#machine-learning Repositorios
2,070 repositorios en total
Materiales de taller para construir soluciones inteligentes en Open AI
🤖 Ejemplos de algoritmos populares de aprendizaje automático en MatLab/Octave con ejemplos de código y explicaciones matemáticas
Omni SenseVoice: Reconocimiento de voz de alta velocidad con marcas de tiempo de palabras 🗣️🎯
Genere sintéticos de alta calidad, entrene, mida y evalúe en un solo pipeline
Resumen de recursos para principiantes sobre los principios de los modelos de difusión y la implementación de código en PyTorch
Códigos para complementar videos de YouTube y publicaciones de blog en Medium.
Este repositorio presenta PIXIU, un recurso de código abierto que incluye los primeros modelos de lenguaje grandes (LLMs) financieros, datos de ajuste de instrucciones y puntos de referencia de evaluación para evaluar de manera integral los LLMs financieros. Nuestro objetivo es impulsar continuamente el desarrollo de código abierto de inteligencia artificial (IA) financiera.
API de SemanticKITTI para visualizar el conjunto de datos, procesar datos y evaluar resultados.
Estas son las instrucciones para "100 Days of ML Code" de Siraj Raval en YouTube
tfts: Modelos de Deep Learning para series temporales en TensorFlow
sbi es un paquete de Python para la inferencia basada en simulación, diseñado para satisfacer las necesidades tanto de investigadores como de profesionales. Ya sea que necesite un control detallado o una interfaz fácil de usar, sbi lo tiene cubierto.
El repositorio contiene guiones y cuadernos relacionados con Estadística, Aprendizaje automático, Red neuronal, Aprendizaje profundo, PLN, Métodos numéricos y Automatización.
BioNeMo Recipes: Para construir y adaptar modelos de IA en el descubrimiento de fármacos a gran escala
Colección de artículos importantes que se tratarán como libro de texto
DiffWave es un vocoder neuronal y sintetizador de formas de onda rápido y de alta calidad.
Una base de datos vectorial de alto rendimiento que aprovecha la computación paralela de grafos
Extensión de la base de datos vectorial de PostgreSQL para crear aplicaciones de IA
🔥Aprendizaje automático/Aprendizaje profundo/Python/Modelos grandes/Multimodal/LLM/Aprendizaje profundo/Python/Entrevista de algoritmos/Tutorial de NLP
Herramienta Pythonica para orquestar flujos de trabajo de aprendizaje automático/alto rendimiento/computación cuántica en entornos informáticos heterogéneos.
Framework de Visión por Computadora y Análisis de Video de Python con Baterías Incluidas
No memorices el aprendizaje automático. Compréndelo desde sus primeros principios, incluyendo la inferencia, CUDA, el aprendizaje profundo, la ciencia de datos y el aprendizaje por refuerzo.
onnx-go proporciona la capacidad de importar una red neuronal preentrenada en Go sin estar vinculada a un framework o biblioteca.
PMLB: Un gran repositorio curado de conjuntos de datos de referencia para evaluar algoritmos de aprendizaje automático supervisado.
El codificador decodificador tokenizador BPE de JavaScript más rápido para los modelos GPT de OpenAI (gpt-5, gpt-o*, gpt-4o, etc.). Versión port de tiktoken de OpenAI con funciones adicionales.
🚀 Catalyst es una biblioteca de Procesamiento de Lenguaje Natural en C# construida para la velocidad. Inspirada en el diseño de spaCy, trae modelos preentrenados, soporte fuera de la caja para entrenar incrustaciones de palabras y documentos, y modelos de reconocimiento de entidades flexibles.
Los Transformers son modelos mundiales eficientes en cuanto a muestras. ICLR 2023, notable 5%.
El Extractor de Características Multimedia a Gran Escala de Código Abierto de Múnich
🏅Estructura de datos aprendida de vanguardia que permite búsquedas rápidas, predecesor, búsquedas de rango y actualizaciones en arreglos de miles de millones de elementos utilizando órdenes de magnitud menos espacio que los índices tradicionales
Council es una plataforma de código abierto para el desarrollo rápido y el despliegue robusto de aplicaciones personalizadas de IA generativa
La forma más atómica de entrenar e inferir un GPT en C puro, sin dependencias
Este repositorio contiene un proyecto integral de visión por computadora/aprendizaje automático de fútbol que utiliza YOLO para la detección de objetos, Kmeans para la segmentación de píxeles, flujo óptico para el seguimiento del movimiento y transformación de perspectiva para analizar los movimientos de los jugadores en videos de fútbol.