machine-learning

Apprentissage automatique sur FPGA utilisant HLS

SpikingJelly est un framework de deep learning open source pour les réseaux de neurones impulsionnels (SNN) basé sur PyTorch.

Une interface en ligne de commande Node.js utilisant les modèles Ollama et LM Studio (Llava, Gemma, Llama, etc.) pour renommer intelligemment les fichiers en fonction de leur contenu

Modèles de diffusion en imagerie médicale (publié dans la revue Medical Image Analysis).

DIAMOND (DIffusion As a Model Of eNvironment Dreams) est un agent d'apprentissage par renforcement entraîné dans un modèle de monde par diffusion. Spotlight NeurIPS 2024.

.NET for Apache® Spark™ rend Apache Spark™ facilement accessible aux développeurs .NET.

Tout sur l'apprentissage fédéré, incluant des articles de recherche, des livres, du code, des tutoriels, des vidéos et plus encore

Solveurs d'équations différentielles numériques en JAX. Différentiables automatiquement et compatibles GPU.

Modèle Keras pour la détection de contenu NSFW.

Une boîte à outils sur site pour l'extraction de données non structurées sans OCR, la conversion en markdown et l'évaluation comparative.

Bibliothèque d'inférence légère pour fichiers ONNX, écrite en C++. Elle peut exécuter Stable Diffusion XL 1.0 sur un RPI Zero 2 (ou avec 298 Mo de RAM), ainsi que Mistral 7B sur ordinateurs et serveurs. Supporte ARM, x86, WASM et RISC-V. Accélérée par XNNPACK. Bindings Python, C# et JS (WASM) disponibles.

Solutions aux exercices de méthodes d'apprentissage automatique, lecture en ligne : https://datawhalechina.github.io/statistical-learning-method-solutions-manual

Une preuve de concept d'extension Jupyter qui convertit des requêtes en anglais en code Python pertinent

Humanoid-Gym : Apprentissage par renforcement pour robot humanoïde avec transfert Sim2Real Zero-Shot https://arxiv.org/abs/2404.05695

Un package Python pour la prévision bayésienne avec une conception orientée objet et des modèles probabilistes sous-jacents.

Collaborez et étiquetez tout type de données, images, textes ou documents via une interface web ou une application de bureau intuitive.

Segmentation sémantique sur imagerie aérienne et satellite. Extrait des caractéristiques telles que : bâtiments, parkings, routes, eau, nuages.

Premier SDK open source de reconnaissance faciale pour Windows et Linux (détection, extraction de points de repère, extraction de caractéristiques et correspondance de modèles)

Boîte à outils Python pour l'apprentissage automatique et profond axé sur la réalité et l'exploration de données sur des séries temporelles partiellement observées, incluant plus de 50 modèles de réseaux neuronaux SOTA pour des tâches d'analyse scientifique (imputation, classification, clustering, prévision, détection d'anomalies, nettoyage) sur des séries temporelles multivariées industrielles échantillonnées irrégulièrement avec des valeurs manquantes NaN.

Dessin de réseaux bayésiens, modèles graphiques, tenseurs, cadres techniques et illustrations en LaTeX.

Traitement de flux en Python

Apprentissage profond et en ligne avec des réseaux de neurones impulsionnels en Python.

Une IA pour la génération de musique

Le framework RF et d'ingénierie inverse pour tous. Suivez et ★ pour montrer votre soutien !

Évaluation de l'état de l'art en IA

Code Python pour reproduire les illustrations du livre The Hundred-Page Machine Learning Book.

Une bibliothèque Python pour l'apprentissage et l'évaluation des plongements de graphes de connaissances (knowledge graph embeddings).

Bibliothèque pour l'entraînement de modèles d'apprentissage automatique avec confidentialité des données d'entraînement

Une collection de plus de 1000 articles de synthèse sur le traitement du langage naturel (NLP) et l'apprentissage automatique (ML).

Scaled-YOLOv4 : mise à l'échelle du réseau Cross Stage Partial