#machine-learning Dépôts
2,070 dépôts au total
MRMR (minimum-redondance-maximum-pertinence) pour la sélection automatique de caractéristiques à grande échelle.
🍇 GRAPE est une bibliothèque d'apprentissage de représentation de graphes Rust/Python pour les prédictions et les évaluations
Bibliothèque d'acquisition d'images pour systèmes de vision machine basés sur GenICam
🎉 PILOT : Une boîte à outils pour l'apprentissage continu basée sur des modèles pré-entraînés
Monty est un cadre d'apprentissage sensori-moteur basé sur la théorie des mille cerveaux du néocortex.
MatterSim : Un modèle atomistique d’apprentissage profond couvrant éléments, températures et pressions.
La bibliothèque AutoML la plus propre au monde ✨ - Effectuez l'accordage des hyperparamètres avec les bonnes abstractions de pipeline pour écrire des pipelines de production d'apprentissage profond propres. Laissez les étapes de votre pipeline avoir des espaces d'hyperparamètres. Concevez les étapes de votre pipeline comme des composants. Compatible avec Scikit-Learn, TensorFlow et la plupart des autres bibliothèques, frameworks et environnements MLOps.
Tout le code source de « Robot Learning: A Tutorial ». Impliquez-vous pour figurer dans la prochaine itération !
Notes de cours de Machine Learning (Machine Learning) 2021 Spring du professeur Li Hongyi de l'Université de Taiwan (NTU)
Outil de génération de données d'entraînement ML basé sur la vision par ordinateur :rocket:
Apprenez auprès des meilleurs articles des grandes conférences | Oral Paper Skill — « Distillez » les pratiques communes à partir des résumés de 883 articles Oral afin de comparer et d’améliorer votre article, et de faire le bilan de vos apprentissages · Skill + pack de prompts (CN/EN). Apprenez des résumés de 883 articles Oral pour améliorer vos recherches et votre rédaction.
Un sous-ensemble des modules de réseau neuronal de PyTorch, écrits en Python à l'aide de Triton d'OpenAI.
Outils pour comprendre comment les prédictions des transformeurs sont construites couche par couche
[NeurIPS 2021] Benchmarks multiscales pour l'apprentissage de représentations multimodales
Bibliothèque de deep learning TinyML indépendante du fournisseur, compilateur et framework d'inférence pour microordinateurs et microcontrôleurs
Code pour IDS-ML : développement de systèmes de détection d'intrusion utilisant des algorithmes d'apprentissage automatique (Arbre de décision, forêt aléatoire, arbres supplémentaires, XGBoost, empilement, k-means, optimisation bayésienne..)
Ce dépôt contient le code d'évaluation pour l'article « MMMU : Une référence massive multidisciplinaire multimodale pour la compréhension et le raisonnement destinée à l'expert AGI »
Application squelette FastAPI pour servir des modèles d'apprentissage automatique prêts pour la production.
DÉPRÉCIÉ, maintenant dans sktime - package compagnon pour l'apprentissage profond basé sur TensorFlow
Articles de recherche récents sur les Modèles Fondamentaux pour l'Optimisation Combinatoire
Dans l'IA générative avec les grands modèles linguistiques (LLM), vous apprendrez les bases du fonctionnement de l'IA générative et comment la déployer dans des applications réelles.
Deep Learning Simplified est un référentiel open-source, contenant des projets d'apprentissage profond de niveau débutant à avancé pour les contributeurs, qui souhaitent commencer leur parcours dans l'apprentissage profond. URL Devfolio, https://devfolio.co/projects/deep-learning-simplified-f013
Encore un autre modèle linguistique : inférence LLM en C++/CUDA, aucune bibliothèque à l'exception de l'E/S
Un système de recommandation basé sur le contenu qui recommande des films similaires au film que l'utilisateur aime et analyse les sentiments des critiques données par l'utilisateur
Augmentation d’images pour la vision par ordinateur. Licence AGPL-3.0 uniquement ou licence commerciale.
Articles AAAI 2024 : Explorez une collection complète de recherches innovantes présentées lors de l'une des principales conférences sur l'intelligence artificielle. Intégrez de manière transparente les implémentations de code pour une meilleure compréhension. ⭐ découvrez le progrès de l'intelligence artificielle avec ce dépôt !
Des outils à sécurité de typage, l'inférence sur l'appareil, des flux de travail multi-agents, la mémoire et des garde-fous, le tout dans un runtime natif Swift
AI-in-a-Box met à profit l'expertise de Microsoft à travers le monde pour développer et fournir des solutions d'IA et de ML à la communauté technique. Notre intention est de présenter une collection organisée d'accélérateurs de solutions qui peuvent aider les ingénieurs à établir rapidement et avec une friction minimale leurs environnements et solutions d'IA/ML.
Modeltime débloque les modèles de prévision des séries chronologiques et le machine learning dans un seul framework
OWASP CycloneDX est une norme de nomenclature complète (BOM) full-stack qui fournit des capacités avancées de chaîne d'approvisionnement pour la réduction des risques cybernétiques. SBOM, SaaSBOM, HBOM, AI/ML-BOM, CBOM, OBOM, MBOM, VDR et VEX
Framework pour l'implémentation rapide de pipelines de traitement et d'exploitation des données
Ce dépôt contient tout ce dont vous avez besoin pour devenir compétent en apprentissage automatique
💭 Analyse de sentiment basée sur les aspects : Transformer & ML explicable (TensorFlow)
QKeras : une bibliothèque d'apprentissage profond de quantification pour Tensorflow Keras