machine-learning

Paris sportifs sur la NBA utilisant l'apprentissage automatique

Simulation de réseaux de neurones impulsionnels (SNN) utilisant PyTorch.

MLRun est une plateforme MLOps open source permettant de créer et de gérer rapidement des applications ML en continu tout au long de leur cycle de vie. MLRun s'intègre à votre environnement de développement et de CI/CD pour automatiser la livraison de données de production, de pipelines ML et d'applications en ligne.

TensorLy : apprentissage de tenseurs en Python.

Graph4nlp est une bibliothèque facilitant l'utilisation des réseaux de neurones sur graphes (GNN) pour le NLP. Visitez notre site DLG4NLP (https://dlg4nlp.github.io/index.html) pour accéder à diverses ressources d'apprentissage.

Articles de recherche incontournables, outils et jeux de données liés à l'utilisation du machine learning pour l'optimisation des compilateurs et des systèmes

Serveur d'inférence CPU/GPU efficace, évolutif et de qualité entreprise pour les modèles 🤗 Hugging Face transformer 🚀

Une sélection de ressources de recherche de pointe sur la prédiction de trajectoire.

Apprentissage automatique en R

Différenciation automatique haute performance pour LLVM et MLIR

Ce dépôt fournit le code d'algorithmes d'apprentissage automatique pour les appareils en périphérie (edge devices) développés par Microsoft Research India.

Contrôle de version pour le machine learning.

🦆 Vecteurs de mots à clés contextuels

Cadre unifié pour les modèles de Deep Learning sur données tabulaires

Un détecteur de contenu NSFW (pornographique) utilisant CoreML.

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

Un outil de débogage visuel agnostique au modèle pour l'apprentissage automatique.

Neuroévolution profonde

Modèles de réseaux neuronaux pré-entraînés dans Axon (+ intégration des modèles 🤗).

Framework basé sur PyTorch pour la simulation quantique classique, l'apprentissage automatique quantique, les réseaux de neurones quantiques et les circuits quantiques paramétrés, avec prise en charge du déploiement sur de véritables ordinateurs quantiques.

Tutoriels Apache Spark et Python (pySpark) pour l'analyse de Big Data et le Machine Learning sous forme de notebooks IPython / Jupyter

Collection de notebooks Google Colaboratory pour des expérimentations rapides et faciles

Générateurs de données synthétiques pour données tabulaires et séries temporelles

Parcours d'apprentissage pour ingénieur en infrastructure IA - Programme d'infrastructure ML en production (2-4 ans d'expérience)

Apprentissage automatique avec des dataframes.

Le système d'auto-codage pour votre application — SDK Alan AI pour Ionic.

MixTeX : OCR multimodal pour LaTeX, chinois/anglais et tableaux. Effectue une inférence efficace sur CPU en local et hors ligne sous Windows.

Liste de ressources utiles pour l'augmentation de données. Vous y trouverez des techniques peu communes, des bibliothèques, des liens vers des dépôts GitHub, des articles et plus encore.

Ressources sélectionnées sur les normalizing flows.