deep-neural-networks

Augmentierungs-Pipeline zur Simulation von Prozessen wie Drucken, Faxen, Scannen und Kopieren von Dokumenten

ProphitBet ist eine Machine-Learning-Anwendung zur Vorhersage von Fußballwetten. Sie analysiert die Form von Teams, berechnet Spielstatistiken und prognostiziert Spielergebnisse mithilfe fortschrittlicher Machine-Learning-Methoden (ML). Unterstützte Algorithmen sind neuronale Netze, Random Forests und Ensemble-Modelle.

LCNN: End-to-End Wireframe-Parsing

Python-Skript zur automatischen Segmentierung von Börsendaten (Striche, Liniensegmente, Zentren, Kauf-/Verkaufspunkte) basierend auf High/Low-Kursdaten.

Ein multimodaler Großdatensatz für Autos mit numerischen Strömungssimulationen und Benchmarks für Deep Learning.

Kuratierte Liste öffentlich zugänglicher Machine-Learning-Kurse von CalTech, Columbia, Berkeley, MIT und Stanford.

Vollständiges Deep-Learning-Projekt aus dem Kurs Full Stack Deep Learning, Ausgabe 2022. Automatisch generiert von https://github.com/full-stack-deep-learning/fsdl-text-recognizer-2022.

Android-Bibliothek für Voice Activity Detection (VAD). Unterstützt WebRTC VAD GMM, Silero VAD DNN und Yamnet VAD DNN Modelle.