Git Stars Git Stars

#hyperparameter-optimization Dépôts

Découvrez 55 dépôts GitHub open source actifs associés à #hyperparameter-optimization, cumulant 247,121 étoiles au total (soit une moyenne de 4,493 étoiles par projet). Le projet en tête de ce thème est ray-project/ray, avec 44,352 étoiles.

55
Total des Dépôts
247,121
Nombre total d'étoiles
4,493
Moyenne d'Étoiles/Dépôt
1
ray-project/ray

Ray est un moteur de calcul IA. Ray est composé d'un runtime distribué central et d'un ensemble de bibliothèques IA pour accélérer les charges de travail ML.

ray-project
⭐ 44,352 Python 👤 ray-project Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2016-10-25
2
google-research/tuning_playbook

Un guide pour maximiser systématiquement les performances des modèles d'apprentissage profond.

google-research
⭐ 29,619 👤 google-research Organization 🕐 Mis à jour 2024-06-18 📅 Créé 2023-01-18
3
d2l-ai/d2l-en

Livre interactif sur l'apprentissage profond avec code multi-frameworks, mathématiques et discussions. Adopté dans 500 universités de 70 pays, dont Stanford, MIT, Harvard et Cambridge.

d2l-ai
⭐ 27,684 Python 👤 d2l-ai Organization 🕐 Mis à jour 2024-08-18 📅 Créé 2018-10-09
4
optuna/optuna

Un framework d'optimisation des hyperparamètres

optuna
⭐ 15,070 Python 👤 optuna Organization 🕐 Mis à jour 2026-11-18 📅 Créé 2018-02-21
5
wandb/wandb

La plateforme pour les développeurs d'IA. Utilisez Weights & Biases pour entraîner et affiner les modèles, et gérer les modèles de l'expérimentation à la production.

wandb
⭐ 11,333 Python 👤 wandb Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2017-03-24
6
autogluon/autogluon

ML rapide et précis en 3 lignes de code

autogluon
⭐ 10,843 Python 👤 autogluon Organization 🕐 Mis à jour 2026-11-16 📅 Créé 2019-07-29
7
hydra-ecosystem/hydra

Hydra est un framework pour configurer élégamment des applications complexes

hydra-ecosystem
⭐ 10,761 Python 👤 hydra-ecosystem Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2019-06-12
8
EpistasisLab/tpot

Un outil de Machine Learning Automatisé en Python qui optimise les pipelines de machine learning en utilisant la programmation génétique.

EpistasisLab
⭐ 10,051 Jupyter Notebook 👤 EpistasisLab Organization 🕐 Mis à jour 2025-09-11 📅 Créé 2015-11-03
9
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
10
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
11
amanchadha/coursera-deep-learning-specialization

Notes, devoirs de programmation et quiz de tous les cours de la spécialisation Deep Learning de Coursera proposés par deeplearning.ai : (i) Réseaux neuronaux et Deep Learning ; (ii) Amélioration des réseaux neuronaux profonds : réglage des hyperparamètres, régularisation et optimisation ; (iii) Structuration des projets d'apprentissage automatique ; (iv) Réseaux neuronaux convolutifs ; (v) Modèles de séquence

amanchadha
⭐ 4,424 Jupyter Notebook 👤 amanchadha User 🕐 Mis à jour 2026-06-10 📅 Créé 2020-06-24
12
microsoft/FLAML

Une bibliothèque rapide pour AutoML et le réglage. Rejoignez notre Discord : https://discord.gg/Cppx2vSPVP.

microsoft
⭐ 4,422 Jupyter Notebook 👤 microsoft Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2020-08-20
13
facebookresearch/nevergrad

Une boîte à outils Python pour effectuer une optimisation sans gradient

facebookresearch
⭐ 4,229 Python 👤 facebookresearch Organization 🕐 Mis à jour 2026-11-02 📅 Créé 2018-11-21
14
hibayesian/awesome-automl-papers

Une liste sélectionnée de papiers, articles, tutoriels, diapositives et projets d'apprentissage automatique automatisé

hibayesian
⭐ 4,136 👤 hibayesian User 🕐 Mis à jour 2024-06-11 📅 Créé 2017-11-20
15
polyaxon/polyaxon

Infrastructure IA / Orchestration IA / Plan de contrôle IA

polyaxon
⭐ 3,749 MDX 👤 polyaxon Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2016-12-26
16
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
17
mljar/mljar-supervised

Paquet Python pour AutoML sur des données tabulaires avec ingénierie des caractéristiques, réglage des hyper-paramètres, explications et documentation automatique

mljar
⭐ 3,306 Python 👤 mljar Organization 🕐 Mis à jour 2026-11-05 📅 Créé 2018-11-05
18
determined-ai/determined

