machine-learning

Visualisieren Sie jeden Datensatz beliebiger Größe automatisch mit nur einer Zeile Code. Erstellt von Ram Seshadri. Mitarbeit willkommen. Erlaubnis auf Anfrage erteilt.

Ein Paket zur dünnbesetzten Identifikation nichtlinearer dynamischer Systeme aus Daten

Eine kuratierte Liste von großartigen Arbeiten, Bibliotheken, Datensätzen und anderen Ressourcen zur Sprecherdiarisierung.

Ein inoffizielles C#/.NET-SDK für den Zugriff auf die OpenAI GPT-3-API

Die Petastorm-Bibliothek ermöglicht das Training und die Evaluierung von Deep-Learning-Modellen auf einzelnen Maschinen oder verteilt aus Datensätzen im Apache Parquet-Format. Sie unterstützt ML-Frameworks wie Tensorflow, Pytorch und PySpark und kann aus reinem Python-Code heraus verwendet werden.

Eine kuratierte Liste von Arbeiten und Ressourcen zur graph- und transformerbasierten Betrugs-, Anomalie- und Ausreißererkennung

Natural Gradient Boosting für probabilistische Vorhersagen.

Genetische Programmierung in Python, mit einer von scikit-learn inspirierten API.

Rust-Bibliothek und CLI-Tool für OCR (Extrahieren von Text aus Bildern)

Das selbstkodierende System für Ihre App — Alan AI SDK für iOS

Ein Python-Paket zur Zeitreihenklassifizierung

Intelligenter Trading-Bot: Automatische Generierung von Signalen und Handel basierend auf maschinellem Lernen und Feature-Engineering.

Core ML Model Zoo für iOS/macOS – PyTorch-Modelle konvertiert in einsatzbereite .mlpackage, jeweils mit Konvertierungsskript und SwiftUI-Beispiel-App. Verwandte Repositories decken Apples Core AI Framework (iOS/macOS 27) und On-Device-LLMs ab.

😎 Eine aktuelle und kuratierte Liste großartiger Papers, Methoden und Ressourcen zum semi-überwachten Lernen.

Ein umfassender Leitfaden zur Entwicklung von RAG-basierten LLM-Anwendungen für die Produktion.

Offizieller Code für „DPM-Solver: A Fast ODE Solver for Diffusion Probabilistic Model Sampling in Around 10 Steps“ (NeurIPS 2022 Oral)

Ein universelles probabilistisches Programmiersystem mit programmierbarer Inferenz

Eigenständige Machine-Learning- und Natural-Language-Processing-Bibliothek in Go.

Skalierbare LLM-Inferenz-Engine

(IROS 2020, ECCVW 2020) Offizielle Python-Implementierung für „3D Multi-Object Tracking: A Baseline and New Evaluation Metrics“

Byzer (ehemals MLSQL): Eine Low-Code-Open-Source-Programmiersprache für Daten-Pipelines, Analytics und KI.

Die Responsible AI Toolbox ist eine Suite von Tools, die Benutzeroberflächen und Bibliotheken zur Modell- und Datenexploration sowie -bewertung bereitstellt, um ein besseres Verständnis von KI-Systemen zu ermöglichen. Diese Oberflächen und Bibliotheken befähigen Entwickler und Stakeholder von KI-Systemen, KI verantwortungsvoller zu entwickeln und zu überwachen sowie bessere datengestützte Entscheidungen zu treffen.

🤖 Interaktive Experimente zum maschinellen Lernen: 🏋️ Modultraining + 🎨 Modell-Demo

Ungefähre Liste meiner bevorzugten Deep-Learning-Ressourcen, nützlich zum Wiederholen von Themen oder als Referenz. Ich habe alle dort aufgeführten Inhalte sorgfältig durchgearbeitet. – Guillaume Chevalier

Rust-Bibliothek für quantitative Finanzanalysen.

Das selbstkodierende System für Ihre App — Alan AI SDK für Android

Interpretierbarkeit und Erklärbarkeit von Daten und Machine-Learning-Modellen

Einige großartige KI-bezogene Bücher und PDFs zum Lernen und Herunterladen, einschließlich einiger Playground-Modelle zum Üben

Gemeinsames Repository für Open-Source-Projekte des Google AI Language Teams.

Plattformübergreifendes, GPU-beschleunigtes Whisper 🏎️