machine-learning

Ce dépôt contient des articles de recherche annotés que j'ai trouvés particulièrement pertinents et utiles

Traduction automatique : Fondements et modèles par Xiao Tong et Zhu Jingbo.

Plus de 7 400 000 images Unsplash mises à disposition pour la recherche et l'apprentissage automatique

Un système de recommandation basé sur l'apprentissage profond

Une liste de projets et d'articles de référence sur les compilateurs pour le calcul tensoriel et l'apprentissage profond

Inférence d'images sans étiquetage (utilisation de modèles de fondation pour entraîner des modèles supervisés).

Apprentissage non supervisé pour le recalage d'images

Mars est un framework unifié basé sur les tenseurs pour le calcul de données à grande échelle, faisant évoluer numpy, pandas, scikit-learn et les fonctions Python

Un terrain de jeu pour générer des images à partir de n'importe quel prompt textuel en utilisant Stable Diffusion (précédemment : DALL-E Mini).

Livre 6 : « La voie des données » | Série Iris : de l'arithmétique au machine learning ; vos critiques et corrections sont les bienvenues !

CV-CUDA™ est une bibliothèque open-source accélérée par GPU pour le traitement d'images et la vision par ordinateur à l'échelle du cloud.

Outils d'apprentissage automatique en JavaScript.

Contrôlez n'importe quel ordinateur à l'aide de LLM.

Multi-outil pour la recherche sémantique

Un framework unifié pour l'analyse de données et l'apprentissage automatique préservant la confidentialité.

AIMET est une bibliothèque fournissant des techniques avancées de quantification et de compression pour les modèles de réseaux de neurones entraînés.

MLNLP : ce dépôt répertorie les articles avec code source ouvert issus de conférences sur l'intelligence artificielle (telles que ACL, EMNLP, NAACL, COLING, AAAI, IJCAI, ICLR, NeurIPS, ICML, etc.).

Exercices papier-crayon sur le machine learning

[ICLR 2024] Implémentation officielle de "Time-LLM : prévision de séries temporelles par reprogrammation de grands modèles de langage".

Planification des ressources et gestion de cluster pour l'IA.

Une boîte à outils pour exécuter des applications Ray sur Kubernetes

Bibliothèque de collections d'algorithmes de recherche de plus proches voisins approximatifs efficaces écrite en Rust

Algorithmes pour l'explicabilité des modèles d'apprentissage automatique

Projets de vision par ordinateur (Python, C++, systèmes embarqués)

✨ Créer un modèle de machine learning à partir d'un prompt

Notebooks, exemples de code et références pour l'apprentissage automatique et l'IA générative sur Google Cloud pour les bootcamps de l'Advanced Solutions Lab (ASL).

Plateforme d'apprentissage automatique pour les développeurs Web

Apache Hamilton aide les data scientists et les ingénieurs à définir des flux de données testables, modulaires et auto-documentés, intégrant traçabilité et métadonnées. S'exécute et passe à l'échelle partout où Python est supporté.

Puzzles pour apprendre Triton

Client Python pour Supabase. Interrogez Postgres depuis Flask, Django ou FastAPI. Inclut l'authentification utilisateur, les politiques de sécurité, les edge functions, le stockage de fichiers et le streaming de données en temps réel.