#machine-learning Репозитории
Всего репозиториев: 2,070
Самый простой способ обслуживания AI-приложений и моделей - Создавайте API вывода моделей, очереди заданий, приложения LLM, конвейеры с несколькими моделями и многое другое!
Модуль веб-майнинга для Python с инструментами для скрапинга, обработки естественного языка, машинного обучения, анализа сетей и визуализации.
🧙 Создавайте, запускайте и управляйте конвейерами данных для интеграции и преобразования данных.
Библиотека Python, созданная для того, чтобы дать разработчикам возможность создавать приложения и системы с автономными возможностями компьютерного зрения
Vowpal Wabbit — это система машинного обучения, которая расширяет границы машинного обучения с помощью таких техник, как online, hashing, allreduce, reductions, learning2search, active и interactive learning.
Справка по собеседованиям по глубокой обучению (Включает математику, машинное обучение, глубокое обучение, компьютерное зрение, обработку естественного языка и SLAM и т.д.)
Доступные большие языковые модели через k-битную квантизацию для PyTorch.
Внеядерный гибридный DataFrame Apache Arrow/NumPy для Python, ML, визуализации и исследования больших табличных данных со скоростью миллиард строк в секунду 🚀
Qwen-Image — это мощная базовая модель для генерации изображений, способная выполнять сложное рендеринг текста и точное редактирование изображений.
DoWhy — это библиотека Python для причинно-следственной инференции, которая поддерживает явное моделирование и тестирование причинных предположений. DoWhy основана на едином языке для причинно-следственной инференции, объединяющем причинные графические модели и фреймворки потенциальных исходов.
Ресурс для изучения машинного обучения и глубокого обучения
BoxMOT: подключаемая система многоквартирного трекинга на Python и C++ для осевых и ориентированных ограничивающих рамок, теперь с развёртыванием через Helm для непрерывного отслеживания камер в Kubernetes.
Содержит решения и заметки для специализации по машинному обучению от Стэнфордского университета и Deeplearning.ai - Coursera (2022) от проф. Эндрю Ына
Самостоятельно размещаемый сервис управления фотографиями с открытым исходным кодом.
Прощай скука, посвящено созданию практических маленьких примеров Python. Больше добросовестных уроков Python на https://ai-jupyter.com
Evidently — это фреймворк с открытым исходным кодом для обеспечения наблюдаемости ML и LLM. Оценивайте, тестируйте и отслеживайте любую систему на базе ИИ или конвейер данных. От табличных данных до Gen AI. Более 100 метрик.
Сопутствующий код в «Практическом руководстве по обучению моделей PyTorch»
Блокноты и код для книги "Introduction to Machine Learning with Python"
22 техники инженерии промптов с практическими уроками в Jupyter Notebook, от фундаментальных концепций до продвинутых стратегий для использования LLM.
Библиотека Python от Stanford NLP для токенизации, сегментации предложений, NER и парсинга множества человеческих языков
Гибкая и мощная структура для управления несколькими ИИ-агентами и обработки сложных диалогов
Типобезопасная распределённая оркестрация агентов, ML-пайплайнов и инференса в реальном времени в вашем k8s — на чистом Python с async/await, а также на других языках (Rust, Go и TypeScript)
Станьте выдающимся исследователем/инженером в области ИИ/МО с помощью этого нестандартного учебника, который охватывает математику, вычисления и машинное обучение на основе интуиции.
Книга_3_《Элементы математики》 | Книга Ирис: от сложения, вычитания, умножения, деления до машинного обучения; В продаже; Добро пожаловать для дальнейшего исправления ошибок, студенты с большим количеством исправлений также получат подарочные книги!
Это код для "Learn Machine Learning in 3 Months" от Siraj Raval на Youtube
Подробное и адаптированное руководство для студентов бакалавриата или тех, кто хочет глубоко погрузиться в область искусственного интеллекта с прочной основой.
H2O — это Open Source, распределенная, быстрая и масштабируемая платформа машинного обучения: Deep Learning, Gradient Boosting (GBM) и XGBoost, Random Forest, Generalized Linear Modeling (GLM с Elastic Net), K-Means, PCA, Generalized Additive Models (GAM), RuleFit, Support Vector Machine (SVM), Stacked Ensembles, Automatic Machine Learning (AutoML) и т. д.
Вводное руководство по рекомендательным системам, адрес для онлайн-чтения: https://datawhalechina.github.io/fun-rec/
Коллекция генеративных моделей, напр. GAN, VAE в PyTorch и TensorFlow.
Куратированный список ноутбуков и библиотек по прикладному машинному обучению и анализу данных в различных отраслях (от @firmai)
Платформа оркестрации нескольких агентов корпоративного уровня. Веб-сайт: https://swarms.ai
Открытый формат Lakehouse для мультимодального ИИ. Конвертируйте из Parquet всего за 2 строки кода для 100-кратного ускорения произвольного доступа, векторного индекса и версионирования данных. Совместимо с Pandas, DuckDB, Polars, Pyarrow и PyTorch, а также ожидаются новые интеграции.