#machine-learning Dépôts
2,070 dépôts au total
Deep learning décentralisé dans PyTorch. Conçu pour entraîner des modèles sur des milliers de volontaires à travers le monde.
Réseaux neuronaux de passage de messages pour la prédiction de propriétés moléculaires
Plus de 200 fiches pratiques détaillées utiles pour réviser les sujets en apprentissage automatique, vision par ordinateur et informatique.
Une liste organisée de projets et de ressources impressionnants liés à Argo (un projet diplômé de la CNCF)
Une bibliothèque d'encodeurs de variables catégorielles compatibles avec sklearn
Transformez n'importe quel ordinateur ou appareil edge en un centre de commande pour vos projets de vision par ordinateur.
🤗 Evaluate : Une bibliothèque pour évaluer facilement les modèles et les ensembles de données d'apprentissage automatique.
Une bibliothèque Python qui aide les data scientists à inférer la causalité plutôt que d'observer la corrélation.
Métriques d'apprentissage automatique pour les applications PyTorch distribuées et évolutives.
Une collection d'articles de recherche sur les arbres de décision, de classification et de régression avec implémentations.
Tutoriels Jupyter Notebook pour résoudre des problèmes du monde réel avec Machine Learning & Deep Learning en utilisant PyTorch. Sujets : Détection de visages avec Detectron 2, Détection d'anomalies dans les séries temporelles avec LSTM Autoencoders, Détection d'objets avec YOLO v5, Construisez votre premier Neural Network, Prévision de séries temporelles pour les cas quotidiens de Coronavirus, Analyse de sentiments avec BER
Implémentation PyTorch de SimCLR : Un cadre simple pour l'apprentissagecontrastif de représentations visuelles
Ce dépôt contient les exercices et leur solution contenus dans le livre "An Introduction to Statistical Learning" en Python.
C-OCR est un projet OCR développé en interne par Ctrip, qui inclut principalement la reconnaissance de documents et de matériaux liés aux voyages tels que les cartes d'identité, passeports, billets de train, visas, etc. Le projet comprend 4 parties : rejet, détection, reconnaissance et post-traitement.
Un référentiel comprenant principalement des ressources du Gate DA et de l'IA
Un service de classement personnalisé par apprentissage automatique à faible code pour les articles, les annonces, les résultats de recherche, les recommandations qui stimule l'engagement des utilisateurs. Un moteur Learn-to-Rank convivial
Une liste sélectionnée de papiers de recherche sur la détection de communautés avec implémentations.
SDG est un cadre spécialisé conçu pour générer des données tabulaires structurées de haute qualité.
Une bibliothèque intuitive pour ajouter des fonctionnalités de tracé aux objets scikit-learn.
Machine Learning University : Cours accéléré de traitement du langage naturel
🍕 Répertoire pour rassembler des informations sur les matériaux d'étude en analyse de données et domaines connexes, entreprises travaillant avec des données et dictionnaire de concepts
🧠 Une liste organisée de ressources impressionnantes sur ChatGPT, y compris des bibliothèques, des SDK, des API et plus encore. 🌟 Veuillez envisager de soutenir ce projet en lui donnant une étoile.
Un assistant IA de bureau 100 % privé et local. Toujours disponible, il peut intervenir dans les conversations. Prend en charge un nombre illimité d’outils MCP et une mémoire illimitée, avec apprentissage autonome. Une alternative gratuite à WisprFlow avec fonction de dictée. Fonctionne sous macOS, Windows et Linux.
Boîte à outils pour l'apprentissage automatique, le traitement du langage naturel et la génération de texte, sous TensorFlow. Ceci fait partie du projet CASL : http://casl-project.ai/
Kashgari est un framework d'apprentissage par transfert NLP de niveau production construit sur tf.keras pour l'étiquetage de texte et la classification de texte, inclut Word2Vec, BERT et GPT2 Language Embedding.
Exécutez, compilez et exécutez JavaScript pour le calcul scientifique et la visualisation de données TOTALement TOTALement TOTALement dans votre NAVIGATEUR ! Un environnement de calcul scientifique open source pour JavaScript TOTALement dans votre navigateur, opérations matricielles avec accélération GPU, prise en charge TeX, visualisation de données et calcul symbolique.
Algorithmes ML 2-2000x plus rapides, 50 % d'utilisation de mémoire en moins, fonctionne sur tout le matériel - neuf et ancien.
Optax est une bibliothèque de traitement et d'optimisation des gradients pour JAX.
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.
Objectron est un jeu de données de courts clips vidéo centrés sur des objets. De plus, les vidéos contiennent également des métadonnées de session AR, incluant les poses de la caméra, des nuages de points épars et des plans. Dans chaque vidéo, la caméra se déplace autour et au-dessus de l'objet et le capture sous différents angles de vue. Chaque objet est annoté avec une boîte englobante 3D. La boîte englobante 3D décrit la position, l'orientation et les dimensions de l'objet. Le jeu de données contient environ 15 000 clips vidéo annotés et 4 millions d'images annotées dans les catégories suivantes.
De belles visualisations de la manière dont la langue diffère entre les types de documents.
UpTrain est une plateforme unifiée open-source pour évaluer et améliorer les applications d'IA générative. Nous fournissons des notes pour plus de 20 contrôles préconfigurés (couvrant les cas d'utilisation du langage, du code et des embeddings), effectuons une analyse des causes profondes des cas d'échec et donnons des aperçus sur la façon de les résoudre.
Une bibliothèque Python pour l'augmentation des données audio. Utile pour que les modèles d'apprentissage automatique audio fonctionnent bien dans le monde réel, pas seulement en laboratoire.
Ce dépôt vous aide à apprendre Python et l'apprentissage automatique à partir de zéro.
🔎 Surveillez l'entraînement du modèle d'apprentissage profond et l'utilisation du matériel depuis votre téléphone portable 📱
Une couche d’orchestration unifiée pour des ressources de calcul IA hétérogènes. Elle standardise la gestion des ressources de calcul ainsi que l’exécution de l’entraînement et de l’inférence sur des clouds GPU, Kubernetes, des machines virtuelles ou des clusters bare metal.
Étiqueter, nettoyer et enrichir des ensembles de données textuelles avec des LLM.
Maîtrisez les bases de l'apprentissage automatique, de l'apprentissage profond et de l'optimisation mathématique en construisant les concepts et modèles clés à partir de zéro avec Python.
Un package Python pour évaluer et améliorer l'équité des modèles d'apprentissage automatique.
L'objectif de CLAIMED est de permettre une programmation de style prototypage rapide low-code/no-code qui s'intègre de manière fluide en CI/CD en production.