hyperparameter-tuning

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

Die KI-Compute-Plattform für führende Teams. SkyPilot verwandelt fragmentierte KI-Rechenleistung in einen einzigen KI-Supercomputer, sodass fortschrittliche KI-Teams benutzerdefinierte Intelligenz schneller entwickeln können.

Automatisiertes maschinelles Lernen mit scikit-learn

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

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

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

Automatisiertes maschinelles Lernen auf Kubernetes

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

🔥 Ein autonomer KI-Agent, der Ihre Deep-Learning-Experimente rund um die Uhr im Schlaf ausführt. Kostenlose Überwachung, Leader-Worker-Architektur, konstanter Speicher.

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.

EvalML ist eine in Python geschriebene AutoML-Bibliothek.

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

Implementierung/Tutorial zur Nutzung von Automated Machine Learning (AutoML)-Methoden für statisches/Batch- und Online-/kontinuierliches Lernen

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.

Für Menschen erklärbare KI.