#machine-learning 저장소
저장소 총 2,070개
풀 스택 ML(머신러닝) 로드맵은 데이터 수집 및 전처리, 모델 개발, 배포, 유지 관리를 포함한 머신러닝의 모든 측면에서 능숙해지기 위해 필요한 기술과 기술을 배우는 것을 포함합니다.
CartoonGAN [Chen et al., CVPR18]의 Pytorch 및 Torch 테스트 코드
Ollama: 고전 ML 모델용. XGBoost, LightGBM, scikit-learn, CatBoost 및 ONNX 모델을 네이티브 C99 추론 코드로 변환하는 AOT 컴파일러. 로드 한 명령어, 서빙 한 명령어. Python 추론보다 336배 빠름.
딥 러닝을 위한 Fabric (FfDL, fiddle로 발음)은 Kubernetes에서 TensorFlow, Caffe, PyTorch 등을 서비스로 제공하는 딥 러닝 플랫폼입니다.
시계열 예측을 위한 TensorFlow LSTM(순환 신경망) 신경망을 이용한 주가 예측
BenchMARL은 다중 에이전트 강화 학습(MARL) 벤치마킹을 위한 라이브러리입니다. BenchMARL을 사용하면 재현성과 표준화라는 두 가지 핵심 원칙에 체계적으로 기반을 두면서 다양한 MARL 알고리즘, 작업 및 모델을 신속하게 비교할 수 있습니다.
ML-capsule은 멘토나 가이드 없이 머신러닝을 배우고자 하는 초보자 및 숙련된 데이터 과학 애호가를 위한 프로젝트입니다. 저희 저장소를 사용하여 ML, DL 및 다양한 관련 기술을 실제 프로젝트를 통해 배우고 인터뷰를 준비할 수 있습니다.
포트폴리오 관리를 위한 경량 딥 강화 학습 프레임워크. 이 프로젝트는 고도로 모듈화되고 확장 가능한 프레임워크에서 딥 강화 학습 알고리즘을 주식 거래에 적용하는 가능성을 탐구합니다.
당신의 데이터 과학을 추적하세요. Skore의 오픈 소스 Python 라이브러리는 자동화된 평가 보고서, 스마트한 방법론 안내 및 종합적인 교차 검증 분석으로 ML 모델 개발을 가속화합니다.
[JMLR 2023] Quantus는 신경망 설명을 책임감 있게 평가하기 위한 설명 가능한 AI 툴킷입니다
의사 결정, 불확실성 정량화 및 통계 에뮬레이션 분야의 다양한 방법들을 위한 Python 기반 도구 상자: 멀티-피델리티, 실험 설계, 베이지안 최적화, 베이지안 사분면 등.
Random Forest 및 Gradient Boosted Decision Trees와 같은 결정 트리 모델을 훈련, 평가, 해석 및 프로덕션화하기 위한 라이브러리입니다.
Prof. Marcos López de Prado가 저술한 "Machine Learning for Asset Managers (Elements in Quantitative Finance)"의 코드 스니펫, 연습 문제 및 실데이터 적용 구현.
해석 가능한 ML 모델 훈련, ML 모델 설명 및 정확성, 차별, 보안에 대한 ML 모델 디버깅을 위한 기술 예시.
🙌머신러닝, 딥러닝, 컴퓨터 비전, 자연어 처리 등을 기반으로 한 234개 이상의 프로젝트 모음입니다. 이 리포지토리에 ✨하여 지원을 보여주세요.
자동 차량 번호판 인식 (ALPR) 또는 자동 번호판 인식 (ANPR) 소프트웨어로, 모든 카메라와 작동합니다.