#machine-learning Repositórios
2,070 repositórios no total
Uma ferramenta para converter arquivos ONNX para LiteRT/TFLite/TensorFlow, código nativo do PyTorch (nn.Module), TorchScript (.pt), state_dict (.pt), Exported Program (.pt2) e Dynamo ONNX. Também suporta conversão direta de LiteRT para PyTorch.
Tencent Kona é uma distribuição gratuita e pronta para produção do Open Java Development Kit (OpenJDK), com suporte de longo prazo (LTS) e atualizações trimestrais. O Tencent Kona serve como o JDK padrão internamente na Tencent Cloud para computação em nuvem e outras aplicações Java.
Notas e soluções de exercícios da Parte I do livro: "Hands-On ML with Scikit-Learn, Keras & TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems", de Aurelien Geron
Repositório de Carreiras em Ciência de Dados, Aprendizado de Máquina, Big Data e Análise de Negócios com Recursos de Carreira
Recursos, exemplos e tutoriais para IA multimodal, RAG e agentes usando pesquisa vetorial e LLMs
Kit de ferramentas de percepção para treinamento e validação sim2real no Unity
Implementação agnóstica de framework para métodos de saliência de última geração (XRAI, BlurIG, SmoothGrad e outros).
Biblioteca de recursos para entrevistas de engenheiros de agentes de IA — experiências de entrevistas, requisitos das vagas e perguntas frequentes das principais empresas de tecnologia da China
allRank é uma estrutura para treinar modelos neurais de aprendizado para ranquear baseados em PyTorch.
Biblioteca para operações especializadas de matrizes densas e esparsas, e primitivas de deep learning.
O Sparkling Water oferece a funcionalidade do H2O dentro do cluster Spark
Uma biblioteca abrangente para aprendizado de máquina e computação numérica. Aplique aprendizado de máquina com Rust aproveitando os primeiros princípios.
Implementação Prática do Código do Livro 'Aprendizado de Máquina' (Livro da Melancia)
Um ambiente de referência para o desempenho cooperativo total entre humanos e IA.
🔍 LangKit: Um kit de ferramentas de código aberto para monitoramento de Modelos de Linguagem Grandes (LLMs). 📚 Extrai sinais de prompts e respostas, garantindo segurança e proteção. 🛡️ Os recursos incluem qualidade de texto, métricas de relevância e análise de sentimento. 📊 Uma ferramenta abrangente para observabilidade de LLM. 👀
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.
A ideia desta lista é coletar dados e algoritmos compartilhados relacionados a Modelos Morfáveis 3D. Você está convidado a contribuir para esta lista adicionando um 'pull request'. A lista original surgiu do seminário Dagstuhl sobre Modelos Morfáveis 3D https://www.dagstuhl.de/19102 em março de 2019.
Código-fonte para o modelo de diálogo ponta a ponta do artigo MultiWOZ (Budzianowski et al. 2018, EMNLP)
Um compilador poliédrico para expressar algoritmos de paralelismo de dados rápidos e portáteis
Uma Estrutura Python Eficiente, Escalável e Otimizada para Deep Forest (2021.2.1)
Um servidor de inferência escalável para modelos otimizados com OpenVINO™
Bootcamp no seu próprio ritmo sobre IA Generativa. Tutoriais sobre fundamentos de ML, Ollama, LLMs, RAGs, LangChain, LangGraph, Fine-tuning, DSPy e Agentes de IA (CrewAI), (Usando ChatGPT, gpt-oss, Claude, Qwen, Gemma, Llama, Gemini)
Uma caixa de ferramentas de aprendizado de máquina topológica de alto desempenho em Python
Foram selecionados mais de 10K+ projetos, abrangendo aprendizado de máquina, aprendizado profundo, NLP, GNN, sistema de recomendação, biomedicina, visão computacional, desenvolvimento front-end e back-end, etc. Que mais projetos excelentes sejam descobertos pelas pessoas. Continuaremos atualizando! Bem-vindo a dar uma estrela (star)!
Um módulo baseado em scikit-learn para classificação multi-rótulo et. al.
Hera torna o código Python fácil de orquestrar no Argo Workflows através de integrações Python nativas. Ele permite que você construa e submeta seus Workflows inteiramente em Python. ⭐️ Lembre-se de estrelar!
Desenvolvimento de Estratégias de Negociação de Opções utilizando Indicadores Técnicos e Métodos Quantitativos
Conjuntos de Dados de Áudio de IA (AI-ADS) 🎵, incluindo Voz, Música e Efeitos Sonoros, que podem fornecer dados de treinamento para IA Generativa, AIGC, treinamento de modelos de IA, desenvolvimento de ferramentas de áudio inteligentes e aplicações de áudio.
Modelos Transformer de BERT a GPT-4, ambientes de Hugging Face a OpenAI. Exemplos de fine-tuning, treinamento e engenharia de prompts. Uma seção bônus com ChatGPT, GPT-3.5-turbo, GPT-4 e DALL-E, incluindo inicialização rápida (jump starting) do GPT-4, conversão de fala em texto (speech-to-text), conversão de texto em fala (text-to-speech), geração de texto para imagem com DALL-E, Google Cloud AI, HuggingGPT e muito mais.
Kit de ferramentas Python, servidor MCP e habilidades de agente para análise de clickstream e logs de eventos reproduzíveis e auditáveis. Ajuda agentes de IA, cientistas de dados e analistas a construir, validar e verificar análises de produtos, UX quantitativa, jornadas do cliente, fluxos de usuário baseados em grafos, segmentação comportamental, testes A/B, modelos de mineração de processos e simulação de cadeias de Markov.
Código para "HyperNeRF: Uma Representação de Dimensão Superior para Campos de Radiância Neurais Topologicamente Variáveis".