#hyperparameter-optimization Repositórios
Descubra 55 repositórios ativos de código aberto no GitHub marcados com #hyperparameter-optimization, acumulando um total de 247,121 estrelas (uma média de 4,493 por projeto). O líder deste tópico é ray-project/ray, com 44,352 estrelas.
55 repositórios no total
Ray é um motor de computação de IA. O Ray consiste em um runtime distribuído central e um conjunto de Bibliotecas de IA para acelerar cargas de trabalho de ML.
Um guia prático para maximizar sistematicamente o desempenho de modelos de aprendizado profundo.
Livro interativo de aprendizado profundo com código de múltiplos frameworks, matemática e discussões. Adotado em 500 universidades de 70 países, incluindo Stanford, MIT, Harvard e Cambridge.
A plataforma de desenvolvimento de IA. Use Weights & Biases para treinar e ajustar modelos, e gerenciar modelos desde a experimentação até a produção.
Uma ferramenta de Aprendizado de Máquina Automatizado em Python que otimiza pipelines de aprendizado de máquina usando programação genética.
Neste caderno, criarei um processo completo para prever movimentos de preços de ações. Acompanhe e alcançaremos resultados muito bons. Para isso, usaremos uma Rede Adversarial Generativa (GAN) com LSTM, um tipo de Rede Neural Recorrente, como gerador, e uma Rede Neural Convolucional, CNN, como discriminador. Usamos LSTM pela razão óbvia de que estamos tentando prever dados de séries temporais. Por que usamos GAN e especificamente CNN como discriminador? Essa é uma boa p
Anotações, tarefas de programação e questionários de todos os cursos da especialização Deep Learning da Coursera oferecida pela deeplearning.ai: (i) Redes Neurais e Aprendizagem Profunda; (ii) Melhorando Redes Neurais Profundas: Ajuste de Hiperparâmetros, Regularização e Otimização; (iii) Estruturação de Projetos de Aprendizado de Máquina; (iv) Redes Neurais Convolucionais; (v) Modelos de Sequência
Uma biblioteca rápida para AutoML e otimização. Junte-se ao nosso Discord: https://discord.gg/Cppx2vSPVP.
Uma caixa de ferramentas Python para realizar otimização sem gradiente
Uma lista selecionada de artigos, tutoriais, slides e projetos de aprendizado de máquina automatizado
Pacote Python para AutoML em Dados Tabulares com Engenharia de Atributos, Ajuste de Hiperparâmetros, Explicações e Documentação Automática
Determined é uma plataforma de aprendizado de máquina de código aberto que simplifica o treinamento distribuído, o ajuste de hiperparâmetros, o rastreamento de experimentos e o gerenciamento de recursos. Funciona com PyTorch e TensorFlow.
Um framework de treinamento para agentes de aprendizado por reforço Stable Baselines3, incluindo otimização de hiperparâmetros e agentes pré-treinados.
A versão traduzida para chinês de "Approaching (Almost) Any Machine Learning Problem", endereço do documento online: https://ytzfhqs.github.io/AAAMLP-CN/
Interface de pesquisa baseada em Python para otimização de caixa preta e hiperparâmetros, fundamentada no Serviço Vizier interno do Google.
DomainBed é uma suíte para testar algoritmos de generalização de domínio
Robyn é um pacote de Modelagem de Mix de Marketing (MMM) experimental, com tecnologia de IA/ML e de código aberto da Meta Marketing Science. Nossa missão é democratizar o conhecimento de modelagem, inspirar a indústria através da inovação, reduzir o viés humano no processo de modelagem e construir uma forte comunidade de ciência de marketing de código aberto.
ShinkaEvolve: Rumo a uma Evolução de Programas Aberta e Eficiente em Amostras 🧬
Otimização leve com técnicas locais, globais, baseadas em população e sequenciais em espaços de busca mistos
SMAC3: Um Pacote de Otimização Bayesiana Versátil para Otimização de Hiperparâmetros
Uma Caixa de Ferramentas de Operações Composicionais para Otimização Bi-Nível Baseada em Gradientes
HyperView é um laboratório de estratégias TradingView com foco em terminal para baixar dados de mercado, backtesting de estratégias Python com comportamento similar ao Pine, e otimização de parâmetros SL/TP.
A stack completa de pós-treinamento para LLMs, além de RL para qualquer problema. SFT, DPO e RL agêntico em múltiplos turnos, com otimização evolutiva de hiperparâmetros integrada.
Curadoria de uma lista de pesquisas, ferramentas, projetos e outros recursos relacionados a AutoML
LibKGE - Uma biblioteca de incorporação de grafos de conhecimento para pesquisa reproduzível
OCTIS: Comparando Modelos de Tópicos é Simples! Um pacote python para otimizar e avaliar modelos de tópicos (aceito na trilha de demonstração da EACL2021)
A biblioteca AutoML mais limpa do mundo ✨ - Faça o ajuste fino de hiperparâmetros com as abstrações de pipeline corretas para escrever pipelines de produção de aprendizado profundo limpos. Permita que as etapas do seu pipeline tenham espaços de hiperparâmetros. Projete etapas no seu pipeline como componentes. Compatível com Scikit-Learn, TensorFlow e a maioria das outras bibliotecas, frameworks e ambientes MLOps.
Perguntas Frequentes
Qual é o repositório de #hyperparameter-optimization mais popular no GitHub?
O projeto de código aberto de #hyperparameter-optimization mais bem classificado no GitHub é ray-project/ray, com 44,352 estrelas. Ray é um motor de computação de IA. O Ray consiste em um runtime distribuído central e um conjunto de Bibliotecas de IA para acelerar cargas de trabalho de ML.
Quais linguagens de programação são mais usadas nos repositórios de #hyperparameter-optimization?
Entre os projetos de #hyperparameter-optimization mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, JavaScript, MDX.
Como é calculada a classificação dos repositórios de #hyperparameter-optimization?
Acompanhamos 55 repositórios ativos de código aberto marcados com #hyperparameter-optimization (com mais de 500 estrelas), totalizando 247,121 estrelas e uma média de 4,493 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.