#machine-learning Repositorios
2,070 repositorios en total
Una herramienta para convertir archivos ONNX a LiteRT/TFLite/TensorFlow, código nativo de PyTorch (nn.Module), TorchScript (.pt), state_dict (.pt), Exported Program (.pt2) y Dynamo ONNX. También soporta la conversión directa de LiteRT a PyTorch.
Tencent Kona es una distribución gratuita y lista para producción del Open Java Development Kit (OpenJDK), con soporte a largo plazo (LTS) y actualizaciones trimestrales. Tencent Kona sirve como el JDK predeterminado internamente en Tencent Cloud para computación en la nube y otras aplicaciones Java.
Notas y soluciones de ejercicios de la Parte I del libro: "Hands-On ML with Scikit-Learn, Keras & TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems" por Aurelien Geron
Recursos de Carrera para Ciencia de Datos, Aprendizaje Automático, Big Data y Análisis de Negocios Repositorio de Carrera
Recursos, ejemplos y tutoriales para IA multimodal, RAG y agentes que utilizan búsqueda vectorial y LLMs
Kit de herramientas de percepción para entrenamiento y validación sim2real en Unity
Implementación agnóstica de framework para métodos de saliencia de vanguardia (XRAI, BlurIG, SmoothGrad y más).
Biblioteca de recursos para entrevistas de ingenieros de agentes de IA: experiencias de entrevistas, requisitos del puesto y preguntas frecuentes de las principales empresas tecnológicas de China
allRank es un framework para entrenar modelos neuronales de aprendizaje para el ranking basado en PyTorch.
Biblioteca para operaciones especializadas de matrices densas y dispersas, y primitivas de aprendizaje profundo.
Una biblioteca integral para el aprendizaje automático y la computación numérica. Aplique el aprendizaje automático con Rust aprovechando principios fundamentales.
Práctica de código de "Machine Learning" (Libro Xigua)
NequIP es un código para construir potenciales interatómicos E(3)-equivariantes
Un entorno de referencia para el rendimiento humano-IA completamente cooperativo.
🔍 LangKit: Un toolkit de código abierto para la monitorización de Modelos de Lenguaje Grandes (LLMs). 📚 Extrae señales de los prompts y respuestas, garantizando la seguridad. 🛡️ Las funciones incluyen calidad del texto, métricas de relevancia y análisis de sentimiento. 📊 Una herramienta completa para la observabilidad de LLMs. 👀
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.
La idea de esta lista es recopilar datos y algoritmos compartidos alrededor de Modelos Morfables 3D. Se le invita a contribuir a esta lista agregando una solicitud de extracción. La lista original surgió del seminario de Dagstuhl sobre Modelos Morfables 3D https://www.dagstuhl.de/19102 en marzo de 2019.
Código fuente para el modelo de diálogo de extremo a extremo del artículo MultiWOZ (Budzianowski et al. 2018, EMNLP)
Un compilador poliedral para expresar algoritmos paralelos de datos rápidos y portátiles
Un framework Python eficiente, escalable y optimizado para Deep Forest (2021.2.1)
Un servidor de inferencia escalable para modelos optimizados con OpenVINO™
Bootcamp a ritmo propio sobre IA Generativa. Tutoriales sobre fundamentos de ML, Ollama, LLMs, RAGs, LangChain, LangGraph, Fine-tuning, DSPy y Agentes de IA (CrewAI), (Usando ChatGPT, gpt-oss, Claude, Qwen, Gemma, Llama, Gemini)
Una caja de herramientas de aprendizaje automático topológico de alto rendimiento en Python
Se seleccionaron más de 10 000 proyectos, que incluyen aprendizaje automático, aprendizaje profundo, NLP, GNN, sistemas de recomendación, biomedicina, visión artificial, desarrollo frontend y backend, etc. Que más proyectos excelentes sean descubiertos por la gente. ¡Continúa actualizando! ¡Bienvenido a destacar!
Un módulo basado en scikit-learn para clasificación multi-etiqueta et. al.
Hera facilita la orquestación del código Python en Argo Workflows a través de integraciones nativas de Python. Le permite construir y enviar sus Workflows completamente en Python. ⭐️ ¡Recuerda destacar!
Desarrollo de Estrategias de Trading de Opciones utilizando Indicadores Técnicos y Métodos Cuantitativos
Conjuntos de datos de audio de IA (AI-ADS) 🎵, que incluyen Voz, Música y Efectos de Sonido, los cuales pueden proporcionar datos de entrenamiento para IA Generativa, AIGC, entrenamiento de modelos de IA, desarrollo de herramientas de audio inteligentes y aplicaciones de audio.
Modelos Transformer de BERT a GPT-4, entornos de Hugging Face a OpenAI. Ejemplos de ajuste fino, entrenamiento e ingeniería de prompts. Una sección adicional con ChatGPT, GPT-3.5-turbo, GPT-4 y DALL-E, que incluye el inicio rápido de GPT-4, voz a texto, texto a voz, generación de texto a imagen con DALL-E, Google Cloud AI, HuggingGPT y más.
Kit de herramientas de Python, servidor MCP y habilidades de agente para análisis de clickstream y registros de eventos reproducibles y auditables. Ayuda a agentes de IA, científicos de datos y analistas a construir, validar y verificar análisis de productos, UX cuantitativa, recorridos del cliente, flujos de usuario basados en grafos, segmentación conductual, pruebas A/B, modelos de minería de procesos y simulación de cadenas de Markov.
Código para "HyperNeRF: una representación de mayor dimensión para campos de radiancia neuronal con variación topológica".