#hyperparameter-optimization Репозитории
Откройте для себя 55 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #hyperparameter-optimization, с общим числом 247,121 звёзд (в среднем 4,493 на проект). Лидером этой темы является ray-project/ray, набравший 44,352 звёзд.
Всего репозиториев: 55
Ray — это движок вычислений ИИ. Ray состоит из основной распределённой среды выполнения и набора библиотек ИИ для ускорения нагрузок ML.
Руководство по систематическому повышению производительности моделей глубокого обучения.
Интерактивная книга по глубокому обучению с кодом для нескольких фреймворков, математикой и обсуждениями. Принята в 500 университетах из 70 стран, включая Stanford, MIT, Harvard и Cambridge.
Платформа для разработчиков ИИ. Используйте Weights & Biases для обучения и тонкой настройки моделей, а также для управления моделями от экспериментов до производства.
Инструмент автоматизированного машинного обучения на Python, оптимизирующий конвейеры машинного обучения с использованием генетического программирования.
В этом блокноте я создам полный процесс для предсказания движений цен акций. Следите за мной, и мы добьемся довольно хороших результатов. Для этой цели мы будем использовать Генеративно-Состязательную Сеть (GAN) с LSTM, видом Рекуррентной Нейронной Сети, в качестве генератора, и Сверточную Нейронную Сеть, CNN, в качестве дискриминатора. Мы используем LSTM по очевидной причине, что пытаемся предсказывать данные временных рядов. Почему мы используем GAN и конкретно CNN в качестве дискриминатора? Это хороший q
Заметки, задания по программированию и викторины по всем курсам специализации Deep Learning от Coursera, предлагаемой deeplearning.ai: (i) Нейронные сети и глубокое обучение; (ii) Улучшение глубоких нейронных сетей: настройка гиперпараметров, регуляризация и оптимизация; (iii) Структурирование проектов машинного обучения; (iv) Сверточные нейронные сети; (v) Модели последовательностей
Быстрая библиотека для AutoML и тюнинга. Присоединяйтесь к нашему Discord: https://discord.gg/Cppx2vSPVP.
Куратированный список статей, публикаций, руководств, слайдов и проектов по автоматизированному машинному обучению
Пакет Python для AutoML на табличных данных с инженерией признаков, настройкой гиперпараметров, объяснениями и автоматической документацией
Determined — это платформа машинного обучения с открытым исходным кодом, которая упрощает распределенное обучение, настройку гиперпараметров, отслеживание экспериментов и управление ресурсами. Работает с PyTorch и TensorFlow.
Тренировочная основа для агентов обучения с подкреплением Stable Baselines3, с оптимизацией гиперпараметров и включенными предварительно обученными агентами.
Approaching (Almost) Any Machine Learning Problem китайская версия, адрес онлайн-документации: https://ytzfhqs.github.io/AAAMLP-CN/
Интерфейс для исследований на основе Python для оптимизации по принципу «черного ящика» и гиперпараметров, основанный на внутреннем сервисе Google Vizier.
DomainBed — это набор инструментов для тестирования алгоритмов обобщения доменов
Robyn — это экспериментальный пакет для моделирования маркетинговой смеси (MMM) с открытым исходным кодом от Meta Marketing Science, работающий на базе ИИ/МО. Наша миссия — демократизировать знания в области моделирования, вдохновлять отрасль через инновации, уменьшать человеческие предубеждения в процессе моделирования и создавать сильное сообщество маркетинговых наук с открытым исходным кодом.
ShinkaEvolve: К открытой, неограниченной и эффективной по выборке эволюции программ 🧬
Легкая оптимизация с локальными, глобальными, популяционными и последовательными методами в смешанных областях поиска
Набор инструментов для композиционных операций для градиентной двухуровневой оптимизации
HyperView — это терминал-ориентированная лаборатория стратегий TradingView для загрузки рыночных данных, бэктестинга стратегий на Python с поведением, похожим на Pine, и оптимизации параметров SL/TP.
Полный стек постобучения для LLM, а также RL для решения любых задач. SFT, DPO и агентный RL с несколькими ходами, со встроенной эволюционной оптимизацией гиперпараметров.
Курация списка исследований, инструментов, проектов и других ресурсов, связанных с AutoML
OCTIS: Сравнение тематических моделей — это просто! Пакет Python для оптимизации и оценки тематических моделей (принят на демо-трек EACL2021)
Самая чистая библиотека AutoML в мире ✨ - Выполняйте настройку гиперпараметров с правильными абстракциями конвейера для написания чистых конвейеров производства глубокого обучения. Позвольте шагам вашего конвейера иметь пространства гиперпараметров. Проектируйте шаги в вашем конвейере как компоненты. Совместима с Scikit-Learn, TensorFlow и большинством других библиотек, фреймворков и сред MLOps.
Часто задаваемые вопросы
Какой репозиторий по теме #hyperparameter-optimization наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #hyperparameter-optimization на GitHub — ray-project/ray, набравший 44,352 звёзд. Ray — это движок вычислений ИИ. Ray состоит из основной распределённой среды выполнения и набора библиотек ИИ для ускорения нагрузок ML.
Какие языки программирования чаще всего используются в репозиториях по теме #hyperparameter-optimization?
Среди наиболее высоко оценённых проектов по теме #hyperparameter-optimization на GitHub чаще всего используются языки программирования Python, Jupyter Notebook, JavaScript, MDX.
Как рассчитывается рейтинг репозиториев по теме #hyperparameter-optimization?
Мы отслеживаем 55 активных репозиториев с открытым исходным кодом, отмеченных тегом #hyperparameter-optimization (500 и более звёзд), с общим числом 247,121 звёзд и в среднем 4,493 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.