machine-learning

Notes de cours, exercices pratiques avec solutions et vidéos en ligne pour le cours d'apprentissage par renforcement de l'Université de Paderborn

Auto-encodeur variationnel implémenté en tensorflow et pytorch (incluant le flux autorégressif inverse).

PDEBench : un benchmark complet pour l'apprentissage automatique scientifique

TorchXRayVision : une bibliothèque de jeux de données et de modèles de radiographies thoraciques, incluant des classifieurs, de la segmentation et des auto-encodeurs.

Une introduction au machine learning basée sur les principes fondamentaux. Pour les ingénieurs souhaitant raisonner sur les systèmes de ML comme ils le font pour les systèmes logiciels.

Système de contrôle de version de données ultra-rapide pour les grands dépôts. Fonctionne comme git, avec des commandes push et pull à la manière d'oxen.

Apprentissage automatique de séries temporelles à grande échelle. Construit avec Polars pour une extraction de caractéristiques et des prévisions hautement parallèles sur des données de panel.

Un framework Python pour l'évaluation de l'étiquetage de séquences (reconnaissance d'entités nommées, étiquetage morphosyntaxique, etc.)

Collection d'algorithmes variés implémentés en R.

Une liste de ressources sur l'apprentissage des backdoors

Optimisation de portefeuille par apprentissage profond.

Apprentissage automatique - Université Stanford

Une collection de scripts et de notebooks pour vous aider à démarrer rapidement.

MLKit est une boîte à outils puissante et facile à utiliser. Elle permet d'implémenter facilement la reconnaissance de texte, de codes-barres, l'étiquetage d'images, la détection de visages et d'objets.

ONNXMLTools permet la conversion de modèles vers ONNX

Augmentation rapide de données audio dans PyTorch. Inspiré par audiomentations. Utile pour le deep learning.

[NeurIPS 2020] Code officiel de l'article "DeepSVG: A Hierarchical Generative Network for Vector Graphics Animation". Inclut une bibliothèque PyTorch pour l'apprentissage profond avec des données SVG.

Une bibliothèque de réseaux de neurones de haut niveau pour microcontrôleurs.

Articles de recherche intéressants sur la vision, l'apprentissage et les graphismes concernant les chats !

Ensemble d'outils offrant des capacités puissantes aux agents.

Une liste organisée, bien qu'incomplète, de ressources sur l'IA centrée sur les données.

Recherche sur l'apprentissage profond tabulaire : articles et bibliothèques.

GRASS - moteur de traitement géospatial libre et open source.

Une liste organisée de projets Blockchain pour l'intelligence artificielle et l'apprentissage automatique.

Implémentation de modèle de langage Plug and Play. Permet de diriger le sujet et les attributs des modèles GPT-2.

💪 Métriques de qualité et de performance des modèles (R2, ICC, LOO, AIC, BF, ...)

Questions d'entretien et tests écrits pour le Machine Learning, le Deep Learning, Python et Golang

NVTabular est une bibliothèque d'ingénierie et de prétraitement de caractéristiques pour les données tabulaires, conçue pour manipuler rapidement et facilement des jeux de données à l'échelle du téraoctet utilisés pour entraîner des systèmes de recommandation basés sur l'apprentissage profond.

JMLR : OmniSafe est un framework infrastructurel destiné à accélérer la recherche en SafeRL.

Outils pour manipuler des données multimodales dans des projets d'apprentissage automatique