#machine-learning Репозитории
Всего репозиториев: 2,070
Курируемый список потрясающих приложений, курсов, демонстраций и функций Taichi.
Коллекция некоторых наборов данных для сегментации / детекции салиентности. Добро пожаловать в PR...:smile:
Мозг, который учится на непосредственном опыте. По умолчанию — Система 1: восприятие, память, пластичность и действие. Система 2 — опционально, для самонаблюдения и постепенных корректировок.
TimeCopilot: агентный фреймворк для прогнозирования. Созданный на основе больших языковых моделей (LLM) и базовых моделей временных рядов, он позволяет с помощью единого API строить прогнозы, проводить перекрёстную проверку и выявлять аномалии, используя несколько базовых моделей. От финансов и энергетики до веб-аналитики — TimeCopilot преобразует запросы на естественном языке в прогнозы, готовые к использованию в промышленной среде.
Маленький GPT, реализованный с нуля на чистом Go. Оптимизирован для понимания. Обучен на книгах Жюля Верна.
Кураторская коллекция общедоступных промышленных наборов данных.
Официальный пакет Roboflow для Python. Управляйте своими наборами данных, моделями и развертываниями. В Roboflow есть все необходимое для создания приложения компьютерного зрения.
Репозиторий ресурсов для машинного обучения в больших языковых моделях
Модуль для статистического обучения с особым акцентом на моделирование, зависящее от времени
Репозиторий для контента Community Mentor, связанного со специализацией по Data Science Университета Джонса Хопкинса на Coursera
Kokoro Web: Бесплатное преобразование текста в речь с помощью ИИ, онлайн или с самостоятельным размещением, совместимое с OpenAI!
Анализ патентов с использованием публичных наборов данных Google Patents в BigQuery
Human Preference Score v2: Надежный эталон для оценки человеческих предпочтений при синтезе изображений по тексту
Присоединяйтесь к сообществу в Discord для дальнейших обсуждений Neutone! https://discord.gg/VHSMzb8Wqp
Вероятность и статистика для науки о данных: Самодостаточное введение в теорию вероятностей и статистику для науки о данных, включая бесплатный пдф-файл, 103 тетради Python с использованием 23 реальных наборов данных, 118 видео с<bos>лайдами и решениями к 200 упражнениям
Приложение Electron для синтеза речи на основе машинного обучения с голосами конкретных персонажей из видеоигр
Полный жизненный цикл проекта по науке о данных
Потрясающий список работ по атакам на конфиденциальность в системах машинного обучения
Реализация/Руководство по использованию методов автоматизированного машинного обучения (AutoML) для статического/пакетного и онлайн/непрерывного обучения
Изучайте машинное обучение с программой Amazon ML Summer School 2026. Получите доступ к кратким обзорам сессий, вопросам с множественным выбором за предыдущие годы, вопросам по программированию и официальным тестовым материалам. Практикуйте модульные задания по программированию и создайте прочную основу для собеседований и реальных приложений.
Репозиторий для документации и примеров nvCOMP. nvCOMP — это библиотека для быстрой сжатия/распаковки без потерь на GPU, которую можно загрузить с https://developer.nvidia.com/nvcomp.
Хорошо протестированная многоязычная оценочная платформа для суммаризации текста.
Пайплайновые шаги для feature engineering и предобработки данных для подготовки к моделированию
Создавайте полностью функциональные модели компьютерного зрения с помощью PyTorch
В этом репозитории собраны некоторые коды, инкапсулирующие общепринятые алгоритмы в области машинного обучения. Большинство из них основаны на Numpy, Pandas или Torch. Вы можете углубить свое понимание связанных моделей и алгоритмов или изменить их, чтобы получить индивидуальный код, принадлежащий вам, обратившись к этому репозиторию.
Слайды об ИИ, заметки по статьям, конспекты занятий, записи в блогах и обзоры исследований.
Awesome Jev: практическое руководство по модели System One от TypeSafe, основанное на источниках, с SDK, живыми демонстрациями, инструментами для агентов и независимыми оценками.