#machine-learning Dépôts
2,070 dépôts au total
Une liste organisée d'applications, de cours, de démonstrations et de fonctionnalités impressionnants de Taichi.
Une collection de certains ensembles de données pour la segmentation / détection de saillance. Bienvenue à PR...:smile:
Un cerveau qui apprend de l’expérience vécue. Le système 1 par défaut : perception, mémoire, plasticité et action. Le système 2, en option, pour l’auto-observation et les corrections lentes.
TimeCopilot : le framework de prévision agentique. Basé sur des LLM et des modèles de fondation pour séries temporelles, il permet de réaliser des prévisions, des validations croisées et de détecter des anomalies à l’aide de plusieurs modèles de fondation via une API unique. De la finance à l’énergie, en passant par l’analyse web, TimeCopilot transforme les requêtes en langage naturel en prévisions prêtes pour la production.
Petit GPT implémenté à partir de zéro en Go pur. Optimisé pour la compréhension. Entraîné sur les livres de Jules Verne.
Une collection organisée de jeux de données industriels publics.
Le package Python officiel de Roboflow. Gérez vos ensembles de données, vos modèles et vos déploiements. Roboflow a tout ce dont vous avez besoin pour créer une application de vision par ordinateur.
Un référentiel de ressources pour le désapprentissage automatique dans les grands modèles de langage
Module pour l'apprentissage statistique, avec un accent particulier sur la modélisation dépendante du temps
Répertoire pour le contenu Community Mentor lié à la Spécialisation en Data Science de l'Université Johns Hopkins sur Coursera
Kokoro Web : Synthèse vocale IA gratuite, en ligne ou auto-hébergée, compatible avec OpenAI !
:bookmark_tabs: Ressources en ligne pour l'apprentissage automatique
Analyse de brevets utilisant les ensembles de données publics Google Patents sur BigQuery
Human Preference Score v2 : Une référence solide pour l'évaluation des préférences humaines en synthèse texte-vers-image
Rejoignez la communauté sur Discord pour plus de discussions autour de Neutone ! https://discord.gg/VHSMzb8Wqp
Probabilités et statistiques pour la science des données : Une introduction autonome aux probabilités et statistiques pour la science des données, comprenant un pdf gratuit, 103 cahiers Python utilisant 23 ensembles de données réels, 118 vidéos avec diapositives et les solutions à 200 exercices
Application Electron de synthèse vocale basée sur l'apprentissage automatique, avec des voix de personnages spécifiques de jeux vidéo
Cycle de vie complet d'un projet de science des données
Une liste impressionnante d'articles sur les attaques de confidentialité contre l'apprentissage automatique
Implémentation/Tutoriel de l'utilisation des méthodes d'apprentissage automatique automatisé (AutoML) pour l'apprentissage statique/par lots et l'apprentissage en ligne/continu
Cours intensif MIT IAP : Calcul matriciel pour l'apprentissage automatique et au-delà
Apprenez le Machine Learning avec le programme Amazon ML Summer School 2026. Accédez aux résumés des sessions, aux QCM des années précédentes, aux questions de programmation et au matériel de test officiel. Pratiquez des tâches de codage par module et construisez une base solide pour les entretiens et les applications réelles.
Dépôt pour la documentation et les exemples de nvCOMP. nvCOMP est une bibliothèque pour la compression/décompression sans perte rapide sur le GPU qui peut être téléchargée depuis https://developer.nvidia.com/nvcomp.
Étapes pipeables pour l'ingénierie des caractéristiques et le prétraitement des données pour préparer la modélisation
Construisez des modèles de vision par ordinateur entièrement fonctionnels avec PyTorch
Ce dépôt collecte quelques codes qui encapsulent des algorithmes couramment utilisés dans le domaine de l'apprentissage automatique. La plupart sont basés sur Numpy, Pandas ou Torch. Vous pouvez approfondir votre compréhension des modèles et algorithmes associés ou les modifier pour obtenir le code personnalisé qui vous appartient en vous référant à ce dépôt.
Diapositives sur l’IA, notes d’articles, notes de cours, billets de blog et synthèses de recherche.
Awesome Jev : un guide pratique, étayé par des sources, du modèle System One de TypeSafe, avec des SDK, des démonstrations en direct, des outils pour agents et des évaluations indépendantes.