#machine-learning Репозитории
Всего репозиториев: 2,070
MOA — это фреймворк с открытым исходным кодом для потоковой обработки больших данных. Он включает набор алгоритмов машинного обучения (классификация, регрессия, кластеризация, обнаружение выбросов, обнаружение дрейфа концепции и рекомендательные системы), а также инструменты для оценки.
Автоматическое ежедневное обновление статей Text-to-speech (TTS) с помощью Github Actions (Обновление каждые 12 часов)
Система рекомендаций фильмов на основе алгоритма рекомендаций совместной фильтрации, реализованного с помощью Mahout
Этот репозиторий включает руководства по использованию API TensorFlow Estimator для выполнения различных задач ML систематическим и стандартизированным способом.
Этот репозиторий содержит все проекты по анализу данных, над которыми я работал на Python.
Создайте 12 приложений для работы с данными на Python с помощью Streamlit
Исследовательское портфолио старшеклассника: 2 публикации, прошедшие рецензирование (IEEE, IJHSR), и 3 действующих проекта в областях машинного обучения, вдохновлённого квантовыми вычислениями, вычислительной биологии, биомедицинской визуализации, обучения с подкреплением для борьбы с лесными пожарами и исследований в области естественно-научного образования. Аффилирован со Stanford Medicine, UCLA COSMOS и UCSB SRA.
Простой и гибкий код для архитектур Reservoir Computing, таких как Echo State Networks
Бесплатный аудиодатасет произнесенных цифр. Аудиоверсия MNIST.
Заметки и материалы по математическому моделированию, машинному обучению/глубокому обучению/большим моделям (постоянно обновляется...).
Проект сосредоточен на отслеживании пропавших без вести людей. Мы используем обработку изображений и машинное обучение вместе с базой данных Postgres.
Быстрый офлайн-OCR для Node.js и C++. PP-OCRv6 с аппаратным ускорением Core ML / WebGPU — распознаёт текст на изображениях, предоставляя оценки уверенности и координаты. npm: @arcships/light-ocr
Двуязычные (китайский + английский) шпаргалки для собеседований по ML / LLM / diffusion / agent в рамках осеннего набора специалистов по ИИ — созданы с помощью ARIS /interview-cheatsheet и преобразованы посредством /render-html в одnofайловый HTML, который можно читать где угодно, — а также генератор академических домашних страниц с проверкой фактов по CV→DBLP и самостоятельно написанные блоги большого объёма 🌱
Расширение Polars для общих случаев использования в науке о данных
Awesome-LLM-Eval: тщательно подобранный список инструментов, наборов данных/бенчмарков, демонстраций, таблиц лидеров, статей, документов и моделей, в основном для оценки LLM. Тщательно подобранный список инструментов, бенчмарков/данных, демонстраций, рейтингов и больших моделей, в основном ориентированный на оценку базовых больших моделей, с целью исследования технологических границ генеративного ИИ.
Честный слой оценки преимущества для рынков прогнозов Kalshi — набор инструментов для ИИ-агентов (CLI, MCP-сервер, навык Claude), который измеряет, действительно ли вы обыгрываете рынок, а не просто заявляете об этом.
Воспроизводимое машинное обучение для обнаружения мошенничества с кредитными картами — практическое руководство
[CVPR 2024] Panda-70M: Создание подписей для 70 миллионов видео с использованием нескольких кросс-модальных учителей
Интуитивное руководство по регрессии гауссовских процессов
(AAAI' 20) Набор инструментов Python для комбинирования моделей машинного обучения
Ускорители решений Azure MLOps (v2). Готовые корпоративные шаблоны для развертывания ваших моделей машинного обучения на платформе Azure.
Автоматически разделяйте ваши модели PyTorch на несколько GPU для обучения и инференции
Легкий, портативный движок вывода ONNX на чистом C99 для встраиваемых устройств с поддержкой аппаратного ускорения.
Репозиторий довольно крутых наборов данных, которые я собрал для исследований в области сетевой науки и машинного обучения.
Реализация алгоритмов Inverse Reinforcement Learning (IRL) на Python/TensorFlow. Deep MaxEnt, MaxEnt, LPIRL
CAIRI Toolbox и Benchmark для обучения визуальным представлениям с учителем, частичным обучением и самообучением
ConvoKit — это набор инструментов для извлечения особенностей разговоров и анализа социальных явлений в разговорах. Он включает несколько больших наборов данных разговоров, а также скрипты, демонстрирующие использование набора инструментов на этих наборах данных.
Китайский перевод «Machine Learning: A Probabilistic Perspective» (Kevin P. Murphy) и реализации алгоритмов из книги на Python.
Пакет для обучения с подкреплением для Julia
🚀 Скорость 200×! Инструмент скачивания эпохи ИИ | Полное ускорение Docker/PyPI/HuggingFace/CRAN | Параллельное разделение + интеллектуальный кэш, пусть скачивание взлетает.
:chart_with_upwards_trend: Реализация восьми метрик оценки для определения сходства между двумя изображениями. Восемь метрик следующие: RMSE, PSNR, SSIM, ISSM, FSIM, SRE, SAM и UIQ.
Прогнозирование нагрузки электроэнергии Дели с использованием моделей ARIMA, RNN, LSTM и GRU
HISTDATA - Набор данных, состоящий из всех FX торговых пар / Нефти / Индексов акций. Простой API для получения 1-минутных данных (и тиковых данных) Исторических цен FX (актуально).
Этот код сопровождает статью «Trading with the Momentum Transformer: An Intelligent and Interpretable Architecture» (https://arxiv.org/pdf/2112.08534.pdf).
Пакет Python для обнаружения причинно-следственных связей путем обучения графической структуре байесовских сетей. Structure Learning, Parameter Learning, Инференции, Методы выборки.
Комплексное руководство для начинающих в области управления данными и искусственного интеллекта.