hyperparameter-tuning

La plateforme de développement IA. Utilisez Weights & Biases pour entraîner et affiner vos modèles, et gérez-les de l'expérimentation à la production.

Plateforme de calcul IA pour les équipes de pointe. SkyPilot transforme les ressources de calcul fragmentées en un supercalculateur IA unique, permettant aux équipes de développer plus rapidement leur propre intelligence artificielle.

Apprentissage automatique automatisé avec scikit-learn.

Notes, exercices de programmation et quiz de tous les cours de la spécialisation Deep Learning de Coursera proposée par deeplearning.ai : (i) Réseaux de neurones et Deep Learning ; (ii) Amélioration des réseaux de neurones profonds : réglage des hyperparamètres, régularisation et optimisation ; (iii) Structuration de projets de Machine Learning ; (iv) Réseaux de neurones convolutifs ; (v) Modèles de séquences.

Determined est une plateforme d'apprentissage automatique open source qui simplifie l'entraînement distribué, le réglage des hyperparamètres, le suivi des expériences et la gestion des ressources. Compatible avec PyTorch et TensorFlow.

Un framework d'entraînement pour les agents d'apprentissage par renforcement Stable Baselines3, incluant l'optimisation des hyperparamètres et des agents pré-entraînés.

Apprentissage automatique automatisé (AutoML) sur Kubernetes.

Interface de recherche basée sur Python pour l'optimisation de boîtes noires et d'hyperparamètres, basée sur le service interne Google Vizier.

🔥 Un agent IA autonome qui exécute vos expériences de deep learning 24h/24 et 7j/7 pendant que vous dormez. Surveillance à coût zéro, architecture Leader-Worker, mémoire à taille constante.

SMAC3 : Un package d'optimisation bayésienne polyvalent pour l'optimisation des hyperparamètres

HyperView est un laboratoire de stratégie TradingView axé sur le terminal, permettant de télécharger des données de marché, de backtester des stratégies Python avec un comportement similaire à Pine, et d'optimiser les paramètres SL/TP.

Optimisation de l'apprentissage par renforcement avec RLOps. Algorithmes et outils RL de pointe, avec un entraînement 10 fois plus rapide grâce à l'optimisation évolutionnaire des hyperparamètres.

EvalML est une bibliothèque d'AutoML écrite en Python.

OCTIS : Comparer des modèles de sujets en toute simplicité ! Un package Python pour optimiser et évaluer les modèles de sujets (accepté à la session démo de l'EACL2021).

Implémentation / Tutoriel sur l'utilisation de méthodes d'apprentissage automatique automatisé (AutoML) pour l'apprentissage statique/par lots et en ligne/continu

La bibliothèque d'AutoML la plus propre au monde ✨ - Effectuez l'optimisation des hyperparamètres avec les bonnes abstractions de pipeline pour concevoir des pipelines de production de deep learning propres. Attribuez des espaces d'hyperparamètres aux étapes de votre pipeline. Concevez les étapes de votre pipeline comme des composants. Compatible avec Scikit-Learn, TensorFlow et la plupart des autres bibliothèques, frameworks et environnements MLOps.

IA explicable par l'humain