#machine-learning Dépôts
2,070 dépôts au total
Matériel d'atelier pour construire des solutions intelligentes sur Open AI
🤖 Exemples MatLab/Octave d'algorithmes d'apprentissage automatique populaires avec exemples de code et explications mathématiques
Omni SenseVoice : Reconnaissance vocale à haute vitesse avec horodatage des mots 🗣️🎯
Générez des synthétiques de haute qualité, entraînez, mesurez et évaluez dans un pipeline unique
Compilation de ressources pour débutants sur les principes des modèles de diffusion et l'implémentation du code PyTorch
Codes pour compléter les vidéos YouTube et les articles de blog sur Medium.
Ce dépôt présente PIXIU, une ressource open-source proposant les premiers grands modèles linguistiques (LLM) financiers, des données d'ajustement d'instructions et des benchmarks d'évaluation pour évaluer de manière globale les LLM financiers. Notre objectif est de faire progresser continuellement le développement open-source de l'intelligence artificielle (IA) financière.
API SemanticKITTI pour visualiser le jeu de données, traiter les données et évaluer les résultats.
Ce sont les instructions pour "100 Days of ML Code" par Siraj Raval sur YouTube
tfts: Modèles d'apprentissage profond pour séries temporelles en TensorFlow
sbi est un package Python pour l'inférence basée sur la simulation, conçu pour répondre aux besoins des chercheurs et des praticiens. Que vous ayez besoin d'un contrôle granulaire ou d'une interface facile à utiliser, sbi répond à vos attentes.
Le dépôt contient des scripts et des carnets liés à la statistique, l'apprentissage automatique, les réseaux de neurones, l'apprentissage profond, le TALN, les méthodes numériques et l'automatisation.
BioNeMo Recipes : Pour construire et adapter des modèles d'IA dans la découverte de médicaments à grande échelle
DiffWave est un vocodeur neuronal et un synthétiseur de formes d'onde rapides et de haute qualité.
Une base de données vectorielle haute performance exploitant le calcul parallèle sur graphes
Extension de base de données vectorielle PostgreSQL pour la création d'applications d'IA
🔥Apprentissage automatique/Apprentissage profond/Python/Grands modèles/Multimodal/LLM/Apprentissage profond/Python/Entretien sur les algorithmes/Tutoriel NLP
Implémentation très basique (style gist) des RLM avec des environnements REPL.
Outil Pythonique pour orchestrer les flux de travail d'apprentissage automatique/haute performance/informatique quantique dans des environnements de calcul hétérogènes.
Framework Python pour la vision par ordinateur et l'analyse vidéo avec batteries incluses
Ne mémorisez pas le machine learning. Comprenez-le à partir des principes fondamentaux, notamment l’inférence, CUDA, l’apprentissage profond, la science des données et l’apprentissage par renforcement.
onnx-go permet d'importer un réseau de neurones pré-entraîné dans Go sans être lié à un framework ou une bibliothèque.
PMLB : Un grand dépôt curaté de jeux de données de référence pour évaluer les algorithmes d'apprentissage automatique supervisé.
L'encodeur-décodeur tokenizeur BPE JavaScript le plus rapide pour les modèles GPT d'OpenAI (gpt-5, gpt-o*, gpt-4o, etc.). Port de tiktoken d'OpenAI avec des fonctionnalités supplémentaires.
🚀 Catalyst est une bibliothèque C# pour le traitement du langage naturel conçue pour la vitesse. Inspirée par la conception de spaCy, elle apporte des modèles pré-entraînés, un support prêt à l'emploi pour l'entraînement d'embeddings de mots et de documents, et des modèles de reconnaissance d'entités flexibles.
Les Transformers sont des modèles mondiaux économes en échantillons. ICLR 2023, remarquable top 5%.
L'extracteur de caractéristiques multimédias à grande échelle open-source de Munich
🏅Structure de données apprise de pointe qui permet des recherches rapides, prédécesseur, recherches par plage et mises à jour dans des tableaux de milliards d'éléments en utilisant des ordres de grandeur moins d'espace que les index traditionnels
Council est une plateforme open-source pour le développement rapide et le déploiement robuste d'applications d'IA générative personnalisées
La manière la plus atomique d'entraîner et d'inférer un GPT en C pur, sans dépendances
Ce dépôt contient un projet complet de vision par ordinateur/apprentissage automatique sur le football qui utilise YOLO pour la détection d'objets, Kmeans pour la segmentation des pixels, le flux optique pour le suivi du mouvement et la transformation de perspective pour analyser les mouvements des joueurs dans les vidéos de football.