machine-learning

Répertoire listant des sources potentielles pour vous aider à préparer vos entretiens en Data Science et Machine Learning. Nouvelles ressources ajoutées fréquemment.

Towhee est un framework dédié à la simplification et à l'accélération des pipelines de traitement de données neuronales.

PennyLane est une plateforme logicielle open-source pour l'informatique quantique, l'apprentissage automatique quantique et la chimie quantique. Créez des algorithmes quantiques pertinents, de l'inspiration à l'implémentation.

Implémentation PyTorch propre, robuste et unifiée d'algorithmes populaires d'apprentissage par renforcement profond (DRL) (Q-learning, Duel DDQN, PER, C51, Noisy DQN, PPO, DDPG, TD3, SAC, ASL)

Otter, un modèle multimodal basé sur OpenFlamingo (version open source du Flamingo de DeepMind), entraîné sur MIMIC-IT, offrant de meilleures capacités de suivi d'instructions et d'apprentissage en contexte.

Notebooks pour l'apprentissage automatique.

Apprenez à concevoir, développer, déployer et itérer sur des applications ML de qualité production.

Bindings .NET Standard pour TensorFlow de Google, destinés au développement, à l'entraînement et au déploiement de modèles de Machine Learning en C# et F#.

OP Vault ChatGPT : Donnez une mémoire à long terme à ChatGPT en utilisant l'OP Stack (OpenAI + base de données vectorielle Pinecone). Téléchargez vos propres bases de connaissances (PDF, txt, epub, etc.) via une interface React simple.

R&D accélérée en deep learning.

Bibliothèque pour l'analyse audio et musicale ainsi que l'extraction de caractéristiques.

Lazy Predict permet de créer de nombreux modèles de base avec peu de code et d'identifier les modèles les plus performants sans réglage de paramètres

Livre 7 : Apprentissage automatique | La série Iris : des bases mathématiques à l'apprentissage automatique ; vos critiques et corrections sont les bienvenues

Remplacement prêt à l'emploi pour Apache Spark écrit en Rust, unifiant le traitement par lots, le traitement de flux et les charges de travail IA intensives.

Liste des programmes de résidence en IA

« Les mathématiques ne sont pas difficiles » : volumes 1 et 2 de « L'algèbre linéaire n'est pas difficile », 66 sujets complets ; critiques et corrections bienvenues.

Le dépôt officiel de ROOT : analyse, stockage et visualisation de données massives à des fins scientifiques

Package Python pour l'AutoML sur données tabulaires, incluant ingénierie des caractéristiques, réglage des hyperparamètres, explicabilité et documentation automatique

Bibliothèque de réseaux de neurones basée sur JAX

Dépôt destiné à aider les débutants en machine learning ou ceux qui préparent un groupe d'étude.

Construisez un LLM moderne à partir de zéro. Chaque ligne est commentée. Expliqué simplement.

Shapash : explicabilité et interprétabilité conviviales pour développer des modèles de Machine Learning fiables et transparents

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.

Liens de ressources soigneusement sélectionnés pour la science des données centralisés en un seul endroit.

Framework de deep learning open-source pour construire, entraîner et affiner des modèles utilisant des méthodes de physique-ML de pointe.

Implémentation de Dreambooth via Textual Inversion pour Stable Diffusion. Optimisations axées sur l'entraînement de visages, d'objets et de styles.

📚 Tutoriels Jupyter notebook pour OpenVINO™.

Compute Library est un ensemble de fonctions de vision par ordinateur et d'apprentissage automatique optimisées pour les CPU et GPU Arm utilisant les technologies SIMD.

La boîte à outils d'apprentissage automatique pour l'analyse de séries temporelles en Python.

Liste d'outils et de jeux de données pour la détection d'anomalies sur des données de séries temporelles.