#sklearn Dépôts
Découvrez 21 dépôts GitHub open source actifs associés à #sklearn, cumulant 72,496 étoiles au total (soit une moyenne de 3,452 étoiles par projet). Le projet en tête de ce thème est apachecn/ailearning, avec 41,904 étoiles.
21 dépôts au total
AiLearning : Analyse de données + Machine Learning pratique + Algèbre linéaire + PyTorch + NLTK + TF2
Stock AI Trader : plateforme tout-en-un pour apprendre, s’entraîner en simulation et trader en réel. Couvre les bases de la Bourse, les stratégies, les grands modèles de langage, l’extraction de facteurs, l’apprentissage automatique/profond/par renforcement, les réseaux neuronaux de graphes, le trading haute fréquence, le déploiement en C++ et le code JoinQuant.
un outil d'apprentissage automatique exceptionnel qui vous permet d'entraîner, de tester et d'utiliser des modèles sans écrire de code
Machine Learning University : Cours accéléré de traitement du langage naturel
Karate Club : Un Framework Python Open-Source Orienté API pour l'Apprentissage Non Supervisé sur les Graphes (CIKM 2020)
Une bibliothèque compatible scikit-learn pour estimer les intervalles de prédiction et contrôler les risques, basée sur des prédictions conformes.
Un outil DevOps open source du CNCF pour empaqueter et versionner des modèles IA/ML, des ensembles de données, du code et des configurations dans un artefact OCI.
Transpilez les estimateurs et transformateurs scikit-learn entraînés en C, C#, Go, Java, JavaScript, PHP et Ruby.
Une collection d'extraits de code de la publication Daily Dose of Data Science sur Substack : http://www.dailydoseofds.com/
Machine Learning University : Cours accéléré sur les données tabulaires
Des milliers de solutions de code avec des explications claires sur onelinerhub.com
Moteur d'inférence Machine Learning pour Microcontrôleurs et Dispositifs Embarqués
Construisez automatiquement des modèles ARIMA, SARIMAX, VAR, FB Prophet et XGBoost sur des ensembles de données de séries chronologiques avec une seule ligne de code. Créé par Ram Seshadri. Collaborateurs bienvenus.
Ollama pour les modèles ML classiques. Compilateur AOT qui transforme les modèles XGBoost, LightGBM, scikit-learn, CatBoost et ONNX en code d'inférence natif C99. Une commande pour charger, une commande pour servir. 336x plus rapide que l'inférence Python.
Une bibliothèque Python rapide et robuste pour vérifier le langage offensant dans les chaînes.
Un framework open source robuste et flexible d'analyse du comportement des utilisateurs et des entités (UEBA) utilisé pour l'analyse de sécurité. Développé avec amour par des data scientists et des analystes de sécurité de l'industrie de la cybersécurité. [BÊTA]
Foire aux questions
Quel est le dépôt #sklearn le plus populaire sur GitHub ?
Le projet #sklearn open source le mieux classé sur GitHub est apachecn/ailearning, avec 41,904 étoiles. AiLearning : Analyse de données + Machine Learning pratique + Algèbre linéaire + PyTorch + NLTK + TF2
Quels langages de programmation sont les plus utilisés dans les dépôts #sklearn ?
Parmi les projets #sklearn les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, Go, PHP.
Comment le classement des dépôts #sklearn est-il calculé ?
Nous suivons 21 dépôts open source actifs associés à #sklearn (500+ étoiles), totalisant 72,496 étoiles, avec une moyenne de 3,452 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.