Determined est une plateforme open-source d'apprentissage automatique qui simplifie l'entraînement distribué, le réglage des hyperparamètres, le suivi des expériences et la gestion des ressources. Fonctionne avec PyTorch et TensorFlow.

determined-ai
⭐ 3,225 Go 👤 determined-ai Organization 🕐 Mis à jour 2025-03-20 📅 Créé 2020-04-07
19
KellerJordan/Muon

Muon est un optimiseur pour les couches cachées dans les réseaux neuronaux

KellerJordan
⭐ 2,950 Python 👤 KellerJordan User 🕐 Mis à jour 2026-05-24 📅 Créé 2024-11-09
20
keras-team/keras-tuner

Une bibliothèque d'accordage d'hyperparamètres pour Keras

keras-team
⭐ 2,922 Python 👤 keras-team Organization 🕐 Mis à jour 2025-12-01 📅 Créé 2019-06-06
21
DLR-RM/rl-baselines3-zoo

Un framework d'entraînement pour les agents d'apprentissage par renforcement Stable Baselines3, avec optimisation des hyperparamètres et agents pré-entraînés inclus.

DLR-RM
⭐ 2,914 Python 👤 DLR-RM Organization 🕐 Mis à jour 2026-11-14 📅 Créé 2020-05-05
22
ytzfhqs/AAAMLP-CN

Approaching (Almost) Any Machine Learning Problem traduction chinoise, adresse de la documentation en ligne : https://ytzfhqs.github.io/AAAMLP-CN/

ytzfhqs
⭐ 1,987 Jupyter Notebook 👤 ytzfhqs User 🕐 Mis à jour 2025-12-10 📅 Créé 2023-08-30
23
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
24
hyperopt/hyperopt-sklearn

Optimisation des hyperparamètres pour sklearn

hyperopt
⭐ 1,646 Python 👤 hyperopt Organization 🕐 Mis à jour 2025-04-15 📅 Créé 2013-02-19
25
autonomio/talos

Expériences sur les hyperparamètres avec TensorFlow et Keras

autonomio
⭐ 1,633 Python 👤 autonomio Organization 🕐 Mis à jour 2026-11-13 📅 Créé 2018-05-04
26
facebookresearch/DomainBed

DomainBed est une suite pour tester les algorithmes de généralisation de domaine

facebookresearch
⭐ 1,596 Python 👤 facebookresearch Organization 🕐 Mis à jour 2025-12-16 📅 Créé 2020-06-29
27
facebookexperimental/Robyn

Robyn est un package expérimental de modélisation du mix marketing (MMM) open source basé sur l'IA/ML de Meta Marketing Science. Notre mission est de démocratiser les connaissances en modélisation, d'inspirer l'industrie par l'innovation, de réduire les biais humains dans le processus de modélisation et de construire une communauté solide de science du marketing open source.

facebookexperimental
⭐ 1,538 Jupyter Notebook 👤 facebookexperimental Organization 🕐 Mis à jour 2026-11-10 📅 Créé 2020-04-30
28
SakanaAI/ShinkaEvolve

ShinkaEvolve : Vers une évolution de programmes sans limite et efficace en échantillons 🧬

SakanaAI
⭐ 1,529 Python 👤 SakanaAI Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2025-09-17
29
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
30
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
31
wandb/examples

Projets d'apprentissage profond d'exemple qui utilisent les fonctionnalités de wandb.

wandb
⭐ 1,213 Jupyter Notebook 👤 wandb Organization 🕐 Mis à jour 2026-11-19 📅 Créé 2018-01-29
32
callous-youth/BOAT

Une boîte à outils d'opérations compositionnelles pour l'optimisation bi-niveau basée sur le gradient

callous-youth
⭐ 1,143 Python 👤 callous-youth User 🕐 Mis à jour 2026-11-18 📅 Créé 2024-11-27
33
TreborNamor/TradingView-Machine-Learning-GUI

HyperView est un laboratoire de stratégies TradingView axé sur le terminal pour télécharger les données de marché, backtester des stratégies Python avec un comportement similaire à Pine, et optimiser les paramètres SL/TP.

TreborNamor
⭐ 1,027 Python 👤 TreborNamor User 🕐 Mis à jour 2026-08-18 📅 Créé 2021-01-27
34
AgileRL/AgileRL

La pile complète de post-entraînement pour les LLM, ainsi que du RL pour tout problème. SFT, DPO et RL agentique multi-tours, avec optimisation évolutionnaire des hyperparamètres intégrée.

