#model-selection Репозитории
Откройте для себя 12 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #model-selection, с общим числом 27,154 звёзд (в среднем 2,262 на проект). Лидером этой темы является EpistasisLab/tpot, набравший 10,051 звёзд.
Всего репозиториев: 12
Инструмент автоматизированного машинного обучения на Python, оптимизирующий конвейеры машинного обучения с использованием генетического программирования.
Инструменты визуального анализа и диагностики для облегчения выбора моделей машинного обучения.
Передовой CLI-инструмент, который сканирует ваше оборудование и точно указывает, какие модели LLM или sLLM можно запускать локально, с полной интеграцией Ollama.
Комплексная библиотека для машинного обучения и численных вычислений. Применяйте машинное обучение с помощью Rust, опираясь на фундаментальные принципы.
Реализация/Руководство по использованию методов автоматизированного машинного обучения (AutoML) для статического/пакетного и онлайн/непрерывного обучения
Пакет Python для одновременной настройки гиперпараметров и выбора признаков для моделей градиентного бустинга.
Унифицированный интерфейс для алгоритмов оптимизации и экспериментов
Часто задаваемые вопросы
Какой репозиторий по теме #model-selection наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #model-selection на GitHub — EpistasisLab/tpot, набравший 10,051 звёзд. Инструмент автоматизированного машинного обучения на Python, оптимизирующий конвейеры машинного обучения с использованием генетического программирования.
Какие языки программирования чаще всего используются в репозиториях по теме #model-selection?
Среди наиболее высоко оценённых проектов по теме #model-selection на GitHub чаще всего используются языки программирования Jupyter Notebook, Python, JavaScript, Rust.
Как рассчитывается рейтинг репозиториев по теме #model-selection?
Мы отслеживаем 12 активных репозиториев с открытым исходным кодом, отмеченных тегом #model-selection (500 и более звёзд), с общим числом 27,154 звёзд и в среднем 2,262 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.