Git Stars Git Stars

#bayesian-optimization Dépôts

Découvrez 19 dépôts GitHub open source actifs associés à #bayesian-optimization, cumulant 46,613 étoiles au total (soit une moyenne de 2,453 étoiles par projet). Le projet en tête de ce thème est bayesian-optimization/BayesianOptimization, avec 8,737 étoiles.

19
Total des Dépôts
46,613
Nombre total d'étoiles
2,453
Moyenne d'Étoiles/Dépôt
1
bayesian-optimization/BayesianOptimization

Une implémentation Python de l'optimisation globale avec des processus gaussiens.

bayesian-optimization
⭐ 8,737 Python 👤 bayesian-optimization Organization 🕐 Mis à jour 2026-10-16 📅 Créé 2014-06-06
2
automl/auto-sklearn

Apprentissage automatique automatisé avec scikit-learn

automl
⭐ 8,147 Python 👤 automl Organization 🕐 Mis à jour 2026-11-16 📅 Créé 2015-07-02
3
borisbanushev/stockpredictionai

Dans ce notebook, je vais créer un processus complet pour prédire les mouvements des prix des actions. Suivez-moi et nous obtiendrons de bons résultats. Pour cela, nous utiliserons un Réseau Antagoniste Génératif (GAN) avec LSTM, un type de Réseau de Neurones Récurrents, comme générateur, et un Réseau de Neurones Convolutifs, CNN, comme discriminateur. Nous utilisons LSTM pour la raison évidente que nous essayons de prédire des données de séries temporelles. Pourquoi utilisons-nous GAN et plus précisément CNN comme discriminateur ? C'est une bonne q

borisbanushev
⭐ 5,594 JavaScript 👤 borisbanushev User 🕐 Mis à jour 2025-08-19 📅 Créé 2019-01-09
4
meta-pytorch/botorch

Optimisation bayésienne dans PyTorch

meta-pytorch
⭐ 3,654 Jupyter Notebook 👤 meta-pytorch Organization 🕐 Mis à jour 2026-11-17 📅 Créé 2018-07-30
5
meta/Ax

Plateforme d'expérimentation adaptative

meta
⭐ 2,848 Python 👤 meta Organization 🕐 Mis à jour 2026-11-17 📅 Créé 2019-02-09
6
huawei-noah/HEBO

Bibliothèque d'optimisation bayésienne et d'apprentissage par renforcement développée par le laboratoire Noah's Ark de Huawei

huawei-noah
⭐ 2,819 Jupyter Notebook 👤 huawei-noah Organization 🕐 Mis à jour 2026-10-12 📅 Créé 2021-09-10
7
modAL-python/modAL

Un framework modulaire d'apprentissage actif pour Python

modAL-python
⭐ 2,327 Python 👤 modAL-python Organization 🕐 Mis à jour 2024-02-26 📅 Créé 2017-11-14
8
krasserm/bayesian-machine-learning

Carnets sur les méthodes bayésiennes pour l'apprentissage automatique

krasserm
⭐ 1,921 Jupyter Notebook 👤 krasserm User 🕐 Mis à jour 2026-07-12 📅 Créé 2018-03-19
9
google/vizier

Interface de recherche basée sur Python pour l'optimisation de boîtes noires et d'hyperparamètres, basée sur le service interne Google Vizier.

google
⭐ 1,679 Python 👤 google Organization 🕐 Mis à jour 2026-11-11 📅 Créé 2022-02-16
11
gfo-project/Gradient-Free-Optimizers

Optimisation légère avec des techniques locales, globales, basées sur la population et séquentielles à travers des espaces de recherche mixtes

gfo-project
⭐ 1,277 Python 👤 gfo-project Organization 🕐 Mis à jour 2026-11-06 📅 Créé 2020-04-04
12
automl/SMAC3

SMAC3 : Un package polyvalent d'optimisation bayésienne pour l'optimisation des hyperparamètres

automl
⭐ 1,273 Python 👤 automl Organization 🕐 Mis à jour 2026-11-18 📅 Créé 2016-08-17
13
bayesoptbook/bayesoptbook.github.io

Page Web d'accompagnement du livre "Bayesian Optimization" de Roman Garnett

bayesoptbook
⭐ 930 HTML 👤 bayesoptbook User 🕐 Mis à jour 2024-05-15 📅 Créé 2021-08-25
14
guildai/guildai

Suivi d'expériences, outils pour développeurs ML

guildai
⭐ 899 Python 👤 guildai Organization 🕐 Mis à jour 2025-04-29 📅 Créé 2017-09-27
15
MIND-Lab/OCTIS

OCTIS : Comparer les modèles de sujets est simple ! Un package Python pour optimiser et évaluer les modèles de sujets (accepté à la piste de démonstration EACL2021)

MIND-Lab
⭐ 807 Python 👤 MIND-Lab Organization 🕐 Mis à jour 2026-06-21 📅 Créé 2020-03-13
16
EmuKit/emukit

Une boîte à outils basée sur Python avec diverses méthodes en prise de décision, quantification de l'incertitude et émulation statistique : multi-fidélité, conception expérimentale, optimisation bayésienne, quadrature bayésienne, etc.

EmuKit
⭐ 681 Python 👤 EmuKit Organization 🕐 Mis à jour 2026-11-18 📅 Créé 2018-09-04
17
Western-OC2-Lab/Intrusion-Detection-System-Using-Machine-Learning

Code pour IDS-ML : développement de systèmes de détection d'intrusion utilisant des algorithmes d'apprentissage automatique (Arbre de décision, forêt aléatoire, arbres supplémentaires, XGBoost, empilement, k-means, optimisation bayésienne..)

Western-OC2-Lab
⭐ 602 Jupyter Notebook 👤 Western-OC2-Lab Organization 🕐 Mis à jour 2026-04-01 📅 Créé 2021-05-25
18
hyperactive-project/Hyperactive

Une interface unifiée pour les algorithmes d'optimisation et les expériences

hyperactive-project
⭐ 551 Python 👤 hyperactive-project Organization 🕐 Mis à jour 2026-11-02 📅 Créé 2018-11-01
19
emdgroup/baybe

Optimisation bayésienne et plan d'expériences

emdgroup
⭐ 538 Python 👤 emdgroup Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2023-11-27

Foire aux questions

1

Quel est le dépôt #bayesian-optimization le plus populaire sur GitHub ?

Le projet #bayesian-optimization open source le mieux classé sur GitHub est bayesian-optimization/BayesianOptimization, avec 8,737 étoiles. Une implémentation Python de l'optimisation globale avec des processus gaussiens.

2

Quels langages de programmation sont les plus utilisés dans les dépôts #bayesian-optimization ?

Parmi les projets #bayesian-optimization les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, JavaScript, HTML.

3

Comment le classement des dépôts #bayesian-optimization est-il calculé ?

Nous suivons 19 dépôts open source actifs associés à #bayesian-optimization (500+ étoiles), totalisant 46,613 étoiles, avec une moyenne de 2,453 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.