#machine-learning Repository
2,070 repository in totale
Solutori numerici per equazioni differenziali in JAX. Autodifferenziabili e capaci di GPU. https://docs.kidger.site/diffrax/
Algoritmi ML implementati e derivati dai primi principi in Jupyter Notebooks e NumPy
Modelli di diffusione nell'imaging medico (pubblicato nel Medical Image Analysis Journal)
Un toolkit/biblioteca Python per machine/deep learning e data mining centrato sulla realtร su serie temporali parzialmente osservate, con oltre 50 modelli di reti neurali SOTA per compiti di analisi scientifica (imputazione, classificazione, clustering, previsione, rilevamento anomalie, pulizia) su TS multivariate industriali incomplete campionate irregolarmente con valori mancanti NaN
.NET for Apacheยฎ Sparkโข rende Apache Sparkโข facilmente accessibile agli sviluppatori .NET.
Libreria di inferenza leggera per file ONNX, scritta in C++. Puรฒ eseguire Stable Diffusion XL 1.0 su un RPI Zero 2 (o con 298 MB di RAM), ma anche Mistral 7B su desktop e server. Supporto per ARM, x86, WASM, RISC-V. Accelerato da XNNPACK. Binding Python, C# e JS (WASM) disponibili.
๐ค L'elenco piรน completo di agenti AI, framework e strumenti nel 2026. 300+ risorse ยท 20+ categorie ยท Aggiornato mensilmente.
Soluzioni agli esercizi sui metodi di apprendimento automatico, indirizzo di lettura online: https://datawhalechina.github.io/statistical-learning-method-solutions-manual
Un toolkit on-premises, senza OCR, per l'estrazione di dati non strutturati, la conversione in markdown e il benchmarking. (https://idp-leaderboard.org/)
Una CLI Node.js che utilizza modelli Ollama e LM Studio (Llava, Gemma, Llama ecc.) per rinominare intelligentemente i file in base ai loro contenuti
Questa risorsa supporta gli articoli di scrittura dell'autore su CSDN sull'elaborazione delle immagini in Python, principalmente sull'implementazione di algoritmi per l'elaborazione delle immagini, il riconoscimento delle immagini, la classificazione delle immagini, ecc. in Python. Spero che questa risorsa ti sia d'aiuto, continuiamo a fare del nostro meglio insieme.
Un pacchetto Python per la previsione bayesiana con design orientato agli oggetti e modelli probabilistici sottostanti.
Il framework RF e di reverse engineering per tutti. Segui e โ per mostrare il tuo supporto!
Un'estensione Jupyter proof-of-concept che converte le query in inglese in codice Python pertinente
Segmentazione semantica su immagini aeree e satellitari. Estrae caratteristiche come: edifici, parcheggi, strade, acqua, nuvole
Collabora ed etichetta qualsiasi tipo di dato, immagine, testo o documento, in una semplice interfaccia web o applicazione desktop.
Una libreria Python per l'apprendimento e la valutazione di embedding di knowledge graph
:cloud: :rocket: :bar_chart: :chart_with_upwards_trend: Valutazione dello stato dell'arte nell'IA
Tutto sul Federated Learning, inclusi articoli di ricerca, libri, codici, tutorial, video e oltre
Libreria per l'addestramento di modelli di machine learning con privacy per i dati di addestramento
Una raccolta di oltre 1000 articoli di rassegna su Natural Language Processing (NLP) e Machine Learning (ML).
Real-World Masked Face Dataset, set di dati di volti con maschera nel mondo reale
Una raccolta guidata dalla community di framework, progetti e risorse RAG (Retrieval-Augmented Generation). Contribuisci ed esplora l'ecosistema RAG in evoluzione.
Informazioni accademiche complete e tempestive sull'apprendimento federato (articoli, framework, set di dati, tutorial, workshop)
Disegno di reti bayesiane, modelli grafici, tensori, framework tecnici e illustrazioni in LaTeX.
Un pacchetto Python per estendere l'ufficiale PyTorch che puรฒ facilmente ottenere prestazioni sulla piattaforma Intel
Wrapper Python per CRF densi (fully connected) di Philipp Krรคhenbรผhl con potenziali di spigolo gaussiani.
prompt2model - Genera Modelli Deployabili da Istruzioni in Linguaggio Naturale
Humanoid-Gym: Reinforcement Learning per Robot Umanoidi con Trasferimento Zero-Shot Sim2Real https://arxiv.org/abs/2404.05695
Un'introduzione concisa e adatta ai principianti alle idee fondamentali dell'algebra lineare.
Il codice Python per riprodurre le illustrazioni da "The Hundred-Page Machine Learning Book".
[ICLR 2024] Implementazione ufficiale di "TimeMixer: Decomposable Multiscale Mixing for Time Series Forecasting"
Approaching (Almost) Any Machine Learning Problem versione cinese, indirizzo della documentazione online: https://ytzfhqs.github.io/AAAMLP-CN/
Il Virtual Feature Store. Trasforma la tua infrastruttura dati esistente in un feature store.