machine-learning

Apuestas deportivas en la NBA utilizando aprendizaje automático.

Simulación de redes neuronales de picos (SNN) usando PyTorch.

MLRun es una plataforma MLOps de código abierto para construir y gestionar rápidamente aplicaciones de ML continuas a lo largo de su ciclo de vida. MLRun se integra en tu entorno de desarrollo y CI/CD, automatizando la entrega de datos de producción, pipelines de ML y aplicaciones en línea.

TensorLy: aprendizaje de tensores en Python.

Servidor de inferencia de CPU/GPU eficiente, escalable y de nivel empresarial para modelos transformer de 🤗 Hugging Face.

Graph4nlp es la biblioteca para el uso sencillo de redes neuronales gráficas (GNN) para PNL. ¡Visita nuestro sitio web DLG4NLP (https://dlg4nlp.github.io/index.html) para obtener diversos recursos de aprendizaje!

Artículos de investigación imprescindibles y enlaces a herramientas y conjuntos de datos relacionados con el uso de aprendizaje automático para compiladores y optimización de sistemas

Una selección de materiales de investigación de última generación sobre predicción de trayectorias

Aprendizaje automático en R

Diferenciación automática de alto rendimiento para LLVM y MLIR.

Este repositorio proporciona código para algoritmos de machine learning para dispositivos edge desarrollados en Microsoft Research India.

Control de versiones para aprendizaje automático (machine learning).

Vectores de palabras con claves contextuales.

Un marco unificado para modelos de aprendizaje profundo en datos tabulares

Un detector de NSFW (es decir, porno) con CoreML

Interfaz de investigación basada en Python para optimización de caja negra e hiperparámetros, basada en el servicio interno Google Vizier Service.

Una herramienta de depuración visual agnóstica al modelo para machine learning.

Neuroevolución profunda

Modelos de redes neuronales preentrenados en Axon (con integración de modelos 🤗).

Un framework basado en PyTorch para simulación cuántica clásica, aprendizaje automático cuántico, redes neuronales cuánticas y circuitos cuánticos parametrizados, con soporte para despliegue sencillo en computadoras cuánticas reales.

Tutoriales de Apache Spark y Python (pySpark) para análisis de Big Data y Machine Learning en formato de notebooks de IPython / Jupyter.

Colección de notebooks de Google Colaboratory para experimentos rápidos y sencillos.

Generadores de datos sintéticos para datos tabulares y de series temporales

Ruta de aprendizaje para Ingenieros de Infraestructura de IA - Plan de estudios de infraestructura de ML en producción (2-4 años de experiencia)

Machine learning con dataframes.

El sistema de autocodificación para su aplicación: SDK de Alan AI para Ionic.

MixTeX es una herramienta multimodal para LaTeX, chino-inglés y OCR de tablas. Realiza inferencia eficiente basada en CPU de forma local y sin conexión en Windows.

Lista de recursos útiles de aumento de datos. Encontrarás técnicas poco comunes, librerías, enlaces a repositorios de GitHub, papers y otros.

Recursos impresionantes sobre flujos de normalización.