#machine-learning Dépôts
2,070 dépôts au total
Bibliothèque TikZ pour dessiner des réseaux bayésiens, des modèles graphiques et des graphes de facteurs (dirigés) en LaTeX.
DIPY est la bibliothèque exemplaire d'imagerie médicale 3D/4D+ en Python. Elle contient des méthodes génériques pour la normalisation spatiale, le traitement du signal, l'apprentissage automatique, l'analyse statistique et la visualisation d'images médicales. De plus, elle contient des méthodes spécialisées pour l'anatomie computationnelle, incluant l'imagerie par diffusion, la perfusion et l'imagerie structurale.
MLGB est une bibliothèque qui inclut de nombreux modèles de prédiction de CTR et de systèmes de recommandation via TensorFlow & PyTorch. 「妙计包」 est une bibliothèque contenant plus de 50 modèles d'apprentissage profond pour la prédiction du taux de clics et les systèmes de recommandation, écrits avec TensorFlow et PyTorch.
Projets d'apprentissage automatique avec code source - Projets d'apprentissage automatique pour débutants, projets ML pour étudiants universitaires de dernière année, projets d'apprentissage automatique - du débutant à l'avancé
Le modèle Bark de Suno AI en C/C++ pour une génération rapide de texte-à-voix
👑 Blocs de construction et visualiseurs spaCy pour les applications Streamlit
Application Web de prédiction de la bourse basée sur l'apprentissage automatique et l'analyse des sentiments des tweets (clés API incluses dans le code). Le frontend de l'application Web est basé sur Flask et Wordpress. L'application prévoit les cours boursiers des sept prochains jours pour toute action donnée sous NASDAQ ou NSE entrée par l'utilisateur. Les prédictions sont faites à l'aide de trois algorithmes : ARIMA, LSTM, Régression Linéaire. L'application Web combine les prix prédits des sept prochains jours avec l'analyse des sentiments des tweets pour donner une recommandation.
Projets de data science et de machine learning avec code source.
Hyperréseaux qui mettent à jour les LLMs pour se souvenir des informations factuelles
PointFlow : Génération de nuages de points 3D avec des flux normalisateurs continus
Instruct-NeRF2NeRF: Édition de scènes 3D avec des instructions (ICCV 2023)
Une liste curated de DATASETS, CODEBASES et ARTICLES sur l'apprentissage multi-tâches (MTL), du point de vue de l'apprentissage automatique.
OpenFE : génération automatisée de caractéristiques avec des performances de niveau expert
Un module Redis pour servir des tenseurs et exécuter des graphes d'apprentissage profond
Un système Graph RAG pour la recherche d'informations médicales basées sur des preuves [ACL 2025]
Un package Python pour l'analyse modulaire d'inférence causale et les évaluations de modèles
Strawberry Fields est une bibliothèque Python full-stack pour la conception, la simulation et l'optimisation de circuits optiques quantiques à variables continues (CV).
Créez des applications web speech2text en temps réel à l'aide de Whisper d'OpenAI https://openai.com/blog/whisper/
Ce dépôt contient une collection d'enquêtes, d'ensembles de données, d'articles et de codes pour l'estimation de l'incertitude prédictive dans les modèles d'apprentissage profond.
Apprentissage profond avec des réseaux de neurones à impulsions (SNNs) dans PyTorch.
Un framework flexible d'apprentissage fédéré basé sur PyTorch, simplifiant votre recherche en apprentissage fédéré.
Articles visuels et interactifs sur l'apprentissage automatique : https://mlu-explain.github.io/
LogAI - Une bibliothèque open-source pour l'analyse et l'intelligence des journaux
Bibliothèque de vision haute performance en Python. Développez votre recherche, pas le boilerplate.
Trading crypto entièrement automatisé alimenté par une IA de prévision de prix personnalisée et un système DCA structuré/en niveaux. Site Web : PowerTrader.net
Régression Symbolique Distribuée Haute Performance en Julia
Le dépôt open source pour l'atelier de modélisation causale en apprentissage automatique (Causal Modeling in Machine Learning Workshop) chez Altdeep.ai @ www.altdeep.ai/courses/causalAI
Couche mémoire partagée dans un fichier unique pour tous vos agents, RAG en moins d’une milliseconde sur du texte, des photos et des vidéos sur Apple Silicon. Aucun serveur. Aucune API. Un seul fichier. Swift pur.
Ressources sur la prévision des séries chronologiques et le deep learning.
🔐 Décodage des posts de Trump par IA × marché boursier | AI 解碼川普推文 × 美股 | IA décodant les posts de Trump × marché boursier — 31.5M modèles, 61.3% taux de réussite, open source