machine-learning

mlr3: Machine Learning in R – die nächste Generation

Ein Fork von gym-retro mit zusätzlichen Spielen, Emulatoren und unterstützten Plattformen

🦘 Multimedia-Datensätze im großen Stil erkunden

Reinforcement-Learning-Umgebungen für die Ampelsteuerung mit SUMO. Kompatibel mit Gymnasium, PettingZoo und gängigen RL-Bibliotheken.

torchview: PyTorch-Modelle visualisieren

Machine-Learning-Projekte mit Quellcode – Machine-Learning-Projekte für Anfänger, ML-Projekte für Abschlussarbeiten von Studenten, Machine-Learning-Projekte von Anfänger bis Fortgeschrittene

Microsoft AI for Good Lab – Biodiversitäts-Forschungszentrum. Open-Source-KI-Modelle, Edge-Geräte und Tools für Biodiversitätsüberwachung und Artenschutz. Ihre Quelle für MegaDetector, SPARROW, PytorchWildlife, Bioacoustics und mehr.

Notizen und Übungslösungen zu Teil I des Buches: „Hands-On ML with Scikit-Learn, Keras & TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems“ von Aurelien Geron

Bücher / PDFs / EPUBs für verschiedene Programmierbereiche. Lesen, wachsen und genießen 😊😊😊😊

Entwicklung von Optionshandelsstrategien mithilfe technischer Indikatoren und quantitativer Methoden.

:helicopter: Korpus für die Versicherungsbranche, Chatbot

Effizientes multiskalares 3D-Faltungsneuronennetzwerk zur Segmentierung medizinischer 3D-Scans

Wesentlicher Leitfaden, um bei AI/ML/DL/CV auf dem Laufenden zu bleiben

Ein leistungsstarkes und modulares Toolkit für Record Linkage und Duplikaterkennung in Python

🟣 LLM-Interviewfragen und -antworten zur Vorbereitung auf Ihr nächstes Vorstellungsgespräch für Machine Learning und Data Science im Jahr 2026.

Layer-Ausgaben und Gradienten in Keras. Ganz einfach.

Einführung in PyTorch, einschließlich Tensor-Initialisierung, Operationen, Indizierung und Reshaping.

Code und weiteres Material für das Buch „Deep Learning and the Game of Go“

Agenten bauen, die durch LLMs gesteuert werden

Der Hitchhiker's Guide zur Datenwissenschaft für das Gemeinwohl (Data Science for Social Good)

Mutter aller BCI-Benchmarks

Sammlung von R- und Python-Programmiercodes des Data Professor YouTube-Kanals.

Eine kuratierte Liste von Forschungsarbeiten zum Gradient Boosting inklusive Implementierungen.

Gestenerkennung via CNN. Implementiert in Keras + Tensorflow/Theano + OpenCV

Vollständiger Lernpfad für Agent-Ingenieure · Von Grund auf KI-Engineering meistern · 20 Phasen, 503 Lektionen · Vollständige chinesische Übersetzung + begleitende Website + animierte Erklärungsvideos · Leitfaden zur Ausbildung zum KI-Agenten-Ingenieur

Erweiterbares, effizientes Quantenalgorithmus-Design für Menschen

Skalierung eines Bildes um den Faktor 4 bei gleichzeitiger Generierung fotorealistischer Details.

RAFT enthält grundlegende, weit verbreitete Algorithmen und Primitiven für Machine Learning und Information Retrieval. Die Algorithmen sind CUDA-beschleunigt und bilden Bausteine zur einfacheren Erstellung von Hochleistungsanwendungen.

Schnelles und einfaches ressourcenbeschränktes Lernen von Deep-Network-Strukturen

Reine PyTorch-Implementierung des NVIDIA-Papers zum instantanen Training neuronaler Grafikprimitiven: https://nvlabs.github.io/instant-ngp/