#machine-learning Repository
2,070 repository in totale
Collezione completa di risorse Java in versione cinese, inclusi librerie di sviluppo, strumenti di sviluppo, siti web, blog, WeChat, Weibo ecc., aggiornata continuamente da Bole Online.
Corso gratuito di MLOps di DataTalks.Club. Registrati qui ๐๐ผ per ricevere aggiornamenti sulla prossima coorte
Impara l'ingegneria ML gratuitamente in 4 mesi! Registrati qui ๐๐ผ
Framework per l'addestramento distribuito per TensorFlow, Keras, PyTorch e Apache MXNet.
ChatterBot รจ un motore di dialogo conversazionale basato sull'apprendimento automatico per la creazione di chatbot
Una serie di notebook Jupyter che ti guidano attraverso i fondamenti del Machine Learning e del Deep Learning in Python utilizzando Scikit-Learn, Keras e TensorFlow 2.
Un toolkit per la creazione di applicazioni di machine learning e analisi dati nel mondo reale in C++
Un framework molto semplice per il Natural Language Processing (NLP) all'avanguardia
Transfer learning / Adattamento del dominio / Generalizzazione del dominio / Apprendimento multi-task ecc. Articoli, codici, dataset, applicazioni, tutorial. - Transfer learning
Libro MIT Deep Learning in formato PDF (completo e parti) di Ian Goodfellow, Yoshua Bengio e Aaron Courville
Versione PyTorch di Stable Baselines, implementazioni affidabili di algoritmi di reinforcement learning.
Un elenco curato di eccellenti librerie Amazon Web Services (AWS), repository open source, guide, blog e altre risorse. Con il Fiery Meter of AWSome in evidenza.
Profilazione della qualitร dei dati & analisi esplorativa dei dati con 1 riga di codice per Pandas e Spark DataFrames.
โ๐ป Analisi approfondite del codice sorgente, progettazione di sistemi e blog di ingegneria | Halfrost-Field: Note di analisi del codice sorgente, progettazione di sistemi e pratica ingegneristica
Spiegabilitร avanzata dell'IA per la visione artificiale. Supporto per CNN, Vision Transformers, Classificazione, Rilevamento oggetti, Segmentazione, Similaritร di immagini e altro.
Immergiti in Deep Learning, Reinforcement Learning, Machine Learning, Computer Vision e NLP imparando da queste lezioni entusiasmante!!
Repository di codice e risorsa informativa del libro "Python Machine Learning (1ยช edizione)"
Un modello Kimi K3 da 2,78 trilioni di parametri che esegue l'inferenza su una singola CPU con 8,24 GB di RAM. C99 portatile: niente BLAS, niente framework, niente GPU.
Collezione di script per aggregare dati di immagini ai fini dell'addestramento di un Classificatore di Immagini NSFW
cvpr2024/cvpr2023/cvpr2022/cvpr2021/cvpr2020/cvpr2019/cvpr2018/cvpr2017 Articoli/Codice/Interpretazioni/Collezione di Trasmissioni Live, Organizzato dal Team Jimu
Mappa di apprendimento dell'intelligenza artificiale, raccolta di quasi 200 casi pratici e progetti, materiali complementari gratuiti, ingresso da zero basi, pratica per l'occupazione! Include: Python, matematica, machine learning, analisi dati, apprendimento profondo, visione artificiale, elaborazione del linguaggio naturale, PyTorch, tensorflow, machine-learning, deep-learning, data-analysis, data-mining, mathematics, data-science, artificial-intelligence, python, tensorflow, tensorflow2, caffe, keras, pytorch, algorithm, numpy, pandas, matplotlib, seaborn, nlp, cv e altri campi caldi
I miei script Python per creare figure di alta qualitร per pubblicazioni in conferenze e riviste AI di alto livello.
Una raccolta di risorse e articoli sui modelli di diffusione
Lime: Spiegazione delle previsioni di qualsiasi classificatore di machine learning
Framework low-code per la creazione di LLM personalizzati, reti neurali e altri modelli AI
La libreria open-source di Cleanlab รจ il pacchetto AI data-centric standard per la qualitร dei dati e l'apprendimento automatico con dati e etichette disordinati del mondo reale.
TensorZero รจ una piattaforma open-source LLMOps che unifica un gateway LLM, osservabilitร , valutazione, ottimizzazione e sperimentazione.
La piattaforma per sviluppatori AI. Usa Weights & Biases per addestrare e affinare modelli, e gestire modelli dall'esperimentazione alla produzione.
Il server di inferenza Triton fornisce una soluzione di inferenza ottimizzata per cloud e edge.
Kedro รจ una cassetta degli attrezzi per la data science pronta per la produzione. Utilizza le migliori pratiche di ingegneria del software per aiutarti a creare pipeline di data engineering e data science che siano riproducibili, manutenibili e modulari.
Notebook Jupyter ๐ di esempio che dimostrano come costruire, addestrare e distribuire modelli di machine learning utilizzando ๐ง Amazon SageMaker.
X-AnyLabeling: unโapplicazione desktop multipiattaforma, leggera, efficiente e unificata per annotare testi, immagini, video, nuvole di punti e dati multimodali. Combina versatili strumenti integrati con modelli di IA allโavanguardia e offre flessibili opzioni di esportazione in piรน formati.