neural-networks

Die Software-Plattform von Google DeepMind für physikbasierte Simulationen und Reinforcement-Learning-Umgebungen unter Verwendung von MuJoCo.

LLM-Trainingscode für Databricks Foundation Models

Probabilistisches Schließen und statistische Analyse in TensorFlow

Einfache Python-Implementierungen grundlegender Algorithmen für maschinelles Lernen

Notizen, Programmieraufgaben und Tests aus allen Kursen der Coursera Deep Learning Specialization von deeplearning.ai: (i) Neural Networks and Deep Learning; (ii) Improving Deep Neural Networks: Hyperparameter tuning, Regularization and Optimization; (iii) Structuring Machine Learning Projects; (iv) Convolutional Neural Networks; (v) Sequence Models

Dies sind handgeschriebene Notizen zu Kursen von Andrew Ng auf Coursera.

🧠💬 Artikel, die ich über maschinelles Lernen geschrieben habe, archiviert von MachineCurve.com.

Hummingbird kompiliert trainierte ML-Modelle in Tensor-Berechnungen für eine schnellere Inferenz.

🛠 All-in-One webbasierte IDE, spezialisiert auf Machine Learning und Data Science.

Evaluierung und Tracking für LLM-Experimente und KI-Agenten

Alle Notizen und Materialien für den Kurs CS229: Machine Learning der Stanford University

JAX-basierte Bibliothek für neuronale Netze

Ein Repository zur Unterstützung von Einsteigern im Bereich Machine Learning oder Personen, die eine Lerngruppe vorbereiten.

Open-Source-Schach-Engine mit neuronalem Netzwerk, GPU-Beschleunigung und breiter Hardwareunterstützung.

Ein wunderbares Machine-Learning-Tool, mit dem Sie Modelle ohne Code-Schreiben trainieren, testen und verwenden können

Winziges, schnörkelloses, in sich geschlossenes Tensorflow- und ONNX-Inferenztool.

Elegante, benutzerfreundliche neuronale Netze + wissenschaftliches Rechnen in JAX. https://docs.kidger.site/equinox/

Deep-Learning-gestützte Jazz-Generierung mit Keras & Theano!

Dezentrales Deep Learning in PyTorch. Entwickelt, um Modelle auf Tausenden von Freiwilligen weltweit zu trainieren.

Message Passing Neural Networks zur Vorhersage von Moleküleigenschaften

Hocheffiziente Gleitkomma-Inferenzoperatoren für neuronale Netze für Mobilgeräte, Server und das Web

Ein Low-Code-Dienst für personalisiertes Machine-Learning-Ranking von Artikeln, Einträgen, Suchergebnissen und Empfehlungen zur Steigerung der Nutzerinteraktion. Eine benutzerfreundliche Learn-to-Rank-Engine

Quellcode von PyGAD, einer Python-3-Bibliothek zum Erstellen genetischer Algorithmen und Trainieren von Algorithmen für maschinelles Lernen (Keras & PyTorch).

Numerische Löser für Differentialgleichungen in JAX. Automatisch differenzierbar und GPU-fähig. https://docs.kidger.site/diffrax/

Ein Python-Toolkit/eine Bibliothek für realitätszentriertes Machine/Deep Learning & Data Mining auf teilweise beobachteten Zeitreihen, mit über 50 SOTA-Neuronalen-Netzwerk-Modellen für wissenschaftliche Analyseaufgaben (Imputation, Klassifikation, Clustering, Vorhersage, Anomalieerkennung, Bereinigung) bei unvollständigen, industriellen, unregelmäßig abgetasteten multivariaten Zeitreihen mit NaN-Fehlwerten

Deep Learning und Online-Lernen mit Spike-basierten neuronalen Netzen in Python

Parallele Computing und Scientific Machine Learning (SciML): Methoden und Anwendungen (MIT 18.337J/6.338J)

Eine Sammlung von über 1000 Übersichtsarbeiten zu Natural Language Processing (NLP) und Machine Learning (ML).

Ein differenzierbares PDE-Lösungsframework für maschinelles Lernen

Ergonomisches maschinelles Lernen für jedermann.