#machine-learning Repository
2,070 repository in totale
Una roadmap completa di ML (Machine Learning) Full Stack prevede l'apprendimento delle competenze e delle tecnologie necessarie per diventare esperti in tutti gli aspetti del machine learning, inclusa la raccolta e la preelaborazione dei dati, lo sviluppo del modello, il deployment e la manutenzione.
Un approccio guidato dal modello per costruire agenti AI in poche righe di codice.
๐ ๐ Tagging multimediale intelligente per Nextcloud: riconosce volti, oggetti, paesaggi, generi musicali
VectorFlow รจ una pipeline ad alto volume per l'incorporamento di vettori che acquisisce dati grezzi, li trasforma in vettori e li scrive in un database vettoriale a tua scelta.
Una libreria per la generazione e la valutazione di dati tabellari sintetici per privacy, equitร e aumento dei dati.
Codice di test di Pytorch e Torch per CartoonGAN [Chen et al., CVPR18]
DAGs con NO TEARS: Ottimizzazione Continua per l'Apprendimento della Struttura
Una raccolta di algoritmi all'avanguardia per l'addestramento, il serving e l'interpretazione dei modelli Decision Forest in Keras.
Client e Toolkit Python per DataFrames, Big Data, Machine Learning e ETL in Elasticsearch
Una piattaforma open source per l'IA conversazionale per interfacce vocali di dominio profondo e chatbot.
Ollama per modelli ML classici. Compilatore AOT che converte modelli XGBoost, LightGBM, scikit-learn, CatBoost e ONNX in codice di inferenza nativo C99. Un comando per caricare, un comando per servire. 336x piรน veloce dell'inferenza Python.
Articoli, codice e set di dati sull'apprendimento profondo per il rilevamento di oggetti 3D.
Fabric for Deep Learning (FfDL, pronunciato fiddle) รจ una piattaforma di Deep Learning che offre TensorFlow, Caffe, PyTorch ecc. come servizio su Kubernetes.
Previsione dei prezzi delle azioni utilizzando una rete neurale LSTM (long short-term memory) di TensorFlow per la previsione di serie temporali
BenchMARL รจ una libreria per il benchmarking del Multi-Agent Reinforcement Learning (MARL). BenchMARL consente di confrontare rapidamente diversi algoritmi, attivitร e modelli MARL, pur essendo sistematicamente fondato sui suoi due principi fondamentali: riproducibilitร e standardizzazione.
ML-capsule รจ un progetto per principianti ed esperti appassionati di data science che non hanno un mentore o una guida e desiderano imparare il Machine Learning. Utilizzando il nostro repository, possono imparare ML, DL e molte tecnologie correlate con diversi progetti del mondo reale e prepararsi per i colloqui.
Un framework leggero di deep reinforcement learning per la gestione del portafoglio. Questo progetto esplora la possibilitร di applicare algoritmi di deep reinforcement learning al trading di azioni in un framework altamente modulare e scalabile.
Tieni traccia della tua Data Science. La libreria Python open-source di Skore accelera lo sviluppo dei modelli ML con report di valutazione automatizzati, orientamento metodologico intelligente e analisi completa della cross-validazione.
Un progetto non profit e open source per rendere la astrologia vedica facilmente disponibile per tutti.
Un elenco curato di progetti guidati di data science e IA per iniziare a costruire il tuo portfolio
[JMLR 2023] Quantus รจ un toolkit di IA spiegabile per la valutazione responsabile delle spiegazioni delle reti neurali
Una cassetta degli attrezzi basata su Python con vari metodi nel processo decisionale, quantificazione dell'incertezza e emulazione statistica: multi-fedeltร , design sperimentale, ottimizzazione bayesiana, quadratura bayesiana, ecc.
Una libreria per addestrare, valutare, interpretare e mettere in produzione modelli di foreste decisionali come Random Forest e Gradient Boosted Decision Trees.
Implementazione di snippet di codice, esercizi e applicazioni a dati reali da "Machine Learning for Asset Managers (Elements in Quantitative Finance)" scritto dal Prof. Marcos Lรณpez de Prado.
Esempi di tecniche per addestrare modelli ML interpretabili, spiegare modelli ML e debuggare modelli ML per accuratezza, discriminazione e sicurezza.
Corso di Machine Learning Serverless per la creazione di servizi di previsione abilitati all'IA da modelli e funzionalitร
Pipeline OCR multimodale ottimizzata per l'addestramento ML (testo, figure, matematica, tabelle, diagrammi)
๐Collezione di oltre 234 progetti basati su machine learning, deep learning, computer vision, elaborazione del linguaggio naturale e tutto il resto. Mostra il tuo supporto โจ questo repository.
Un elenco curato di risorse eccellenti per strategie di investimento e trading quantitativo, focalizzato sulle applicazioni dell'intelligenza artificiale e del machine learning nella finanza.
Riconoscimento automatico delle targhe (ALPR) o riconoscimento automatico dei numeri di targa (ANPR) software che funziona con qualsiasi fotocamera.