#unsupervised-learning Dépôts
Découvrez 64 dépôts GitHub open source actifs associés à #unsupervised-learning, cumulant 200,621 étoiles au total (soit une moyenne de 3,134 étoiles par projet). Le projet en tête de ce thème est MLEveryday/100-Days-Of-ML-Code, avec 22,236 étoiles.
64 dépôts au total
Une liste organisée de cours, livres, conférences vidéo et articles sur l'intelligence artificielle (IA).
Apprentissage par transfert / Adaptation de domaine / Généralisation de domaine / Apprentissage multi-tâches etc. Articles, codes, ensembles de données, applications, tutoriels. - Apprentissage par transfert
Une bibliothèque Python pour la détection d'anomalies sur des données tabulaires, des séries temporelles, des graphes, du texte, des images et de l'audio. Plus de 60 détecteurs, une orchestration ADEngine basée sur des benchmarks et un flux de travail agentique pour les agents IA.
Livres, articles, vidéos et boîtes à outils liés à la détection d'anomalies. Dernière mise à jour fin 2025 pour les travaux sur les LLM et les VLM !
Implémentation d'algorithmes d'apprentissage automatique en Python
Contient des solutions et des notes pour la spécialisation en apprentissage automatique de la Stanford University et Deeplearning.ai - Coursera (2022) par le Prof. Andrew NG
Logiciel en C et fichiers de données pour le populaire modèle GloVe pour les représentations de mots distribuées, alias vecteurs de mots ou embeddings
Une bibliothèque de détection d'anomalies comprenant des algorithmes et des fonctionnalités de pointe tels que la gestion d'expériences, l'optimisation des hyperparamètres et l'inférence en périphérie.
Une bibliothèque de modules d'extension et d'utilitaires pour les bibliothèques d'analyse de données et d'apprentissage automatique de Python.
Une bibliothèque d'encodeurs de variables catégorielles compatibles avec sklearn
Implémentation PyTorch de SimCLR : Un cadre simple pour l'apprentissagecontrastif de représentations visuelles
Un cadre pour l'intelligence artificielle intégrée et l'intelligence artificielle générale (AGI)
Une liste sélectionnée de papiers de recherche sur la détection de communautés avec implémentations.
Karate Club : Un Framework Python Open-Source Orienté API pour l'Apprentissage Non Supervisé sur les Graphes (CIKM 2020)
Cahiers d'exercices pour les modules d'apprentissage automatique sur Microsoft Learn
🚀 Ressources IA GRATUITES - 🎓 Cours, 👷 Emplois, 📝 Blogs, 🔬 Recherche IA, et bien plus encore - pour tous !
:red_circle: MiniSom est une implémentation minimaliste des cartes d'auto-organisation
Code pour l'article TKDE « Apprentissage auto-supervisé sur les graphes : Contrastif, génératif ou prédictif »
Bibliothèque de détection d'anomalies dans les séries temporelles sans supervision
Une liste complète d'articles remarquables sur l'apprentissage auto-supervisé contrastif.
Modélisation de sujets avec l allocation de Dirichlet latente utilisant l échantillonnage de Gibbs
Encodeur automatique variationnel implémenté en tensorflow et pytorch (y compris le flux autorégressif inverse)
Apprentissage de représentations profondes des distributions de données
AutoVC : Transfert de style vocal zero-shot avec uniquement la perte d'autoencodeur
L'implémentation officielle du papier IJCV & BMVC 2022 "One-Pot Multi-frame Denoising".
Publication du code pour "Cut and Learn for Unsupervised Object Detection and Instance Segmentation" et "VideoCutLER: Surprisingly Simple Unsupervised Video Instance Segmentation"
[IEEE TIP] "EnlightenGAN : Amélioration profonde de la lumière sans supervision appariée" par Yifan Jiang, Xinyu Gong, Ding Liu, Yu Cheng, Chen Fang, Xiaohui Shen, Jianchao Yang, Pan Zhou, Zhangyang Wang
Référentiel de code pour Deep Learning avec Keras publié par Packt
PaCMAP : Technique de réduction de dimension à grande échelle préservant la structure globale et locale
Implémentation officielle de "ADBench: Anomaly Detection Benchmark", NeurIPS 2022.
BFM_Zero : Un modèle de fondation comportementale programmable pour le contrôle de humanoïdes utilisant l'apprentissage par renforcement non supervisé
"DeepDPM : Apprentissage profond par regroupement avec un nombre inconnu de clusters" [Ronen, Finder et Freifeld, CVPR 2022]
Implémentation PyTorch de SimCLR : Un cadre simple pour l'apprentissage contrastif des représentations visuelles par T. Chen et al.
[Prix du jeune scientifique de MICCAI 2019] [Prix du meilleur article de MedIA] Models Genesis : pré-entraînement auto-supervisé pour les images médicales 3D. Apprend des représentations transférables à partir de volumes de TDM et d’IRM non annotés, puis effectue un affinage pour les tâches en aval de segmentation et de classification. Poids Keras et PyTorch inclus.
Code et modèles accompagnant "Deep Predictive Coding Networks for Video Prediction and Unsupervised Learning"
Code pour l'Apprentissage Non Supervisé Pratique avec Python (O'Reilly Media)
Décomposition non supervisée de la parole via un goulot d'étranglement d'informations triples
Foire aux questions
Quel est le dépôt #unsupervised-learning le plus populaire sur GitHub ?
Le projet #unsupervised-learning open source le mieux classé sur GitHub est MLEveryday/100-Days-Of-ML-Code, avec 22,236 étoiles. Version chinoise de 100 jours de code en apprentissage automatique
Quels langages de programmation sont les plus utilisés dans les dépôts #unsupervised-learning ?
Parmi les projets #unsupervised-learning les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, C, Scheme.
Comment le classement des dépôts #unsupervised-learning est-il calculé ?
Nous suivons 64 dépôts open source actifs associés à #unsupervised-learning (500+ étoiles), totalisant 200,621 étoiles, avec une moyenne de 3,134 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.