machine-learning

Extracteur de caractéristiques multimédias à grande échelle open-source de Munich.

cuVS : une bibliothèque pour la recherche vectorielle et le clustering sur GPU.

La méthode la plus atomique pour entraîner et inférer un GPT en C pur, sans dépendances.

Une collection organisée d'outils d'IA, d'API, de jeux de données et de ressources d'apprentissage de haute qualité couvrant le machine learning, le deep learning, l'IA générative, le NLP et la science des données. Conçu pour aider les développeurs, les chercheurs et les créateurs à explorer et à construire avec l'IA plus rapidement.

Le tokenizer, encodeur et décodeur BPE JavaScript le plus rapide pour les modèles GPT d'OpenAI (gpt-5, gpt-o*, gpt-4o, etc.). Portage de tiktoken d'OpenAI avec des fonctionnalités supplémentaires.

Une liste organisée de JEUX DE DONNÉES, BASES DE CODE et ARTICLES sur l'apprentissage multi-tâches (MTL), du point de vue de l'apprentissage automatique.

Un module Redis pour servir des tenseurs et exécuter des graphes d'apprentissage profond

Exemples d'agents créés avec le SDK Strands Agents.

DIPY est la bibliothèque de référence en Python pour l'imagerie médicale 3D/4D+. Elle contient des méthodes génériques pour la normalisation spatiale, le traitement du signal, l'apprentissage automatique, l'analyse statistique et la visualisation d'images médicales. Elle inclut également des méthodes spécialisées en anatomie computationnelle, notamment pour l'imagerie de diffusion, de perfusion et structurelle.

Un package Python pour l'analyse modulaire d'inférence causale et l'évaluation de modèles.

Créez des applications web de transcription vocale en temps réel en utilisant Whisper d'OpenAI

L'intelligence naturelle reste une idée assez pertinente.

Dynamique moléculaire par unités de traitement graphique (GPU)

Outil d'extraction de données et d'interaction programmatique avec Lean.

Boîte à outils de data mining ELKI

Un système RAG basé sur les graphes pour la recherche d'informations médicales fondées sur des preuves [ACL 2025].

Implémentations de variantes de NeRF basées sur Taichi et PyTorch

Framework d'apprentissage fédéré flexible basé sur PyTorch, simplifiant la recherche en apprentissage fédéré.

Ce dépôt contient une collection d'enquêtes, de jeux de données, d'articles et de codes pour l'estimation de l'incertitude prédictive dans les modèles d'apprentissage profond.

Apprentissage profond descriptif

Liste des fournisseurs de cloud pour le Deep Learning.

Une liste organisée d'applications pratiques de Machine Learning (BML) et de Data Science (BDS) pour la comptabilité, les clients, les employés, le juridique, la gestion et les opérations (par @firmai).

Apprentissage profond avec des réseaux de neurones impulsionnels (SNN) dans PyTorch.

Système ML de qualité production pour la détection automatique des erreurs d'unité de mesure | Précision 88-92% | Autonomie 94% | Workflow KNIME.

Articles sur l'explicabilité des GNN

Bibliothèque de vision par ordinateur haute performance en Python. Faites évoluer vos recherches, pas votre code répétitif.

Une bibliothèque C++ header-only pour l'optimisation numérique

Ce projet utilise des statistiques et la théorie financière pour démontrer une stratégie de trading populaire sur les marchés actions : le Pairs Trading.

Tutoriel sur l'API C++ de TensorRT.

Conseils de programmation R pour le nettoyage de données, la visualisation, la modélisation statistique et l'apprentissage automatique.