#machine-learning Репозитории
Всего репозиториев: 2,070
MRMR (Минимальная избыточность - Максимальная релевантность) для автоматического отбора признаков в больших масштабах.
🍇 GRAPE — это библиотека Rust/Python для обучения представлению графов для прогнозирования и оценки
Библиотека приобретения изображений для систем машинного зрения на базе GenICam
🎉 PILOT: Инструментарий для непрерывного обучения на основе предварительно обученных моделей
Monty — это фреймворк обучения сенсомоторным навыкам, основанный на теории тысячи мозгов неокортекса.
MatterSim: Глубинное обучение атомистической модели, охватывающей элементы, температуры и давления.
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.
Весь исходный код для «Robot Learning: A Tutorial». Присоединяйтесь, чтобы быть представленным в следующей итерации!
Записки к курсу Машинное обучение (Machine Learning) 2021 Spring профессора Ли Хонг-Ии Университета Тайвань (NTU)
Инструмент генерации данных для обучения ML на основе компьютерного зрения :rocket:
Учитесь на лучших статьях ведущих конференций | Oral Paper Skill — «Выделите» общие подходы из аннотаций 883 статей, представленных в формате Oral, чтобы сравнить и улучшить свою работу, а также проанализировать полученные знания · Skill + набор промптов (CN/EN). Учитесь на аннотациях 883 статей Oral, чтобы улучшить свои исследования и академическое письмо.
Подмножество модулей нейронных сетей PyTorch, написанных на Python с использованием Triton от OpenAI.
Инструменты для понимания того, как предсказания трансформеров строятся слой за слоем
[NeurIPS 2021] Многомасштабные эталоны для мультимодального обучения представления
Независимая от поставщика библиотека глубокого обучения TinyML, компилятор и фреймворк вывода для микрокомпьютеров и микроконтроллеров
Код для IDS-ML: разработка систем обнаружения вторжений с использованием алгоритмов машинного обучения (Дерево решений, случайный лес, экстремальные деревья, XGBoost, стекинг, k-средних, байесовская оптимизация..)
Этот репозиторий содержит код оценки для статьи «MMMU: Massive Multi-discipline Multimodal Understanding and Reasoning Benchmark for Expert AGI»
Шаблонное приложение FastAPI для предоставления готовых к производству моделей машинного обучения.
УСТАРЕЛО, теперь в sktime - вспомогательный пакет для глубокого обучения на основе TensorFlow
Недавние исследовательские статьи о фундаментальных моделях для комбинаторной оптимизации
В курсе «Генеративный ИИ с большими языковыми моделями (LLM)» вы изучите основы работы генеративного ИИ и то, как применять его в реальных приложениях.
Deep Learning Simplified — это репозиторий с открытым исходным кодом, содержащий проекты глубокого обучения от начального до продвинутого уровня для участников, которые хотят начать свой путь в глубоком обучении. URL Devfolio, https://devfolio.co/projects/deep-learning-simplified-f013
Еще одна языковая модель: вывод LLM на C++/CUDA, никаких библиотек, кроме ввода-вывода
Контентно-ориентированная рекомендательная система, которая рекомендует фильмы, похожие на фильмы, которые нравятся пользователю, и анализирует настроения рецензий, предоставленных пользователем
Аугментация изображений для компьютерного зрения. Только лицензия AGPL-3.0 или коммерческое лицензирование.
Документы AAAI 2024: Изучите обширную коллекцию инновационных исследовательских работ, представленных на одной из ведущих конференций по искусственному интеллекту. Беспрепятственно интегрируйте реализации кода для лучшего понимания. ⭐ испытайте передовые достижения в области искусственного интеллекта с помощью этого репозитория!
Типобезопасные инструменты, инференс на устройстве, мультиагентные рабочие процессы, память и защитные барьеры в единой нативной среде выполнения Swift
AI-in-a-Box использует опыт Microsoft по всему миру для разработки и предоставления решений в области ИИ и машинного обучения для технического сообщества. Наше намерение состоит в том, чтобы представить тщательно подобранную коллекцию ускорителей решений, которые могут помочь инженерам быстро и с минимальными усилиями создавать свои среды и решения в области ИИ/МО.
Modeltime объединяет модели прогнозирования временных рядов и машинное обучение в одной структуре
OWASP CycloneDX — это стандарт полной номенклатуры материалов (BOM) полного стека, который предоставляет расширенные возможности цепочки поставок для снижения киберрисков. SBOM, SaaSBOM, HBOM, AI/ML-BOM, CBOM, OBOM, MBOM, VDR и VEX
Фреймворк для быстрой реализации конвейеров обработки и эксплуатации данных
Этот репозиторий содержит все необходимое, чтобы стать экспертом в области машинного обучения
💭 Анализ тональности на основе аспектов: Transformer & Объяснимое МО (TensorFlow)