machine-learning

Interpretierbarkeitsmethoden für tf.keras-Modelle mit TensorFlow 2.x

Machine Learning University: Kurs für beschleunigte tabellarische Daten

Ein vollständiges, strukturiertes Hub zum Lernen von Künstlicher Intelligenz – umfasst KI, Machine Learning, Deep Learning und Data Science mit Büchern, Roadmaps und kuratierten Ressourcen vom Anfänger bis zum Fortgeschrittenen.

Das Devkit des nuPlan-Datensatzes.

Kursmaterialien für effiziente Deep-Learning-Systeme

Dies ist eine Liste interessanter Paper und Projekte zu TinyML.

KI-gesteuertes inverses Antennendesign mit echtem NEC2 + openEMS in der Schleife. Probieren Sie den Live-Browser-Playground aus.

KI-bezogene Tutorials. Greife kostenlos auf alle zu → https://towardsai.net/editorial

This Word Does Not Exist

Offizielle Implementierung von "ADBench: Anomaly Detection Benchmark", NeurIPS 2022.

Offizielles öffentliches Repository für PM4Py (Process Mining for Python) — eine Open-Source-Bibliothek zum Erkunden, Analysieren und Optimieren von Geschäftsprozessen mit Python.

Karriere-Ressourcen für Data Science, Machine Learning, Big Data und Business Analytics

Zur Beschleunigung und Vereinfachung des Bildbeschriftungs-/Annotationprozesses mit Unterstützung mehrerer Formate.

Lehrmaterialien für Dr. Waleed A. Yousef

Zentrale Anlaufstelle für die Engineering/Scaling WG: Dokumentation, SLURM-Skripte und -Logs, Rechenumgebung und Daten.

[IEEE T-KDE 2026] Awesome Deep Graph Clustering ist eine Sammlung von SOTA- und neuartigen Deep-Graph-Clustering-Methoden (Papers, Codes und Datensätze).

Eine zentrale, offene Ressource für Daten und Tools rund um Chain-of-Thought-Reasoning in großen Sprachmodellen. Entwickelt von der Samwald Research Group: https://samwald.info/

[MITWIRKEN WILLKOMMEN] Generalisierte additive Modelle in Python

Quellcode, Webseite und Demos für das What-If Tool

allRank ist ein Framework zum Trainieren von Learning-to-Rank-Neuronalen-Modellen basierend auf PyTorch.

Python-Paket für Graphenstatistiken

Praktische Code-Implementierung für „Machine Learning“ (Das Wassermelonen-Buch)

Erkennt das Reggaeton-Genre mithilfe von Machine Learning und sendet Pakete, um Bluetooth-Lautsprecher zu deaktivieren (hoffentlich)

Eine Machine-Learning-Bibliothek mit TypeScript-API und Rust-Backend. Kompatibel mit CUDA und WebGPU. Entwickelt, um zu verstehen, wie ML-Frameworks und -Modelle intern funktionieren.

Eine leistungsstarke Toolbox für topologisches maschinelles Lernen in Python

Eine Benchmark-Umgebung für vollständig kooperative Mensch-KI-Leistung.

Das Buch, das jeder Data Scientist auf dem Schreibtisch haben muss.

Eine Open-Source-Plattform für die Entwicklung von ML-Pipelines

Alles, was Sie über Active Learning (AL) wissen müssen.