#machine-learning Repositorios
2,070 repositorios en total
Aprendizaje profundo descentralizado en PyTorch. Construido para entrenar modelos en miles de voluntarios en todo el mundo.
Redes neuronales de paso de mensajes para la predicción de propiedades moleculares
Más de 200 tarjetas de memoria detalladas útiles para repasar temas en aprendizaje automático, visión por computadora e informática.
Una lista curada de proyectos y recursos impresionantes relacionados con Argo (un proyecto graduado de la CNCF)
Una biblioteca de codificadores de variables categóricas compatibles con sklearn
Convierte cualquier ordenador o dispositivo perimetral en un centro de mando para tus proyectos de visión por computadora.
🤗 Evaluate: Una biblioteca para evaluar fácilmente modelos y conjuntos de datos de aprendizaje automático.
Una biblioteca de Python que ayuda a los científicos de datos a inferir causalidad en lugar de observar correlación.
Métricas de aprendizaje automático para aplicaciones PyTorch distribuidas y escalables.
Una colección de artículos de investigación sobre árboles de decisión, clasificación y regresión con implementaciones.
Tutoriales de Jupyter Notebook para resolver problemas del mundo real con Machine Learning & Deep Learning usando PyTorch. Temas: Detección de rostros con Detectron 2, Detección de anomalías en series temporales con LSTM Autoencoders, Detección de objetos con YOLO v5, Construye tu primera Neural Network, Pronóstico de series temporales para casos diarios de Coronavirus, Análisis de sentimientos con BER
Implementación en PyTorch de SimCLR: Un marco simple para el aprendizaje contrastivo de representaciones visuales
Este repositorio contiene los ejercicios y su solución contenidos en el libro "An Introduction to Statistical Learning" en python.
C-OCR es un proyecto OCR desarrollado por Ctrip, que incluye principalmente el reconocimiento de documentos y materiales relacionados con los viajes, como tarjetas de identidad, pasaportes, billetes de tren, visados, etc. El proyecto consta de 4 partes: rechazo, detección, reconocimiento y postprocesamiento.
Un servicio de aprendizaje automático de bajo código para clasificar de forma personalizada artículos, listados, resultados de búsqueda, recomendaciones que impulsa la participación del usuario. Un motor amigable de Aprender para Clasificar
Una lista curada de artículos de investigación sobre detección de comunidades con implementaciones.
SDG es un marco especializado diseñado para generar datos tabulares estructurados de alta calidad.
Una biblioteca intuitiva para añadir funcionalidad de trazado a objetos de scikit-learn.
Machine Learning University: Clase acelerada de procesamiento del lenguaje natural
🍕 Repositorio para reunir información sobre materiales de estudio en análisis de datos y áreas afines, empresas que trabajan con datos y diccionario de conceptos
🧠 Una lista seleccionada de increíbles recursos de ChatGPT, que incluyen bibliotecas, SDK, API y más. 🌟 Por favor, considere apoyar este proyecto dándole una estrella.
Un asistente de IA para escritorio 100 % privado y local. Siempre presente, listo para unirse a las conversaciones. Compatible con herramientas MCP y memoria ilimitadas, con aprendizaje automático. Una alternativa gratuita a WisprFlow con función de dictado. Compatible con macOS, Windows y Linux.
Kit de herramientas para aprendizaje automático, procesamiento de lenguaje natural y generación de texto en TensorFlow. Esto es parte del proyecto CASL: http://casl-project.ai/
Kashgari es un marco de aprendizaje por transferencia NLP de nivel de producción construido sobre tf.keras para etiquetado de texto y clasificación de texto, incluye Word2Vec, BERT y GPT2 Language Embedding.
¡Ejecuta, compila y ejecuta JavaScript para Computación Científica y Visualización de Datos TOTALmente TOTALmente TOTALmente en tu NAVEGADOR! Un entorno de computación científica de código abierto para JavaScript TOTALmente en tu navegador, operaciones matriciales con aceleración de GPU, soporte TeX, visualización de datos y cálculo simbólico.
Algoritmos de ML 2-2000x más rápidos, 50% menos uso de memoria, funciona en todo hardware - nuevo y viejo.
Optax es una biblioteca de procesamiento y optimización de gradientes para JAX.
Domina las habilidades esenciales necesarias para reconocer y resolver problemas complejos del mundo real con Machine Learning y Deep Learning aprovechando el ecosistema de Python Machine Learning altamente popular.
Objectron es un conjunto de datos de clips de video cortos centrados en objetos. Además, los videos también contienen metadatos de sesión AR, incluyendo poses de la cámara, nubes de puntos dispersas y planos. En cada video, la cámara se mueve alrededor y por encima del objeto y lo captura desde diferentes vistas. Cada objeto está anotado con una caja delimitadora 3D. La caja delimitadora 3D describe la posición, orientación y dimensiones del objeto. El conjunto de datos contiene alrededor de 15K clips de video anotados y 4M imágenes anotadas en las siguientes categorías.
Hermosas visualizaciones de cómo el lenguaje difiere entre los tipos de documentos.
UpTrain es una plataforma unificada de código abierto para evaluar y mejorar aplicaciones de IA generativa. Proporcionamos calificaciones para más de 20 verificaciones preconfiguradas (que cubren casos de uso de lenguaje, código y embeddings), realizamos análisis de causa raíz en casos de fallo y brindamos información sobre cómo resolverlos.
Una biblioteca de Python para laaugmentation de datos de audio. Útil para que los modelos de aprendizaje automático de audio funcionen bien en el mundo real, no solo en el laboratorio.
🔎 Monitorea el entrenamiento de modelos de aprendizaje profundo y el uso de hardware desde tu teléfono móvil 📱
Una capa de orquestación unificada para computación de IA heterogénea. Estandariza la forma de gestionar los recursos de cómputo y ejecutar tareas de entrenamiento e inferencia en nubes de GPU, Kubernetes, máquinas virtuales o clústeres de servidores físicos.
Domina los fundamentos del aprendizaje automático, el aprendizaje profundo y la optimización matemática construyendo conceptos y modelos clave desde cero usando Python.
Un paquete de Python para evaluar y mejorar la equidad de los modelos de aprendizaje automático.
El objetivo de CLAIMED es permitir la programación de estilo de prototipado rápido de bajo código/sin código para integrarla de manera fluida en CI/CD en producción.