machine-learning

Ein Repository mit potenziellen Quellen zur Vorbereitung auf Data Science- und Machine Learning-Interviews. Regelmäßig werden neue Ressourcen hinzugefügt.

Towhee ist ein Framework, das darauf ausgerichtet ist, Pipelines zur Verarbeitung neuronaler Daten einfach und schnell zu machen.

PennyLane ist eine Open-Source-Quantensoftwareplattform für Quantencomputing, Quanten-Maschinelles-Lernen und Quantenchemie. Erstellen Sie aussagekräftige Quantenalgorithmen, von der Inspiration bis zur Implementierung.

Saubere, robuste und einheitliche PyTorch-Implementierung beliebter Deep Reinforcement Learning (DRL)-Algorithmen (Q-learning, Duel DDQN, PER, C51, Noisy DQN, PPO, DDPG, TD3, SAC, ASL)

🦦 Otter, ein multimodales Modell basierend auf OpenFlamingo (Open-Source-Version von DeepMinds Flamingo), trainiert auf MIMIC-IT mit verbesserten Fähigkeiten zur Befehlsausfolgung und zum In-Context-Lernen.

:fire: Machine-Learning-Notebooks

Lernen Sie, wie man produktionsbereite ML-Anwendungen entwirft, entwickelt, bereitstellt und iteriert.

.NET Standard Bindings für Googles TensorFlow zur Entwicklung, zum Training und zur Bereitstellung von Machine-Learning-Modellen in C# und F#.

OP Vault ChatGPT: Verleiht ChatGPT ein Langzeitgedächtnis mithilfe des OP Stack (OpenAI + Pinecone Vector Database). Laden Sie Ihre eigenen benutzerdefinierten Wissensbasis-Dateien (PDF, txt, epub usw.) über ein einfaches React-Frontend hoch.

Beschleunigte Deep-Learning-Forschung und -Entwicklung

Eine Bibliothek für Audio- und Musikanalyse sowie Merkmalsextraktion.

Buch 7 „Maschinelles Lernen“ | Iris-Buch: Von Grundrechenarten zum maschinellen Lernen; Feedback und Korrekturen sind willkommen.

Lazy Predict hilft dabei, viele Basismodelle mit wenig Code zu erstellen und zu verstehen, welche Modelle ohne Parametersuche besser funktionieren.

Drop-in-Ersatz für Apache Spark, geschrieben in Rust, der Batch-Verarbeitung, Stream-Verarbeitung und rechenintensive KI-Workloads vereint.

Liste von AI Residency-Programmen

Bände 1 und 2 von „Lineare Algebra ist nicht schwer“ aus der Reihe „Mathematik ist nicht schwer“, 66 Themen komplett; Kritik und Korrekturen sind willkommen.

Das offizielle Repository für ROOT: Analyse, Speicherung und Visualisierung von Big Data für die Wissenschaft

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

JAX-basierte Bibliothek für neuronale Netze

Ein Repository zur Unterstützung von Einsteigern im Bereich Machine Learning oder Personen, die eine Lerngruppe vorbereiten.

Erstellen Sie ein modernes LLM von Grund auf. Jede Zeile kommentiert. Einfach erklärt.

🔅 Shapash: Benutzerfreundliche Erklärbarkeit und Interpretierbarkeit zur Entwicklung zuverlässiger und transparenter Machine-Learning-Modelle

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

Sorgfältig kuratierte Ressourcenvinks für Data Science an einem Ort

Open-Source-Deep-Learning-Framework zum Erstellen, Trainieren und Feinabstimmen von Deep-Learning-Modellen mithilfe modernster Physics-ML-Methoden

Implementierung von Dreambooth mittels Textual Inversion für Stable Diffusion. Optimierungen mit Fokus auf das Training von Gesichtern, Objekten und Stilen.

📚 Jupyter Notebook Tutorials für OpenVINO™

Die Compute Library ist eine Sammlung von Computer-Vision- und Machine-Learning-Funktionen, die mittels SIMD-Technologien für Arm-CPUs und -GPUs optimiert sind.

Das Toolkit für maschinelles Lernen zur Zeitreihenanalyse in Python

Liste von Tools und Datensätzen zur Anomalieerkennung bei Zeitreihendaten.