machine-learning

Erstelle voll funktionsfähige Computer-Vision-Modelle mit PyTorch

Kaggle Data Science Bowl 2017

Gut getestetes, mehrsprachiges Evaluierungsframework für Textzusammenfassungen.

Eine kuratierte Liste von KI-Tools, Bibliotheken und Ressourcen für wirtschaftswissenschaftliche Forschung, Lehre und politische Analyse. Gepflegt vom OpenEcon-Team.

Ein Ressourcen-Repository für Machine Unlearning in Large Language Models

Präsentationen, Papiernotizen, Vorlesungsnotizen, Blogbeiträge und Forschung zu ML 📉, Statistik 📊 und KI 🤖.

Medizinische Bildverarbeitung in Python

Wahrscheinlichkeitsrechnung und Statistik für Data Science: Eine eigenständige Einführung in Wahrscheinlichkeit und Statistik für Data Science, einschließlich eines kostenlosen PDF, 103 Python-Notebooks mit 23 realen Datensätzen, 118 Videos mit Folien und Lösungen für 200 Übungen

Vollständige KI-Kurse von Humai

Relationales Messaging-Datenbank-Schema für Einzel- und Gruppenchat-Apps mit Anhängen und MySQL Workbench-Modell.

DiffSharp: Differenzierbare funktionale Programmierung

Bilderfassungsbibliothek für GenICam-basierte Bildverarbeitungssysteme.

Die sauberste AutoML-Bibliothek der Welt ✨ - Hyperparameter-Tuning mit den richtigen Pipeline-Abstraktionen für saubere Deep-Learning-Produktions-Pipelines. Ermöglicht Hyperparameter-Räume in Pipeline-Schritten. Kompatibel mit Scikit-Learn, TensorFlow und den meisten anderen Bibliotheken, Frameworks und MLOps-Umgebungen.

Computer Vision-basiertes Tool zur Generierung von ML-Trainingsdaten :rocket:

Ein inhaltsbasiertes Empfehlungssystem, das Filme vorschlägt, die den Vorlieben des Benutzers ähneln, und die Stimmung der vom Benutzer abgegebenen Rezensionen analysiert

Python-Bibliothek zur Gesichtsanalyse mit PyTorch

Werkzeuge, um zu verstehen, wie Transformer-Vorhersagen Schicht für Schicht aufgebaut sind

Lernen Sie Machine Learning mit dem Amazon ML Summer School Program 2026. Greifen Sie auf Sitzungszusammenfassungen, Multiple-Choice-Fragen aus den Vorjahren, Programmierfragen und offizielles Testmaterial zu. Üben Sie modulweise Programmieraufgaben und bauen Sie eine solide Grundlage für Interviews und reale Anwendungen auf.

Sharing Updatable Models (SUM) auf der Blockchain.

RDNA-native LLM-Inferenz-Engine in Rust.

Herstellerunabhängige TinyML-Deep-Learning-Bibliothek, Compiler und Inferenz-Framework für Mikrocomputer und Mikrocontroller

Eine Teilmenge der neuronalen Netzwerkmodule von PyTorch, geschrieben in Python mit OpenAI Triton.

FastAPI-Grundgerüst für die produktionsreife Bereitstellung von Machine-Learning-Modellen.

Kursnotizen zur Vorlesung Machine Learning 2021 Spring von Professor Hung-yi Lee an der National Taiwan University (NTU).

TimeCopilot: Der GenAI-Prognose-Agent. Basierend auf LLMs und Zeitreihen-Grundlagenmodellen ermöglicht er Prognosen, Kreuzvalidierungen und Anomalieerkennung über mehrere Modelle hinweg mittels einer einzigen API. Von Finanzen und Energie bis hin zu Web-Analysen wandelt TimeCopilot natürlichsprachliche Abfragen in produktionsreife Prognosen um.

PILOT: Eine Toolbox für vortrainiertes, modellbasiertes kontinuierliches Lernen.

Dokumentation für den Hugging Face Hub

NLP Zero to Hero in nur 10 Kernels.

Deep Learning Simplified ist ein Open-Source-Repository mit Deep-Learning-Projekten für Einsteiger bis Fortgeschrittene, die ihre Reise im Bereich Deep Learning beginnen möchten.

Yet Another Language Model: LLM-Inferenz in C++/CUDA, ohne externe Bibliotheken außer für I/O.