hyperparameter-optimization

Ray ist ein AI-Rechen-Engine. Ray besteht aus einem Core-Distributed-Runtime und einer Reihe von AI-Bibliotheken zur Beschleunigung von ML-Workloads.

Interaktives Deep-Learning-Buch mit Multi-Framework-Code, Mathematik und Diskussionen. Wird an 500 Universitäten in 70 Ländern eingesetzt, darunter Stanford, MIT, Harvard und Cambridge.

Ein Framework zur Hyperparameter-Optimierung

Die AI-Entwicklerplattform. Nutzen Sie Weights & Biases zum Trainieren und Fine-Tuning von Modellen sowie zur Verwaltung von der Experimentierung bis zur Produktion.

Schnelles und präzises ML in 3 Zeilen Code

Ein automatisiertes Python-Tool für maschinelles Lernen, das ML-Pipelines mithilfe genetischer Programmierung optimiert.

Automatisiertes maschinelles Lernen mit scikit-learn

Eine schnelle Bibliothek für AutoML und Tuning. Treten Sie unserem Discord bei: https://discord.gg/Cppx2vSPVP.

Notizen, Programmieraufgaben und Tests aus allen Kursen der Coursera Deep Learning Specialization von deeplearning.ai: (i) Neural Networks and Deep Learning; (ii) Improving Deep Neural Networks: Hyperparameter tuning, Regularization and Optimization; (iii) Structuring Machine Learning Projects; (iv) Convolutional Neural Networks; (v) Sequence Models

Eine kuratierte Liste von Arbeiten, Artikeln, Tutorials, Folien und Projekten zum automatisierten maschinellen Lernen

KI-Infra / KI-Orchestrierung / KI-Control-Plane

Python-Paket für AutoML auf tabellarischen Daten mit Feature Engineering, Hyperparameter-Tuning, Erklärungen und automatischer Dokumentation

Determined ist eine Open-Source-Plattform für maschinelles Lernen, die verteiltes Training, Hyperparameter-Tuning, Experimentverfolgung und Ressourcenverwaltung vereinfacht. Funktioniert mit PyTorch und TensorFlow.

Eine Bibliothek zur Hyperparameter-Optimierung für Keras

Ein Trainings-Framework für Reinforcement-Learning-Agenten von Stable Baselines3, einschließlich Hyperparameter-Optimierung und vortrainierten Agenten.

Python-basierte Forschungsschnittstelle für Blackbox- und Hyperparameter-Optimierung, basierend auf dem internen Google Vizier Service.

Hyperparameter-Experimente mit TensorFlow und Keras

Robyn ist ein experimentelles, KI/ML-gestütztes und Open-Source-Paket für Marketing Mix Modeling (MMM) von Meta Marketing Science. Unsere Mission ist es, Modellierungswissen zu demokratisieren, die Branche durch Innovation zu inspirieren, menschliche Verzerrungen im Modellierungsprozess zu reduzieren und eine starke Open-Source-Community für Marketing Science aufzubauen.

Leichtgewichtige Optimierung mit lokalen, globalen, populationsbasierten und sequenziellen Techniken über gemischte Suchräume hinweg

SMAC3: Ein vielseitiges Bayes-Optimierungspaket für Hyperparameter-Optimierung

HyperView ist ein terminal-zentriertes TradingView-Strategielabor zum Herunterladen von Marktdaten, Backtesting von Python-Strategien mit Pine-ähnlichem Verhalten und Optimieren von SL/TP-Parametern.

Optimierung von Reinforcement Learning mit RLOps. State-of-the-Art-RL-Algorithmen und -Tools mit 10-mal schnellerem Training durch evolutionäre Hyperparameter-Optimierung.

LLM-Agenten als Hyperparameter-Optimierer.

Beispiele für https://github.com/optuna/optuna

OCTIS: Topic-Modelle vergleichen ist einfach! Ein Python-Paket zur Optimierung und Evaluierung von Topic-Modellen (angenommen beim EACL2021 Demo Track)

Echtzeit-Web-Dashboard für Optuna.

Automatisiertes Modellierungs- und Machine-Learning-Framework FEDOT.

Die sauberste AutoML-Bibliothek der Welt ✨ - Hyperparameter-Tuning mit den richtigen Pipeline-Abstraktionen für saubere Deep-Learning-Produktions-Pipelines. Ermöglicht Hyperparameter-Räume in Pipeline-Schritten. Kompatibel mit Scikit-Learn, TensorFlow und den meisten anderen Bibliotheken, Frameworks und MLOps-Umgebungen.

Code für IDS-ML: Entwicklung von Intrusion-Detection-Systemen mit Machine-Learning-Algorithmen (Entscheidungsbaum, Random Forest, Extra Trees, XGBoost, Stacking, k-Means, Bayes-Optimierung..)

Ein Python-Paket zur gleichzeitigen Hyperparameter-Optimierung und Merkmalsauswahl für Gradient-Boosting-Modelle.