#machine-learning Repositórios
2,070 repositórios no total
Um Roteiro Completo de ML (Aprendizado de Máquina) Full Stack envolve aprender as habilidades e tecnologias necessárias para se tornar proficiente em todos os aspectos do aprendizado de máquina, incluindo coleta e pré-processamento de dados, desenvolvimento, implantação e manutenção de modelos.
Uma abordagem orientada a modelos para construir agentes de IA em poucas linhas de código.
Implementação Original do Ajuste de Prompt (Prompt Tuning) de Lester, et al, 2021
👁 👂 Marcação inteligente de mídia para Nextcloud: reconhece rostos, objetos, paisagens, gêneros musicais
VectorFlow é um pipeline de incorporação de vetores de alto volume que ingere dados brutos, os transforma em vetores e os grava em um banco de dados vetorial de sua escolha.
Uma biblioteca para gerar e avaliar dados tabulares sintéticos para privacidade, justiça e aumento de dados.
Código de teste Pytorch e Torch do CartoonGAN [Chen et al., CVPR18]
Uma coleção de algoritmos de ponta para o treinamento, serviço e interpretação de modelos de Floresta de Decisão no Keras.
Cliente e Toolkit Python para DataFrames, Big Data, Machine Learning e ETL em Elasticsearch
Uma Plataforma de IA Conversacional de Código Aberto para Interfaces de Voz e Chatbots de Domínio Profundo.
Ollama para modelos ML clássicos. Compilador AOT que transforma modelos XGBoost, LightGBM, scikit-learn, CatBoost e ONNX em código de inferência nativo C99. Um comando para carregar, um comando para servir. 336x mais rápido que inferência em Python.
Artigos, código e conjuntos de dados sobre deep learning para detecção de objetos 3D.
Fabric for Deep Learning (FfDL, pronunciado 'fiddle') é uma Plataforma de Aprendizado Profundo que oferece TensorFlow, Caffe, PyTorch etc. como Serviço no Kubernetes
Previsão de preços de ações usando uma rede neural LSTM (memória de longo prazo) do TensorFlow para previsão de séries temporais
Biblioteca Rápida de Aprendizado Profundo (DLL) para C++ (ANNs, CNNs, RBMs, DBNs...)
BenchMARL é uma biblioteca para benchmarking de Multi-Agent Reinforcement Learning (MARL). BenchMARL permite comparar rapidamente diferentes algoritmos, tarefas e modelos MARL, ao mesmo tempo que se baseia sistematicamente em seus dois princípios fundamentais: reprodutibilidade e padronização.
ML-capsule é um projeto para iniciantes e entusiastas experientes em ciência de dados que não possuem um mentor ou orientação e desejam aprender aprendizado de máquina (Machine Learning). Usando nosso repositório, eles podem aprender ML, DL e muitas tecnologias relacionadas com diferentes projetos do mundo real e se preparar para entrevistas.
Uma estrutura leve de aprendizado por reforço profundo para gerenciamento de portfólio. Este projeto explora a possibilidade de aplicar algoritmos de aprendizado por reforço profundo à negociação de ações em uma estrutura altamente modular e escalável.
Acompanhe sua ciência de dados. A biblioteca Python de código aberto da Skore acelera o desenvolvimento de modelos de ML com relatórios de avaliação automatizados, orientações metodológicas inteligentes e análise abrangente de validação cruzada.
Um projeto sem fins lucrativos e de código aberto para tornar a Astrologia Védica facilmente acessível a todos.
Uma lista selecionada de projetos guiados de ciência de dados e IA para começar a construir seu portfólio
[JMLR 2023] Quantus é um kit de ferramentas de IA explicável para a avaliação responsável de explicações de redes neurais
Uma caixa de ferramentas baseada em Python com vários métodos em tomada de decisão, quantificação de incerteza e emulação estatística: multi-fidelidade, design experimental, otimização Bayesiana, quadratura Bayesiana, etc.
Uma biblioteca para treinar, avaliar, interpretar e colocar em produção modelos de florestas de decisão, como Random Forest e Gradient Boosted Decision Trees.
Implementação de trechos de código, exercícios e aplicação a dados em tempo real do livro Machine Learning para Gestores de Ativos (Elementos em Finanças Quantitativas) escrito pelo Prof. Marcos López de Prado.
Exemplos de técnicas para treinar modelos de ML interpretáveis, explicar modelos de ML e depurar modelos de ML quanto à precisão, discriminação e segurança.
Curso de Machine Learning Serverless para construir Serviços de Previsão habilitados para IA a partir de modelos e recursos
Pipeline de OCR multimodal otimizado para treinamento de ML (texto, figuras, matemática, tabelas, diagramas)
Processamento e criação de grades de dados espaciais, no estilo de aprendizado de máquina
🙌Coleção de mais de 234 projetos baseados em aprendizado de máquina, aprendizado profundo, visão computacional, processamento de linguagem natural e tudo mais. Mostre seu apoio dando ✨ neste repositório.
Uma lista curada de recursos incríveis para estratégias de investimento e trading quantitativo, com foco em aplicações de inteligência artificial e aprendizado de máquina em finanças.
Software de Reconhecimento Automático de Matrículas (ALPR) ou Reconhecimento Automático de Placas (ANPR) que funciona com qualquer câmara.