ml

TransmogrifAI ist eine AutoML-Bibliothek zum Erstellen modularer, wiederverwendbarer, streng typisierter Machine-Learning-Workflows auf Apache Spark mit minimalem manuellen Tuning

Kuratierte Liste: Ressourcen für Machine Learning in Ruby

nannyml: Data Science nach dem Deployment in Python

Offizielle, von der Community betriebene Azure Machine Learning-Beispiele, getestet mit GitHub Actions.

Scaled-YOLOv4: Skalierung von Cross Stage Partial Network

LLM-gestützte Anwendungen in Ruby erstellen

Der virtuelle Feature Store. Verwandeln Sie Ihre bestehende Dateninfrastruktur in einen Feature Store.

Ein moderner, webbasierter Fotoverwaltungsserver. Auf Ihrem Heimserver ausgeführt, können Sie damit das richtige Foto aus Ihrer Sammlung auf jedem Gerät finden. Intelligente Filterung wird durch Objekterkennung, Gesichtserkennung, Standortwahrnehmung, Farbanalyse und andere ML-Algorithmen ermöglicht.

Gaußprozesse in TensorFlow

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

🚀 Über 500 kuratierte Ressourcen für Datenanalyse & Data Science: Python, SQL, Statistik, ML, AI, Visualisierung, Cheatsheets, Roadmaps, Interviewvorbereitung. Für Anfänger und Experten.

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.

Local-first Video-Wissensdatenbank. Indexieren Sie Ihre Videobibliothek mit multimodaler Analyse (YOLO, DeepFace, Whisper), durchsuchen Sie sie semantisch über natürliche Sprache, Docker-bereit.

ApacheCN Open-Source-Organisation: Ankündigungen, Einführung, Mitglieder, Aktivitäten, Kommunikationskanäle

Open-Source-CUDA-, Triton- und HIP-Compiler für verschiedene GPU- und CPU-Architekturen.

Ausgew Künstliche Intelligenz, Machine Learning und Deep Learning während des Lernens. Studiennotizen und eine kuratierte Liste großartiger Ressourcen zu diesen Themen.

Eine riesige Liste großartiger Dinge, die man kostenlos bekommen kann!

:closed_book: Klarheit im aktuellen, schnelllebigen Chaos der Open-Source-Innovation

Playwright für Windows-Computer-Nutzung

Eine umfassende Liste von über 180 YouTube-Kanälen für Data Science, Data Engineering, Machine Learning, Deep Learning, Informatik, Programmierung, Software Engineering usw.

Einheitliches multimodales Backend für KI-Daten-Apps

Interpretierbares ML-Paket 🔍 für prägnante, transparente und genaue prädiktive Modellierung (sklearn-kompatibel).

Chat-Sprachmodell, das Tools nutzen und die Ergebnisse interpretieren kann

Konvertiert jede Musikbibliothek mithilfe von ML in eine Musikproduktions-Sample-Bibliothek

Ein Toolkit zur Optimierung von ML-Modellen für die Bereitstellung in Keras und TensorFlow, einschließlich Quantisierung und Pruning.

🤖 MLE-Agent: Ihr intelligenter Begleiter für reibungslose KI-Entwicklung und -Forschung. 🔍 Integration mit arXiv und Papers with Code für bessere Code- und Forschungspläne. 🧰 Unterstützung für OpenAI, Anthropic, Gemini, Ollama usw. :fireworks: Code-RAG

fklearn: Funktionales Maschinelles Lernen

Bibliothek für Mehrklassen-Konfusionsmatrizen in Python

Korvus ist ein Such-SDK, das die gesamte RAG-Pipeline in einer einzigen Datenbankabfrage vereint. Basierend auf Postgres mit Bindings für Python, JavaScript, Rust und C.

Karaoke-App mit maschinellem Lernen (inklusive Wertung!)