#machine-learning Repositórios
2,070 repositórios no total
A maneira mais fácil de servir aplicativos e modelos de IA - Crie APIs de Inferência de Modelo, filas de tarefas (Job queues), aplicativos LLM, pipelines multimodelos e muito mais!
Módulo de mineração web para Python, com ferramentas para web scraping, processamento de linguagem natural, aprendizado de máquina, análise de rede e visualização.
🧙 Construa, execute e gerencie pipelines de dados para integrar e transformar dados.
Uma biblioteca python criada para capacitar desenvolvedores a construir aplicações e sistemas com capacidades de Visão Computacional autônomas
Vowpal Wabbit é um sistema de aprendizado de máquina que impulsiona a fronteira do aprendizado de máquina com técnicas como aprendizado online, hashing, allreduce, reduções, learning2search, ativo e interativo.
Guia Definitivo de Entrevistas sobre Deep Learning (incluindo Matemática, Machine Learning, Deep Learning, Visão Computacional, Processamento de Linguagem Natural e SLAM)
Modelos de linguagem grandes acessíveis via quantização k-bit para PyTorch.
DataFrame híbrido Apache Arrow/NumPy com suporte 'out-of-core' para Python, ML, visualização e exploração de grandes dados tabulares, processando um bilhão de linhas por segundo 🚀
Qwen-Image é um poderoso modelo de base para geração de imagens, capaz de renderização complexa de texto e edição precisa de imagens.
DoWhy é uma biblioteca Python para inferência causal que suporta modelagem explícita e teste de suposições causais. DoWhy é baseado em uma linguagem unificada para inferência causal, combinando modelos gráficos causais e frameworks de resultados potenciais.
Um recurso para aprender sobre Aprendizado de Máquina e Aprendizado Profundo
BoxMOT: rastreamento multiobjeto modular em Python e C++ para caixas alinhadas aos eixos e orientadas, agora com implantação via Helm para rastreamento contínuo de câmeras no Kubernetes.
Contém Soluções e Notas para a Especialização em Aprendizado de Máquina da Universidade de Stanford e Deeplearning.ai - Coursera (2022), pelo Prof. Andrew NG
Diga adeus ao tédio! Dedicamo-nos a criar exemplos práticos de Python. Encontre mais tutoriais de Python de qualidade em https://ai-jupyter.com
Um Extrator de dados da web Inteligente, Automático, Rápido e Leve para Python
Evidently é uma estrutura de observabilidade de ML e LLM de código aberto. Avalie, teste e monitore qualquer sistema com IA ou pipeline de dados. De dados tabulares a Gen AI. Mais de 100 métricas.
Código de acompanhamento em "Tutorial prático de treinamento de modelos Pytorch"
Cadernos e código para o livro "Introdução ao Aprendizado de Máquina com Python"
Equações e diagramas clássicos em aprendizado de máquina
22 técnicas de engenharia de prompts com tutoriais práticos em Jupyter Notebook, de conceitos fundamentais a estratégias avançadas para alavancar LLMs.
Biblioteca Python do Stanford NLP para tokenização, segmentação de frases, NER e análise sintática de muitas línguas humanas
Framework flexível e poderoso para gerenciar múltiplos agentes de IA e lidar com conversas complexas
Orquestração distribuída e type-safe de agentes, pipelines de ML e inferência em tempo real no seu k8s — em Python puro com async/await, além de outras linguagens (Rust, Go e TypeScript)
Torne-se um pesquisador/engenheiro de IA/ML de elite com este livro didático não convencional que aborda matemática, computação e aprendizado de máquina com intuição.
Livro_3_《Elementos da Matemática》 | Livro da Íris: Do Adição, Subtração, Multiplicação e Divisão ao Aprendizado de Máquina; Disponível; Boas-vindas a continuar corrigindo erros, os alunos com mais correções ainda terão livros de presente!
Uma biblioteca Python de código aberto para engenharia de recursos automatizada
Este é o código para "Aprenda Machine Learning em 3 Meses" de Siraj Raval no Youtube
Guia detalhado e personalizado para estudantes de graduação ou qualquer pessoa que queira se aprofundar no campo da IA com uma base sólida.
H2O é uma Plataforma de Aprendizado de Máquina de Código Aberto, Distribuída, Rápida e Escalável: Deep Learning, Gradient Boosting (GBM) e XGBoost, Random Forest, Generalized Linear Modeling (GLM com Elastic Net), K-Means, PCA, Generalized Additive Models (GAM), RuleFit, Support Vector Machine (SVM), Stacked Ensembles, Automatic Machine Learning (AutoML), etc.
Tutorial de introdução ao sistema de recomendação, endereço de leitura online: https://datawhalechina.github.io/fun-rec/
Coleção de modelos generativos, por exemplo GAN, VAE em Pytorch e Tensorflow.
Uma lista selecionada de notebooks e bibliotecas de aprendizado de máquina e ciência de dados aplicados em diversas indústrias (por @firmai)
O framework de orquestração multiagente de nível empresarial. Site: https://swarms.ai
Formato Lakehouse Aberto para IA Multimodal. Converta de Parquet em 2 linhas de código para acesso aleatório 100x mais rápido, índice vetorial e versionamento de dados. Compatível com Pandas, DuckDB, Polars, Pyarrow e PyTorch, com mais integrações em breve.