#machine-learning Репозитории
Всего репозиториев: 2,070
🤖 Примеры популярных алгоритмов машинного обучения в MatLab/Octave с примерами кода и математическими объяснениями
Omni SenseVoice: Высокоскоростное распознавание речи с временными метками слов 🗣️🎯
Генерируйте высококачественные синтетические данные, обучайте, измеряйте и оценивайте в рамках единого конвейера
Сборник материалов для начинающих по принципам диффузионных моделей и реализации кода на PyTorch
В этом репозитории представлена PIXIU — ресурс с открытым исходным кодом, включающий первые финансовые большие языковые модели (LLM), данные для инструктивного тюнинга и эталонные показатели для комплексной оценки финансовых LLM. Наша цель — непрерывно продвигать развитие финансового искусственного интеллекта (ИИ) с открытым исходным кодом.
API SemanticKITTI для визуализации набора данных, обработки данных и оценки результатов.
Это инструкции для "100 Days of ML Code" от Siraj Raval на YouTube
tfts: Модели глубокого обучения для временных рядов в TensorFlow
sbi — это пакет Python для имитационного вывода, разработанный для удовлетворения потребностей как исследователей, так и практиков. Нужен ли вам детальный контроль или простой в использовании интерфейс, sbi поможет вам.
Репозиторий содержит скрипты и ноутбуки, связанные со статистикой, машинным обучением, нейронными сетями, глубоким обучением, обработкой естественного языка, численными методами и автоматизацией.
BioNeMo Recipes: для создания и адаптации моделей ИИ в области разработки лекарств в масштабе
DiffWave — это быстрый, высококачественный нейронный вокодер и синтезатор волновых форм.
Высокопроизводительная векторная база данных, использующая параллельные вычисления на графах
🔥Машинное обучение/Глубокое обучение/Python/Большие модели/Мультимодальный/LLM/Глубокое обучение/Python/Интервью по алгоритмам/Учебник по NLP
Pythonic инструмент для оркестрации рабочих процессов машинного обучения/высокопроизводительных вычислений/квантовых вычислений в гетерогенных вычислительных средах.
Python фреймворк для компьютерного зрения и видеоаналитики "все включено"
Не заучивайте машинное обучение. Разберитесь в нём с первых принципов, включая инференс, CUDA, глубокое обучение, науку о данных и обучение с подкреплением.
onnx-go предоставляет возможность импорта предварительно обученной нейронной сети в Go без привязки к фреймворку или библиотеке.
PMLB: Большой кураторский репозиторий эталонных наборов данных для оценки алгоритмов контролируемого машинного обучения.
Самый быстрый JavaScript BPE Tokenizer Encoder Decoder для моделей GPT OpenAI (gpt-5, gpt-o*, gpt-4o и т. д.). Порт tiktoken от OpenAI с дополнительными функциями.
🚀 Catalyst — это библиотека C# для обработки естественного языка, созданная для скорости. Вдохновленная дизайном spaCy, она предлагает предобученные модели, поддержку из коробки для обучения встраиваний слов и документов, а также гибкие модели распознавания сущностей.
Трансформеры — это эффективные по выборке мировые модели. ICLR 2023, заметные топ-5%.
Мюнхенский крупномасштабный экстрактор мультимедийных признаков с открытым исходным кодом
🏅Современная обучаемая структура данных, которая обеспечивает быстрый поиск, поиск предшественника, диапазонный поиск и обновления в массивах из миллиардов элементов, используя на порядки меньше места, чем традиционные индексы
Council — это платформа с открытым исходным кодом для быстрой разработки и надежного развертывания специализированных приложений генеративного искусственного интеллекта
Самый атомарный способ обучения и вывода GPT на чистом C без зависимостей
Этот репозиторий содержит комплексный проект по компьютерному зрению/машинному обучению в футболе, который использует YOLO для обнаружения объектов, Kmeans для сегментации пикселей, оптический поток для отслеживания движения и перспективное преобразование для анализа движений игроков в футбольных видео.