#neural-networks Репозитории
Всего репозиториев: 277
Программный стек Google DeepMind для физически основанной симуляции и окружений Reinforcement Learning, использующий MuJoCo.
Заметки, задания по программированию и викторины по всем курсам специализации Deep Learning от Coursera, предлагаемой deeplearning.ai: (i) Нейронные сети и глубокое обучение; (ii) Улучшение глубоких нейронных сетей: настройка гиперпараметров, регуляризация и оптимизация; (iii) Структурирование проектов машинного обучения; (iv) Сверточные нейронные сети; (v) Модели последовательностей
Простые реализации на чистом Python базовых алгоритмов машинного обучения
[ICML 2024] Vision Mamba: Эффективное обучение визуальным представлениям с помощью двунаправленной модели пространства состояний
🧠💬 Статьи, которые я написал о машинном обучении, из архива MachineCurve.com.
Hummingbird компилирует обученные ML-модели в тензорные вычисления для более быстрого вывода.
[NeurIPS 2024] Официальный код для PuLID: Чистая и молниеносная настройка идентификаторов с помощью контрастного выравнивания
🛠 Универсальный веб-ориентированный IDE, специализированный на машинном обучении и науке о данных.
Обширная коллекция ресурсов, связанных с KAN (Kolmogorov-Arnold Network), включая библиотеки, проекты, учебные пособия, статьи и многое другое, для исследователей и разработчиков в области Kolmogorov-Arnold Network.
Все заметки и материалы для курса CS229: Машинное обучение Стэнфордского университета
Открытый шахматный движок на основе нейронной сети с ускорением GPU и широкой поддержкой оборудования.
Это репозиторий, созданный для помощи новичкам в машинном обучении или тем, кто готовится к изучению. (This repository is intended for helping those who are beginners in machine learning or preparing for study)
Каталог руководств и репозиториев с открытым исходным кодом для работы с Keras, библиотекой глубокого обучения на Python
восхитительный инструмент машинного обучения, который позволяет обучать, тестировать и использовать модели без написания кода
Элегантные простые в использовании нейронные сети + научные вычисления в JAX. https://docs.kidger.site/equinox/
Краткий курс из шести эпизодов для разработчиков ПО, желающих стать практиками машинного обучения.
Курируемый список ресурсов по неявным нейронным представлениям.
Децентрализованное глубокое обучение в PyTorch. Создано для обучения моделей на тысячах волонтеров по всему миру.
Высокоэффективные операторы вывода нейронных сетей с плавающей запятой для мобильных устройств, серверов и Интернета
Сервис машинного обучения с низким уровнем кода для персонализированного ранжирования статей, листингов, результатов поиска, рекомендаций, который повышает вовлеченность пользователей. Дружелюбный движок Learn-to-Rank
Исходный код PyGAD, библиотеки Python 3 для создания генетического алгоритма и обучения алгоритмов машинного обучения (Keras & PyTorch).
Численные решатели дифференциальных уравнений в JAX. С поддержкой автоматического дифференцирования и GPU. https://docs.kidger.site/diffrax/
Глубокое и онлайн обучение с использованием спайковых нейронных сетей на Python
Python-инструментарий/библиотека для ориентированного на реальность машинного/глубокого обучения и дата-майнинга на частично наблюдаемых временных рядах, с более чем 50 моделями нейронных сетей SOTA для задач научного анализа (импутация, классификация, кластеризация, прогнозирование, обнаружение аномалий, очистка) на неполных промышленных нерегулярно выборочных многомерных ВР с пропущенными значениями NaN
Параллельные вычисления и научное машинное обучение (SciML): Методы и приложения (MIT 18.337J/6.338J)
Машины непрерывного мышления, потому что мышление требует времени, а рассуждение — это процесс.
Коллекция из более чем 1000 обзорных статей по обработке естественного языка (NLP) и машинному обучению (ML).
Инструментарий для нейронной иерархической многометочной классификации текстов с открытым исходным кодом