#machine-learning Репозитории
Всего репозиториев: 2,070
Полный стек ML (машинное обучение) Roadmap включает в себя изучение необходимых навыков и технологий для освоения всех аспектов машинного обучения, включая сбор и предварительную обработку данных, разработку моделей, развертывание и обслуживание.
Подход на основе моделей для создания ИИ-агентов всего за несколько строк кода.
👁 👂 Интеллектуальное тегирование медиа для Nextcloud: распознает лица, объекты, пейзажи, музыкальные жанры
VectorFlow — это конвейер встраивания векторов с высокой пропускной способностью, который принимает необработанные данные, преобразует их в векторы и записывает в выбранную вами базу данных векторов.
Библиотека для генерации и оценки синтетических табличных данных для обеспечения конфиденциальности, справедливости и дополнения данных.
Ресурсы для работы с временными рядами и последовательными данными
Код тестирования Pytorch и Torch для CartoonGAN [Chen et al., CVPR18]
Исследовательские notebooks с открытым исходным кодом от команды QuantConnect.
Коллекция передовых алгоритмов для обучения, обслуживания и интерпретации моделей Decision Forest в Keras.
Клиент и набор инструментов Python для DataFrames, Big Data, Machine Learning и ETL в Elasticsearch
Открытая платформа для разговорного ИИ для глубоких доменных голосовых интерфейсов и чат-ботов.
Ollama для классических моделей ML. Компилятор AOT, который преобразует модели XGBoost, LightGBM, scikit-learn, CatBoost и ONNX в нативный код вывода C99. Одна команда для загрузки, одна команда для обслуживания. В 336 раз быстрее, чем вывод на Python.
Статьи, код и наборы данных по глубокому обучению для обнаружения 3D-объектов.
Fabric for Deep Learning (FfDL, произносится fiddle) — это платформа для глубокого обучения, предлагающая TensorFlow, Caffe, PyTorch и т. д. как сервис на Kubernetes.
Прогнозирование цен на акции с использованием нейронной сети TensorFlow LSTM (долгая краткосрочная память) для прогнозирования временных рядов
BenchMARL — это библиотека для тестирования многоагентного обучения с подкреплением (MARL). BenchMARL позволяет быстро сравнивать различные алгоритмы, задачи и модели MARL, оставаясь при этом систематически основанным на двух основных принципах: воспроизводимости и стандартизации.
ML-capsule — это проект для начинающих и опытных энтузиастов в области науки о данных, у которых нет наставника или руководства, но которые хотят изучать машинное обучение. Используя наш репозиторий, они могут изучить ML, DL и многие смежные технологии на примере различных реальных проектов и подготовиться к собеседованиям.
Легковесный фреймворк глубокого обучения с подкреплением для управления портфелем. Этот проект исследует возможность применения алгоритмов глубокого обучения с подкреплением к торговле акциями в высоко модульном и масштабируемом фреймворке.
Отслеживайте свою Data Science. Открытая Python-библиотека Skore ускоряет разработку ML‑моделей с автоматизированными отчётами о оценке, интеллектуальными методическими рекомендациями и всесторонним анализом кросс‑валидации.
Некоммерческий проект с открытым исходным кодом, чтобы сделать ведическую астрологию легко доступной для всех.
Курируемый список управляемых проектов по науке о данных и ИИ для начала создания вашего портфолио
[JMLR 2023] Quantus — это инструментарий объяснимого ИИ для ответственной оценки объяснений нейронных сетей
Инструментарий на основе Python с различными методами в принятии решений, квантификации неопределённости и статистическом эмулировании: мульти-верность, экспериментальный дизайн, байесовская оптимизация, байесова квадратура и т. д.
Библиотека для обучения, оценки, интерпретации и внедрения в производство моделей деревьев решений, таких как Random Forest и Gradient Boosted Decision Trees.
Реализация фрагментов кода, упражнений и применение к реальным данным из книги "Машинное обучение для управляющих активами (Элементы количественных финансов)" профессора Маркоса Лопеса де Прадо.
Примеры техник для обучения интерпретируемых моделей ML, объяснения моделей ML и отладки моделей ML на предмет точности, дискриминации и безопасности.
Курс по серверлесс машинному обучению для создания сервисов прогнозирования с поддержкой ИИ из моделей и признаков
Мультимодальный OCR-конвейер, оптимизированный для обучения ML (текст, рисунки, математика, таблицы, диаграммы)
🙌Подборка из более чем 234 проектов, основанных на машинном обучении, глубоком обучении, компьютерном зрении, обработке естественного языка и многом другом. Покажите свою поддержку, ✨ этот репозиторий.
Кураторский список отличных ресурсов по количественным инвестиционным и торговым стратегиям, сфокусированный на применении искусственного интеллекта и машинного обучения в финансах.
Автоматическое распознавание номерных знаков (ALPR) или автоматическое распознавание автомобильных номеров (ANPR) программное обеспечение, работающее с любой камерой.