#machine-learning 仓库
共 2,070 个仓库
全栈机器学习 (ML) 路线图涉及学习必要的技能和技术,以精通机器学习的各个方面,包括数据收集和预处理、模型开发、部署和维护。
CartoonGAN [Chen et al., CVPR18] 的 Pytorch 和 Torch 测试代码
Ollama 用于经典 ML 模型。AOT 编译器,将 XGBoost、LightGBM、scikit-learn、CatBoost 和 ONNX 模型转换为原生 C99 推理代码。加载一条命令,服务一条命令。比 Python 推理快 336 倍。
深度学习 Fabric (FfDL,发音为 fiddle) 是一个深度学习平台,在 Kubernetes 上以服务形式提供 TensorFlow、Caffe、PyTorch 等。
使用 TensorFlow LSTM(长短期记忆)神经网络进行时间序列预测以预测股票价格
BenchMARL是一个用于多智能体强化学习(MARL)基准测试的库。BenchMARL允许快速比较不同的MARL算法、任务和模型,同时系统地遵循其两大核心原则:可复现性和标准化。
ML-capsule 是一个专为没有导师或指导、希望学习机器学习的初学者和经验丰富的数据科学爱好者而设计的项目。通过我们的存储库,他们可以学习 ML、DL 以及许多相关技术,并通过各种真实项目为面试做好准备。
一个用于投资组合管理的轻量级深度强化学习框架。该项目探索了在高度模块化和可扩展的框架中将深度强化学习算法应用于股票交易的可能性。
[JMLR 2023] Quantus 是一个用于负责任地评估神经网络解释的可解释 AI 工具包
实现由Marcos López de Prado教授撰写的《机器学习在资产管理中的应用(量化金融要素)》中的代码片段、练习及实时数据应用。
训练可解释 ML 模型、解释 ML 模型以及针对准确性、歧视性和安全性的调试 ML 模型的技术示例。