machine-learning

App, die mehrere Echtzeit-Diffusion-Model-Pipelines mit Diffusers demonstriert

Dieses Repository enthält Skripte und Notebooks zu den Themen Statistik, Machine Learning, Neuronale Netze, Deep Learning, NLP, numerische Methoden und Automatisierung.

SMT: Die Surrogate Modeling Toolbox

Erkennen der Programmiersprache eines Quellcodes

onnx-go ermöglicht den Import eines vortrainierten neuronalen Netzwerks in Go, ohne an ein Framework oder eine Bibliothek gebunden zu sein.

Jenetics – Genetischer Algorithmus, Genetische Programmierung, Grammatikalische Evolution, Evolutionsalgorithmus und multikriterielle Optimierung

NVIDIA Merlin ist eine Open-Source-Bibliothek für durchgehend GPU-beschleunigte Empfehlungssysteme, von Feature-Engineering und Vorverarbeitung bis hin zum Training von Deep-Learning-Modellen und der Inferenz in der Produktion.

ALiPy: Active Learning in Python ist eine Toolkit für aktives Lernen, mit dem Benutzer die Leistung von Active-Learning-Methoden bequem bewerten, vergleichen und analysieren können.

Evolutionsoptimierungsbibliothek für Go (genetischer Algorithmus, Partikelschwarmoptimierung, differential Evolution)

Ein Hochleistungs-Framework für die Bereitstellung von ML-Modellen mit dynamischem Batching und CPU/GPU-Pipelines zur vollständigen Ausnutzung Ihrer Rechenmaschine

Transformers sind mustereffiziente Weltmodelle. ICLR 2023, unter den besten 5%.

Backend, das den Dataset-Viewer auf Hugging Face Dataset-Seiten über eine öffentliche API betreibt.

SemanticKITTI-API zur Visualisierung von Datensätzen, Verarbeitung von Daten und Auswertung von Ergebnissen.

Ein Inferenzserver für Machine-Learning-Modelle mit Unterstützung für mehrere Frameworks, Multimodell-Bereitstellung und mehr

Code passend zu YouTube-Videos und Blogbeiträgen auf Medium.

Croissant ist ein High-Level-Format für Machine-Learning-Datensätze, das vier reichhaltige Ebenen zusammenführt.

🤖 MATLAB/Octave-Beispiele gängiger Machine-Learning-Algorithmen mit Codebeispielen und mathematischen Erklärungen

Workshop-Materialien zur Entwicklung intelligenter Lösungen auf OpenAI

Ein minimalistisches SOTA-LaTeX-OCR-Modell mit nur 20 Mio. Parametern, das im Browser läuft. Vollständige Trainings-Pipeline zur Selbstreproduktion verfügbar.

Web-App zur Vorhersage von Aktienmärkten basierend auf maschinellem Lernen und Sentiment-Analyse von Tweets (API-Schlüssel im Code enthalten). Das Frontend der Web-App basiert auf Flask und Wordpress. Die App prognostiziert die Aktienkurse der nächsten sieben Tage für jede vom Benutzer eingegebene Aktie unter NASDAQ oder NSE. Vorhersagen werden mit drei Algorithmen getroffen: ARIMA, LSTM, Lineare Regression. Die Web-App kombiniert das

MIDI- / symbolische Musik-Tokenizer für Deep-Learning-Modelle 🎶

PostgreSQL-Vektordatenbank-Erweiterung für die Entwicklung von KI-Anwendungen

tfts: Deep-Learning-Modelle für Zeitreihen in TensorFlow

Erforsche Machine Learning und Data Science mit Codespaces

Dieses Repository stellt PIXIU vor, eine Open-Source-Ressource mit den ersten großen Sprachmodellen (LLMs) für den Finanzsektor, Instruktions-Tuning-Daten und Evaluierungs-Benchmarks zur ganzheitlichen Bewertung von Finanz-LLMs. Unser Ziel ist es, die Open-Source-Entwicklung der künstlichen Intelligenz (KI) im Finanzwesen kontinuierlich voranzutreiben.

MONAI Label ist ein intelligentes, Open-Source-basiertes Bildkennzeichnungs- und Lernwerkzeug.

Slips, ein freies Software-Verhaltens-Intrusion-Prevention-System (IDS/IPS) auf Python-Basis, das maschinelles Lernen nutzt, um bösartiges Verhalten im Netzwerkverkehr zu erkennen. Stratosphere Laboratory, AIC, FEL, CVUT in Prag.

Generierung hochwertiger synthetischer Daten sowie Training, Messung und Evaluierung in einer einzigen Pipeline

DiffWave ist ein schneller, hochqualitativer neuronaler Vocoder und Wellenformsynthesizer.

Bagua beschleunigt PyTorch