOps.
Preguntas frecuentes
¿Cuál es el repositorio de #hyperparameter-optimization más popular en GitHub?
El proyecto de código abierto de #hyperparameter-optimization mejor posicionado en GitHub es ray-project/ray, con 44,352 estrellas. Ray es un motor de cómputo de IA. Ray consiste en un runtime distribuido central y un conjunto de bibliotecas de IA para acelerar cargas de trabajo de ML.
¿Qué lenguajes de programación se utilizan más en los repositorios de #hyperparameter-optimization?
Entre los proyectos de #hyperparameter-optimization mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, JavaScript, MDX.
¿Cómo se calcula la clasificación de los repositorios de #hyperparameter-optimization?
Seguimos 55 repositorios activos de código abierto etiquetados con #hyperparameter-optimization (500+ estrellas), que suman un total de 247,121 estrellas, con una media de 4,493 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.