AgileRL
⭐ 971 Python 👤 AgileRL Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2023-03-01
35
dask/dask-ml

Apprentissage automatique scalable avec Dask

dask
⭐ 950 Python 👤 dask Organization 🕐 Mis à jour 2025-09-27 📅 Créé 2017-06-15
36
windmaple/awesome-AutoML

Curatage d'une liste de recherches, outils, projets et autres ressources liés à l'AutoML

windmaple
⭐ 946 👤 windmaple User 🕐 Mis à jour 2026-03-24 📅 Créé 2018-11-05
37
guildai/guildai

Suivi d'expériences, outils pour développeurs ML

guildai
⭐ 899 Python 👤 guildai Organization 🕐 Mis à jour 2025-04-29 📅 Créé 2017-09-27
38
optuna/optuna-examples

Exemples pour https://github.com/optuna/optuna

optuna
⭐ 866 Python 👤 optuna Organization 🕐 Mis à jour 2026-11-12 📅 Créé 2021-05-10
39
uma-pi1/kge

LibKGE - Une bibliothèque d'embeddings de graphes de connaissances pour la recherche reproductible

uma-pi1
⭐ 835 Python 👤 uma-pi1 Organization 🕐 Mis à jour 2026-04-01 📅 Créé 2019-02-22
40
optuna/optuna-dashboard

Tableau de bord Web en temps réel pour Optuna.

optuna
⭐ 816 TypeScript 👤 optuna Organization 🕐 Mis à jour 2026-11-19 📅 Créé 2020-10-24
41
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
42
Optim-Agent/optim-agent

Les agents LLM comme optimiseur d'hyperparamètres.

Optim-Agent
⭐ 796 Python 👤 Optim-Agent User 🕐 Mis à jour 2026-08-14 📅 Créé 2026-07-07
43
rsteca/sklearn-deap

Utilisez des algorithmes évolutionnaires au lieu de gridsearch dans scikit-learn

rsteca
⭐ 772 Jupyter Notebook 👤 rsteca User 🕐 Mis à jour 2024-02-10 📅 Créé 2015-10-28
44
abhishekkrthakur
⭐ 728 Python 👤 abhishekkrthakur User 🕐 Mis à jour 2024-09-14 📅 Créé 2021-10-26
45
dabl/dabl

Bibliothèque de Base pour l'Analyse de Données

dabl
⭐ 727 Jupyter Notebook 👤 dabl Organization 🕐 Mis à jour 2024-12-16 📅 Créé 2018-09-14
46
aimclub/FEDOT

Cadre de modélisation automatisée et d'apprentissage automatique FEDOT

aimclub
⭐ 714 Python 👤 aimclub Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2020-01-13
47
yandex/rep

Boîte à outils d'apprentissage automatique pour les humains

yandex
⭐ 698 Jupyter Notebook 👤 yandex Organization 🕐 Mis à jour 2024-07-31 📅 Créé 2015-04-13
48
google-deepmind/opro

Code officiel pour "Large Language Models as Optimizers"

google-deepmind
⭐ 673 Python 👤 google-deepmind Organization 🕐 Mis à jour 2024-12-04 📅 Créé 2023-10-02
49
ssssi/freqtrade_strs

Stratégies de trading pour Freqtrade

ssssi
⭐ 653 Python 👤 ssssi User 🕐 Mis à jour 2026-07-24 📅 Créé 2022-01-19
50
Neuraxio/Neuraxle

La bibliothèque AutoML la plus propre au monde ✨ - Effectuez l'accordage des hyperparamètres avec les bonnes abstractions de pipeline pour écrire des pipelines de production d'apprentissage profond propres. Laissez les étapes de votre pipeline avoir des espaces d'hyperparamètres. Concevez les étapes de votre pipeline comme des composants. Compatible avec Scikit-Learn, TensorFlow et la plupart des autres bibliothèques, frameworks et environnements MLOps.

Neuraxio
⭐ 612 Python 👤 Neuraxio Organization 🕐 Mis à jour 2026-02-20 📅 Créé 2019-03-26

Foire aux questions

1

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

Le projet #hyperparameter-optimization open source le mieux classé sur GitHub est ray-project/ray, avec 44,352 étoiles. Ray est un moteur de calcul IA. Ray est composé d'un runtime distribué central et d'un ensemble de bibliothèques IA pour accélérer les charges de travail ML.

2

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

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

3

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

Nous suivons 55 dépôts open source actifs associés à #hyperparameter-optimization (500+ étoiles), totalisant 247,121 étoiles, avec une moyenne de 4,493 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.