#clustering Dépôts
Découvrez 70 dépôts GitHub open source actifs associés à #clustering, cumulant 189,634 étoiles au total (soit une moyenne de 2,709 étoiles par projet). Le projet en tête de ce thème est facebookresearch/faiss, avec 41,842 étoiles.
70 dépôts au total
Une bibliothèque pour la recherche efficace de similarité et le clustering de vecteurs denses.
Plateforme AutoML open-source low-code pour Python. PyCaret 4.0 : moteur natif sklearn + plan de contrôle React.
:id: Une bibliothèque Python pour le matching flou précis et scalable, déduplication de records et résolution d'entités.
Un graphe de proximité pour la recherche vectorielle, les produits creux et l’attention sur RAM, VRAM et NVMe, appliqué aux vecteurs denses, séquences, formes et ensembles géospatiaux, en 14 langues 🔍
Liste communautaire de paquets logiciels et de ressources de données pour l'analyse single-cell, incluant RNA-seq, ATAC-seq, etc.
🧠💬 Articles que j'ai écrits sur l'apprentissage automatique, archivés depuis MachineCurve.com.
Alink est la plateforme d'algorithmes d'apprentissage automatique basée sur Flink, développée par l'équipe PAI de la plateforme de calcul Alibaba.
MTEB : Évaluation de pointe des embeddings à travers les langues et les modalités
Une liste sélectionnée de papiers de recherche sur la détection de communautés avec implémentations.
Une bibliothèque de clustering de points géospatiaux très rapide pour les navigateurs et Node.
Maîtrisez les compétences essentielles nécessaires pour reconnaître et résoudre des problèmes complexes du monde réel avec l'apprentissage automatique et l'apprentissage profond en tirant parti de l'écosystème Python Machine Learning très populaire.
Une bibliothèque d'apprentissage automatique et d'apprentissage profond de haut niveau pour le langage PHP.
Une boîte à outils/bibliothèque Python pour l'apprentissage automatique/profonds centré sur la réalité et le data mining sur des séries temporelles partiellement observées, avec plus de 50 modèles de réseaux de neurones SOTA pour les tâches d'analyse scientifique (imputation, classification, clustering, prévision, détection d'anomalies, nettoyage) sur des TS multivariées industrielles incomplètes échantillonnées irrégulièrement avec des valeurs manquantes NaN
Proto Actor - Acteurs distribués ultra-rapides pour Go, C# et Java/Kotlin
:red_circle: MiniSom est une implémentation minimaliste des cartes d'auto-organisation
Ceci est la bibliothèque pour l'algorithme Unbounded Interleaved-State Recurrent Neural Network (UIS-RNN), correspondant à l'article Fully Supervised Speaker Diarization.
L'implémentation officielle de RAPTOR : Traitement Abstrait Récursif pour la Recherche Structurée en Arborescence
Foldseek permet des comparaisons rapides et sensibles de grands ensembles de structures.
Entraînement et inférence distribués pour la perception multimodale : représentations vectorielles partagées pour le texte, les images, la vidéo, l’audio, le code et les graphes, de 64 à 1 024 dimensions 🖼️
Distances de séries temporelles : Dynamic Time Warping (implémentation rapide de DTW en C)
Une bibliothèque C++ légère pour travailler avec des données de nuages de points
RAFT contient des algorithmes et des primitives fondamentaux et largement utilisés pour l'apprentissage automatique et la récupération d'informations. Les algorithmes sont accélérés par CUDA et forment des blocs de construction pour écrire plus facilement des applications haute performance.
[IEEE T-KDE 2026] Awesome Deep Graph Clustering est une collection de méthodes de clustering de graphes profonds (SOTA), innovantes (articles, codes et jeux de données).
Une bibliothèque complète pour l'apprentissage automatique et le calcul numérique. Appliquez l'apprentissage automatique avec Rust en tirant parti des principes fondamentaux.
Un module basé sur scikit-learn pour la classification multi-label et. al.
🤖 Exemples MatLab/Octave d'algorithmes d'apprentissage automatique populaires avec exemples de code et explications mathématiques
Foire aux questions
Quel est le dépôt #clustering le plus populaire sur GitHub ?
Le projet #clustering open source le mieux classé sur GitHub est facebookresearch/faiss, avec 41,842 étoiles. Une bibliothèque pour la recherche efficace de similarité et le clustering de vecteurs denses.
Quels langages de programmation sont les plus utilisés dans les dépôts #clustering ?
Parmi les projets #clustering les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, C++, JavaScript, Java.
Comment le classement des dépôts #clustering est-il calculé ?
Nous suivons 70 dépôts open source actifs associés à #clustering (500+ étoiles), totalisant 189,634 étoiles, avec une moyenne de 2,709 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.