#machine-learning Repositorios
2,070 repositorios en total
MOA es un framework de código abierto para el minado de flujos de Big Data. Incluye una colección de algoritmos de aprendizaje automático (clasificación, regresión, clustering, detección de valores atípicos, detección de deriva de conceptos y sistemas de recomendación) y herramientas para la evaluación.
Actualización automática diaria de trabajos de Texto a Voz (TTS) usando Github Actions (Actualización cada 12 horas)
Sistema de recomendación de películas basado en el algoritmo de recomendación de filtrado colaborativo implementado con Mahout
Este repositorio incluye tutoriales sobre cómo usar las APIs de estimador de TensorFlow para realizar diversas tareas de ML de manera sistemática y estandarizada.
Framework ultrarrápido para el ajuste fino de modelos de aprendizaje de similaridad
Este repositorio contiene todos los proyectos de análisis de datos en los que he trabajado en Python.
Portafolio de investigación de secundaria: 2 publicaciones revisadas por pares (IEEE, IJHSR) + 3 proyectos activos que abarcan el aprendizaje automático inspirado en la computación cuántica, la biología computacional, la imagen biomédica, el aprendizaje por refuerzo aplicado a incendios forestales y la investigación en educación científica. Afiliado a Stanford Medicine, UCLA COSMOS y UCSB SRA.
Un código simple y flexible para arquitecturas de Computación en Reservorio como Redes de Estado Eco
Un conjunto de datos de audio gratuito de dígitos hablados. Una versión en audio de MNIST.
Notas y materiales sobre modelado matemático, aprendizaje automático/aprendizaje profundo/modelos grandes (en continua actualización...).
El proyecto se centra en el seguimiento de personas desaparecidas. Estamos utilizando procesamiento de imágenes y aprendizaje automático junto con la base de datos Postgres.
OCR rápido y sin conexión para Node.js y C++. PP-OCRv6 con aceleración de hardware mediante Core ML / WebGPU: reconoce texto en imágenes con puntuaciones de confianza y coordenadas. npm: @arcships/light-ocr
Hojas de consulta bilingües (chino + inglés) para entrevistas de ML / LLM / difusión / agentes en la campaña de contratación otoñal de IA — generadas por ARIS /interview-cheatsheet y convertidas mediante /render-html en HTML de un solo archivo, legible en cualquier lugar — además de un generador de páginas académicas verificado mediante CV→DBLP y blogs extensos escritos personalmente 🌱
Extensión de Polars para casos de uso generales de ciencia de datos
Awesome-LLM-Eval: una lista curada de herramientas, conjuntos de datos/benchmarks, demostraciones, tablas de clasificación, artículos, documentos y modelos, principalmente para la Evaluación en LLMs. Una lista curada de herramientas, benchmarks/datos, demostraciones, tablas de clasificación y grandes modelos, que se enfoca principalmente en la evaluación de grandes modelos base, con el objetivo de explorar los límites tecnológicos de la IA generativa.
La capa de ventaja honesta para los mercados de predicción de Kalshi: un conjunto de herramientas nativo para agentes (CLI, servidor MCP y skill de Claude) que mide si realmente superas al mercado, en lugar de limitarse a afirmarlo.
Aprendizaje automático reproducible para la detección de fraude con tarjetas de crédito - Manual práctico
[CVPR 2024] Panda-70M: Subtitulando 70 millones de videos con múltiples profesores intermodales
Un tutorial intuitivo sobre la regresión de procesos gaussianos
(AAAI' 20) Una caja de herramientas de Python para la combinación de modelos de aprendizaje automático
Aceleradores de soluciones de Azure MLOps (v2). Plantillas listas para la empresa para implementar sus modelos de aprendizaje automático en la plataforma Azure.
Divida automáticamente sus modelos PyTorch en múltiples GPU para entrenamiento e inferencia
Un motor de inferencia ONNX ligero, portátil y en C99 puro para dispositivos integrados con soporte de aceleración por hardware.
Un repositorio de conjuntos de datos bastante geniales que he recopilado para la investigación en ciencia de redes y aprendizaje automático.
Implementación de algoritmos de Inverse Reinforcement Learning (IRL) en Python/TensorFlow. Deep MaxEnt, MaxEnt, LPIRL
CAIRI Toolbox y Benchmark para el Aprendizaje de Representaciones Visuales Supervisado, Semi-Supervisado y Auto-Supervisado
ConvoKit es un conjunto de herramientas para extraer características conversacionales y analizar fenómenos sociales en conversaciones. Incluye varios conjuntos de datos conversacionales grandes junto con scripts que ejemplifican el uso del conjunto de herramientas en estos conjuntos de datos.
Traducción al chino de 'Machine Learning: A Probabilistic Perspective' (Kevin P. Murphy) e implementaciones en Python de los algoritmos del libro.
Un paquete de aprendizaje por refuerzo para Julia
🚀 200x de velocidad! La herramienta de descarga de la era AI | Acceleración total para Docker/PyPI/HuggingFace/CRAN | Fragmentación paralela + caché inteligente, deja que las descargas vuelen.
ParseBench - Un punto de referencia de análisis de documentos para agentes de IA
:chart_with_upwards_trend: Implementación de ocho métricas de evaluación para acceder a la similitud entre dos imágenes. Las ocho métricas son las siguientes: RMSE, PSNR, SSIM, ISSM, FSIM, SRE, SAM y UIQ.
Pronóstico de la carga de energía eléctrica de Delhi utilizando modelos ARIMA, RNN, LSTM y GRU
HISTDATA - Conjunto de datos compuesto por todos los pares de trading FX / Petróleo crudo / Índices bursátiles. API simple para recuperar datos de 1 minuto (y datos de ticks) Precios históricos FX (actualizados).
Este código acompaña el artículo 'Trading with the Momentum Transformer: An Intelligent and Interpretable Architecture' (https://arxiv.org/pdf/2112.08534.pdf).
Paquete de Python para el Descubrimiento Causal mediante el aprendizaje de la estructura gráfica de redes bayesianas. Structure Learning, Parameter Learning, Inferencias, Métodos de Muestreo.
Una guía completa para principiantes en el campo de la gestión de datos y la inteligencia artificial.