#machine-learning Dépôts
2,070 dépôts au total
Une collection des dépôts Github les plus importants pour les praticiens du ML, de l'IA et de la science des données
SchNetPack - Réseaux de Neurones Profonds pour Systèmes Atomistiques
Un cours d'apprentissage automatique utilisant Python, Jupyter Notebooks et OpenML
Interface unifiée pour la construction et la gestion de flux de travaux sur différents moteurs de flux de travaux, tels que Argo Workflows, Tekton Pipelines et Apache Airflow.
Ensembles Moléculaires (MOSES) : Une Plateforme de Benchmark pour les Modèles de Génération Moléculaire
Blog technique sur les algorithmes d'apprentissage automatique en Python, avec du contenu original ! Avec de la pratique de code ! 【Pour plus de contenu, suivez le compte public "Avancement des Algorithmes"】
Un tutoriel pour la compétition Kaggle 'Titanic : Machine Learning from Disaster'. Démontre des techniques de base de munging de données, d'analyse et de visualisation. Montre des exemples de techniques d'apprentissage automatique supervisé.
Une interface uniforme pour exécuter des modèles d'apprentissage profond provenant de plusieurs frameworks
Bibliothèque d'apprentissage actif bayésien pour les cas d'usage en recherche et industriel.
OpenEMMA, une « reproduction » open source sous licence permissive du modèle EMMA de Waymo.
🤖 Répertoires, outils, sites web, articles et tutoriels IA collectés automatiquement. Boîte à outils pratique d'IA 💎
Page Web d'accompagnement du livre "Bayesian Optimization" de Roman Garnett
Explorez l'apprentissage automatique et la science des données avec Codespaces
Puffer est un site web gratuit de streaming TV en direct et une étude de recherche à Stanford utilisant l'apprentissage automatique pour améliorer le streaming vidéo.
😇Implémentation PyTorch du modèle DeepMoji : modèle de deep learning de pointe pour l'analyse des sentiments, émotions, sarcasme, etc.
Croissant est un format de haut niveau pour les jeux de données d'apprentissage automatique qui rassemble quatre couches riches.
Diffprivlib : La bibliothèque IBM de confidentialité différentielle
Un modèle OCR LaTeX SOTA minimaliste avec seulement 20M de paramètres, fonctionnant dans le navigateur. Pipeline d'entraînement complet disponible pour l'auto-reproduction. | Modèle de reconnaissance de formule LaTeX SOTA ultraléger avec seulement 20M de paramètres, fonctionnant dans le navigateur. Code complet du pipeline d'entraînement open source pour l'auto-apprentissage et la reproduction.
🧠 Motorhead est un serveur de récupération de mémoire et d'informations pour les LLM.
Application présentant plusieurs pipelines de modèles de diffusion en temps réel avec Diffusers
NVIDIA Merlin est une bibliothèque open source fournissant des systèmes de recommandation accélérés par GPU de bout en bout, de l'ingénierie des caractéristiques et du prétraitement à l'entraînement de modèles d'apprentissage profond et à l'exécution de l'inférence en production.
MONAI Label est un outil intelligent open source d'étiquetage et d'apprentissage d'images.
Le modèle de prise de décision open source System One. Moins de 15 ms, non autorégressif et alternative locale de remplacement direct à TypeSafe Jev.
BladeDISC est un projet de compilateur à forme dynamique de bout en bout pour les charges de travail d'apprentissage automatique.
Jenetics - Algorithme Génétique, Programmation Génétique, Évolution Grammaticale, Algorithme Évolutif et Optimisation Multi-objectif
Backend qui alimente la visionneuse de jeux de données sur les pages de jeux de données Hugging Face via une API publique.
Tokeniseurs musicaux MIDI / symboliques pour les modèles d'apprentissage profond 🎶
Slips, un système de prévention d'intrusions comportemental en Python (IDS/IPS) logiciel libre qui utilise l'apprentissage automatique pour détecter les comportements malveillants dans le trafic réseau. Stratosphere Laboratory, AIC, FEL, CVUT in Prague.
:four_leaf_clover: Bibliothèque d'optimisation évolutionnaire pour Go (algorithme génétique, optimisation par essaim de particules, évolution différentielle)
Un framework de service de modèle ML haute performance, offre le traitement par lots dynamique et les pipelines CPU/GPU pour exploiter pleinement votre machine de calcul
ALiPy : Active Learning in Python est une boîte à outils Python pour l'apprentissage actif, qui permet aux utilisateurs d'évaluer, de comparer et d'analyser facilement les performances des méthodes d'apprentissage actif.
Un serveur d'inférence pour vos modèles d'apprentissage automatique, incluant la prise en charge de plusieurs frameworks, le service multi-modèles et plus encore