#machine-learning リポジトリ
リポジトリ合計2,070件
フルスタックML(機械学習)ロードマップには、データ収集と前処理、モデル開発、デプロイ、メンテナンスを含む、機械学習のすべての側面で習熟するために必要なスキルとテクノロジーを学ぶことが含まれます。
CartoonGAN [Chen et al., CVPR18] の Pytorch および Torch テストコード
Ollama:古典的MLモデル用。XGBoost、LightGBM、scikit-learn、CatBoost、ONNXモデルをネイティブC99推論コードに変換するAOTコンパイラ。ロード1コマンド、サーブ1コマンド。Python推論の336倍高速。
ディープラーニングのための Fabric (FfDL、fiddle と発音) は、Kubernetes 上で TensorFlow、Caffe、PyTorch などをサービスとして提供するディープラーニング プラットフォームです。
時系列予測のためのTensorFlow LSTM(長期短期記憶)ニューラルネットワークを用いた株価予測
BenchMARLは、マルチエージェント強化学習(MARL)のベンチマークライブラリです。BenchMARLを使用すると、再現性と標準化という2つのコア原則に体系的に基づきながら、さまざまなMARLアルゴリズム、タスク、モデルを迅速に比較できます。
ML-capsuleは、メンターや指導者がおらず、機械学習を学びたいと考えている初心者や経験豊富なデータサイエンス愛好家のためのプロジェクトです。私たちのリポジトリを使用することで、ML、DL、および多くの関連技術をさまざまな実世界のプロジェクトを通じて学び、面接の準備を整えることができます。
ポートフォリオ管理のための軽量な深層強化学習フレームワーク。このプロジェクトは、高度にモジュール化されスケーラブルなフレームワークで深層強化学習アルゴリズムを株式取引に適用する可能性を探求します。
データサイエンスを追跡しましょう。SkoreのオープンソースPythonライブラリは、機械学習モデル開発を加速し、自動評価レポート、賢明な方法論ガイダンス、包括的なクロスバリデーション分析を提供します。
[JMLR 2023] Quantusは、ニューラルネットワークの解釈を責任を持って評価するための説明可能なAIツールキットです
Random ForestやGradient Boosted Decision Treesなどの決定木モデルをトレーニング、評価、解釈、および本番運用するためのライブラリ。
Prof. Marcos López de Prado 著「Machine Learning for Asset Managers (Elements in Quantitative Finance)」のコードスニペット、演習、およびライブデータへの応用実装。
解釈可能な ML モデルのトレーニング、ML モデルの説明、および精度、差別、安全性に関する ML モデルのデバッグのための技術の例。
🙌機械学習、深層学習、コンピュータビジョン、自然言語処理などに基づいた234以上のプロジェクトのコレクションです。このリポジトリを✨して、あなたのサポートを示してください。
自動ナンバープレート認識 (ALPR) または自動番号プレート認識 (ANPR) ソフトウェアで、どのカメラでも動作します。