xgboost

Biblioteca de Gradient Boosting (GBDT, GBRT o GBM) escalable, portátil y distribuida para Python, R, Java, Scala, C y más. Se ejecuta en una sola máquina, Hadoop, Spark, Dask, Flink y DataFlow

Plataforma de inferencia de IA generativa y predictiva distribuida estandarizada para despliegue escalable y multi-framework en Kubernetes

Alink es la plataforma de algoritmos de Machine Learning basada en Flink, desarrollada por el equipo PAI de la plataforma de computación de Alibaba.

Paquete de Python para AutoML en datos tabulares con ingeniería de características, ajuste de hiperparámetros, explicaciones y documentación automática

Una biblioteca de Python para la visualización de árboles de decisión y la interpretación de modelos.

Transforma modelos de ML en código nativo (Java, C, Python, Go, JavaScript, Visual Basic, C#, R, PowerShell, PHP, Dart, Haskell, Ruby, F#, Rust) sin dependencias

Una biblioteca para depurar/inspeccionar clasificadores de machine learning y explicar sus predicciones

Mars es un marco unificado basado en tensores para la computación de datos a gran escala que escala funciones de numpy, pandas, scikit-learn y Python.

Servidor de Deep Learning y CLI para Torch y TensorRT

Una colección de artículos de investigación sobre árboles de decisión, clasificación y regresión con implementaciones.

Entrenamiento distribuido de modelos de IA y ajuste fino de LLM en Kubernetes

Visualiza automáticamente cualquier conjunto de datos, de cualquier tamaño, con una sola línea de código. Creado por Ram Seshadri. Colaboradores bienvenidos. Permiso concedido previa solicitud.

Librería de Python para pronóstico de series temporales utilizando modelos compatibles con scikit-learn, métodos estadísticos y modelos base

Aprendizaje automático escalable para la predicción de series temporales.

DS y ML en Python escalables, compatibles con API y extremadamente rápidos.

Lista curada de artículos de investigación sobre gradient boosting con sus implementaciones.

Servidor de inferencia para modelos de machine learning, con soporte para múltiples frameworks, servicio de modelos múltiples y más.

Una extensión de XGBoost para modelado probabilístico

Ollama para modelos de ML clásico. Compilador AOT que convierte modelos de XGBoost, LightGBM, scikit-learn, CatBoost y ONNX en código de inferencia C99 nativo. Un comando para cargar, un comando para servir. 336 veces más rápido que la inferencia en Python.

Utiliza estrategias avanzadas de ingeniería de características y selecciona las mejores variables de tu conjunto de datos con una sola línea de código. Creado por Ram Seshadri. Colaboradores bienvenidos.

Impresiona a tu jefe con visualizaciones interactivas de árboles de decisión.

Código para IDS-ML: desarrollo de sistemas de detección de intrusos mediante algoritmos de aprendizaje automático (árboles de decisión, random forest, extra trees, XGBoost, stacking, k-means, optimización bayesiana, etc.).

Servicio web REST para puntuación en tiempo real (<1 ms) de modelos de Scikit-Learn, R y Apache Spark

Paquete de Python para la optimización simultánea de hiperparámetros y selección de características en modelos de Gradient Boosting.

Una interfaz unificada para algoritmos de optimización y experimentos

Construcción automática de múltiples modelos de ML con una sola línea de código. Creado por Ram Seshadri. Colaboradores bienvenidos. Permiso otorgado bajo solicitud.