#machine-learning Repositórios
2,070 repositórios no total
Aprendizado profundo descentralizado em PyTorch. Construído para treinar modelos em milhares de voluntários ao redor do mundo.
Redes Neurais de Passagem de Mensagens para Previsão de Propriedades Moleculares
Mais de 200 flashcards detalhados, úteis para revisar tópicos em aprendizado de máquina, visão computacional e ciência da computação.
Uma lista com curadoria de projetos e recursos fantásticos relacionados ao Argo (um projeto graduado da CNCF)
Uma biblioteca de codificadores de variáveis categóricas compatíveis com sklearn
Transforme qualquer computador ou dispositivo de borda em um centro de comando para seus projetos de visão computacional.
🤗 Evaluate: Uma biblioteca para avaliar facilmente modelos e conjuntos de dados de aprendizado de máquina.
Uma biblioteca Python que ajuda cientistas de dados a inferir causalidade em vez de observar correlação.
Métricas de aprendizado de máquina para aplicações PyTorch distribuídas e escaláveis.
Uma coleção de artigos de pesquisa sobre árvores de decisão, classificação e regressão com implementações.
Tutoriais de Jupyter Notebook sobre como resolver problemas do mundo real com Machine Learning e Deep Learning usando PyTorch. Tópicos: Detecção facial com Detectron 2, Detecção de anomalias em Séries Temporais com Autoencoders LSTM, Detecção de objetos com YOLO v5, Construa sua primeira Rede Neural, Previsão de Séries Temporais para casos diários de Coronavírus, Análise de Sentimentos com BER
Implementação PyTorch do SimCLR: Uma Estrutura Simples para Aprendizagem Contrastiva de Representações Visuais
Este repositório contém os exercícios e suas soluções contidos no livro "An Introduction to Statistical Learning" em python.
C-OCR é um projeto de OCR desenvolvido internamente pela Ctrip, que inclui principalmente o reconhecimento de documentos e materiais relacionados a viagens, como carteiras de identidade, passaportes, passagens de trem e vistos. O projeto é composto por 4 partes: rejeição de reconhecimento, detecção, reconhecimento e pós-processamento.
Um serviço de ranqueamento personalizado de Machine Learning (ML) com low code para artigos, listagens, resultados de pesquisa e recomendações, que impulsiona o engajamento do usuário. Um motor Learn-to-Rank amigável.
Uma lista selecionada de artigos de pesquisa sobre detecção de comunidades com implementações.
SDG é uma estrutura especializada projetada para gerar dados tabulares estruturados de alta qualidade.
Uma biblioteca intuitiva para adicionar funcionalidade de plotagem a objetos scikit-learn.
Machine Learning University: Accelerated Natural Language Processing Class
🍕 Repositório para juntar informações sobre materiais de estudo em análise de dados e áreas afins, empresas que trabalham com dados e dicionário de conceitos
🧠 Uma lista selecionada de recursos incríveis do ChatGPT, incluindo bibliotecas, SDKs, APIs e muito mais. 🌟 Por favor, considere apoiar este projeto dando uma estrela.
Um assistente de IA para desktop 100% privado e local. Sempre presente, pronto para participar de conversas. Compatível com ferramentas MCP e memória ilimitadas, além de aprendizado autônomo. Uma alternativa gratuita ao WisprFlow com suporte a ditado. Funciona no macOS, Windows e Linux.
Kit de ferramentas para aprendizado de máquina, processamento de linguagem natural e geração de texto em TensorFlow. Isso faz parte do projeto CASL: http://casl-project.ai/
Kashgari é um framework de Aprendizado por Transferência de PLN em nível de produção construído sobre o tf.keras para rotulagem de texto e classificação de texto, incluindo Word2Vec, BERT e GPT2 Language Embedding.
Execute, compile e depure JavaScript para Computação Científica e Visualização de Dados TOTALMENTE TOTALMENTE TOTALMENTE no seu NAVEGADOR! Um ambiente de computação científica de código aberto para JavaScript TOTALMENTE no seu navegador, operações de matriz com aceleração por GPU, suporte a TeX, visualização de dados e computação simbólica.
Diário de Aprendizado de Máquina para Tópicos Intermediários a Avançados.
Algoritmos de ML 2.000x mais rápidos, 50% menos uso de memória, funciona em todo hardware - novo e antigo.
Optax é uma biblioteca de processamento de gradientes e otimização para JAX.
Domine as habilidades essenciais necessárias para reconhecer e resolver problemas complexos do mundo real com Machine Learning e Deep Learning, aproveitando o ecossistema Python Machine Learning altamente popular.
Objectron é um conjunto de dados de clipes de vídeo curtos e centrados em objetos. Além disso, os vídeos também contêm metadados de sessão AR, incluindo poses da câmera, nuvens de pontos esparsas e planos. Em cada vídeo, a câmera se move ao redor e acima do objeto e o captura de diferentes ângulos. Cada objeto é anotado com uma caixa delimitadora 3D. A caixa delimitadora 3D descreve a posição, orientação e dimensões do objeto. O conjunto de dados contém cerca de 15 mil clipes de vídeo anotados e 4 milhões de imagens anotadas nas seguintes categorias.
Belas visualizações de como a linguagem difere entre os tipos de documentos.
UpTrain é uma plataforma unificada de código aberto para avaliar e melhorar aplicações de IA Generativa. Fornecemos notas para mais de 20 verificações pré-configuradas (cobrindo casos de uso de linguagem, código e embeddings), realizamos análise da causa raiz em casos de falha e oferecemos insights sobre como resolvê-los.
Uma biblioteca Python para aumento de dados de áudio. Útil para fazer com que modelos de ML de áudio funcionem bem no mundo real, e não apenas no laboratório.
🔎 Monitore o treinamento do modelo de deep learning e o uso de hardware do seu celular 📱
Uma camada de orquestração unificada para computação de IA heterogênea. Ela padroniza o gerenciamento de recursos computacionais e a execução de treinamento e inferência em nuvens de GPU, Kubernetes, máquinas virtuais ou clusters bare metal.
Domine os fundamentos de aprendizado de máquina, aprendizado profundo e otimização matemática construindo conceitos e modelos chave do zero usando Python.
Um pacote Python para avaliar e melhorar a justiça dos modelos de aprendizado de máquina.
O objetivo do CLAIMED é permitir que a programação de prototipagem rápida no estilo low-code/no-code seja integrada perfeitamente via CI/CD em produção.