#machine-learning Dépôts
2,070 dépôts au total
Un cours accéléré en six épisodes pour les développeurs de logiciels qui souhaitent devenir praticiens en apprentissage automatique.
Un système complet de trading quantitatif avec analyse alimentée par l'IA, traitement de données en temps réel et gestion avancée des risques
Une bibliothèque open-source de journalisation de données pour les modèles d'apprentissage automatique et les pipelines de données. 📚 Offre une visibilité sur la qualité des données et les performances du modèle au fil du temps. 🛡️ Prend en charge la collecte de données respectueuse de la vie privée, garantissant sécurité et robustesse. 📈
Collection de ressources couvrant les domaines clés de l'informatique
Une plateforme d'apprentissage en boucle fermée pour la vision par ordinateur où le code peut être exécuté interactivement en ligne. Apprentissage en boucle fermée "Vision par ordinateur en action : algorithmes et applications" livre électronique chinois, code source, communauté d'échange pour les lecteurs (mise à jour continue ...) 📘 E-book en ligne https://charmve.github.io/computer-vision-in-action/ 👇Page d'accueil du projet
🎁 Plus de 7 400 000 images Unsplash mises à disposition pour la recherche et l'apprentissage automatique
Ce dépôt contient des articles de recherche annotés que j'ai trouvés vraiment bons et utiles
Images pour l'inférence sans étiquetage (utilisez des modèles fondamentaux pour entraîner des modèles supervisés).
Livre_6_"La Voie des Données" | Le livre Iris : De l'addition, la soustraction, la multiplication et la division au machine learning ; nous vous invitons à critiquer et corriger ! Les étudiants qui corrigeront le plus d'erreurs recevront un exemplaire du livre en remerciement !
Outils interactifs pour l'apprentissage automatique, l'apprentissage profond et les mathématiques
"Traduction automatique : Fondements et modèles" par Xiao Tong et Zhu Jingbo - Machine Translation: Foundations and Models
TradeMaster est une plateforme open-source pour le trading quantitatif alimentée par l'apprentissage par renforcement :fire: :zap: :rainbow:
Mars est un cadre unifié basé sur les tenseurs pour le calcul de données à grande échelle qui met à l'échelle numpy, pandas, scikit-learn et les fonctions Python.
Une aire de jeu pour générer des images à partir de n'importe quelle invite de texte en utilisant Stable Diffusion (anciennement : en utilisant DALL-E Mini)
AIMET est une bibliothèque qui fournit des techniques avancées de quantification et de compression pour les modèles de réseaux neuronaux entraînés.
CV-CUDA™ est une bibliothèque open-source accélérée par GPU pour le traitement d'images à l'échelle du cloud et la vision par ordinateur.
MLNLP : Ce dépôt répertorie les articles avec code open source issus de conférences sur l'intelligence artificielle (telles que ACL, EMNLP, NAACL, COLING, AAAI, IJCAI, ICLR, NeurIPS, ICML, etc.).
Un cadre unifié pour l'analyse de données et l'apprentissage automatique préservant la vie privée
Une liste de projets et d'articles de compilateurs impressionnants pour le calcul tensoriel et l'apprentissage profond.
[ICLR 2024] Implémentation officielle de " 🦙 Time-LLM : Prévision de séries temporelles par reprogrammation de grands modèles de langage"
Liste organisée de ressources utiles sur les LLM / l'analytique / la science des données
Projets de vision par ordinateur | Projets d'IA amusants liés à la vision par ordinateur (Python, C++, systèmes embarqués)
🚀 Une librairie efficace de collections d'algorithmes de recherche approximative du plus proche voisin écrite en Rust 🦀 .
Client Python pour Supabase. Interrogez Postgres depuis Flask, Django et FastAPI. Authentification des utilisateurs Python, politiques de sécurité, fonctions edge, stockage de fichiers et diffusion de données en temps réel.
Identificateur d'applications Android pour Packers, Protecteurs, Obfuscateurs et Curiosités - PEiD pour Android
Apache Hamilton aide les scientifiques des données et les ingénieurs à définir des dataflows testables, modulaires et auto-documentants, qui encodent la lignée/le traçage et les métadonnées. S'exécute et s'adapte partout où python le fait.
Notebooks, exemples de code et références pour le machine learning et l'IA générative sur Google Cloud pour les bootcamps de l'Advanced Solutions Lab (ASL).
CubeStudio est une plateforme open source cloud-native tout-en-un pour l'apprentissage automatique/l'apprentissage profond/les grands modèles d'IA/MaaS/MLOps/plateforme d'intelligence artificielle/plateforme d'entraînement et d'inférence, couvrant le pipeline complet des algorithmes, la multi-location, la plateforme de location de puissance de calcul, le relais de tokens, l'orchestration de pipelines de flux de travail par glisser-déposer, l'entraînement distribué multi-machine multi-carte, la recherche d'hyperparamètres, les services d'inférence, la virtualisation VGPU, la collaboration cloud-edge-device, le calcul en périphérie, la plateforme d'annotation automatisée, le fine-tuning SFT/le modèle de récompense/l'entraînement par apprentissage par renforcement pour les grands modèles comme DeepSeek, l'inférence multi-machine pour les grands modèles avec vLLM/Ollama/MindIE, les agents intelligents LLMOps avec base de connaissances privée, le marché de modèles d'IA, le support pour l'ordonnancement de puissance de calcul hétérogène nationale (Ascend, Cambricon, Hygon, Moore Threads, Muxi, etc.), le support pour IB/RoCE/RDMA et le support Xinchuang.
🧠 Faites apprendre à vos agents à partir de l'expérience. Désormais disponible en tant que solution hébergée sur kayba.ai
Tableaux de bord interactifs Python pour l'apprentissage de la science des données
Framework de calcul GPU à usage général basé sur Vulkan pour prendre en charge des milliers de cartes graphiques multi-fournisseurs (AMD, Qualcomm, NVIDIA & amis). Extrêmement rapide, compatible mobile, asynchrone et optimisé pour les cas d'utilisation de traitement de données GPU avancés. Soutenu par la Linux Foundation.
Exercices sur papier et stylo en apprentissage automatique