machine-learning

Une boîte à outils basée sur Python contenant diverses méthodes en matière de prise de décision, de quantification d'incertitude et d'émulation statistique : multi-fidélité, conception expérimentale, optimisation bayésienne, quadrature bayésienne, etc.

Une bibliothèque pour entraîner, évaluer, interpréter et industrialiser des modèles de forêts de décision tels que Random Forest et Gradient Boosted Decision Trees

Logiciel de reconnaissance automatique des plaques d'immatriculation (ALPR) ou de reconnaissance automatique des numéros de plaque (ANPR) qui fonctionne avec n'importe quelle caméra

Ce dépôt contient des tutoriels sur l'utilisation des API d'estimateur TensorFlow pour effectuer diverses tâches de ML de manière systématique et standardisée

Actualité : le jeu de données de 10 k est prêt à être téléchargé.

Désassembleur et analyseur statique de pickling Python

Traitement et mise en grille de données spatiales, style machine learning

MOA est un framework open source pour l'exploration de données en flux continus. Il inclut une collection d'algorithmes de machine learning (classification, régression, clustering, détection d'anomalies, détection de dérive conceptuelle et systèmes de recommandation) ainsi que des outils d'évaluation.

Mise en œuvre de fragments de code, d'exercices et d'application à des données en temps réel du Machine Learning pour les gestionnaires d'actifs (Éléments en Finance Quantitative) écrit par le Prof. Marcos López de Prado.

Système quantitatif A-share. Système quantitatif A-share

Suivez vos projets de Data Science. La bibliothèque Python open source de Skore accélère le développement de modèles ML grâce à des rapports d'évaluation automatisés, des conseils méthodologiques intelligents et une analyse complète par validation croisée.

Cadre ultra-rapide pour le fine-tuning des modèles d'apprentissage de similarité

(AAAI' 20) A Python Toolbox for Machine Learning Model Combination

Processus gaussiens dans JAX et Equinox.

Implémentation C++ de BanditPAM et paquet Python

Formatez rapidement vos notes avec ChatGPT dans Obsidian

Boîte à outils et benchmark CAIRI pour l'apprentissage visuel supervisé, semi‑supervisé et non supervisé

Awesome-LLM-Eval : une liste organisée d'outils, de jeux de données/benchmarks, de démos, de classements, d'articles, de documentation et de modèles, principalement dédiée à l'évaluation des LLM.

BenchMARL est une bibliothèque de benchmarking pour l'apprentissage par renforcement multi-agents (MARL). BenchMARL permet de comparer rapidement différents algorithmes MARL, tâches et modèles, tout en étant systématiquement fondé sur ses deux principes fondamentaux : la reproductibilité et la standardisation.

Un dépôt de jeux de données assez cool que j'ai collectés pour la recherche en science des réseaux et en apprentissage automatique.

Code pour le projet d'interprétabilité ML TCAV

Divise automatiquement vos modèles PyTorch sur plusieurs GPU pour l'entraînement et l'inférence

Accélérateurs de solutions Azure MLOps (v2). Modèles prêts pour l'entreprise pour déployer vos modèles de machine learning sur la plateforme Azure.

Cycle de vie complet d'un projet de science des données.

Un moteur d'inférence onnx léger, portable en pur C99 pour appareils embarqués avec support de l'accélération matérielle.

Un paquet d'apprentissage par renforcement pour Julia

GSTools - Boîte à outils géostatistique : champs aléatoires, estimation de variogramme, modèles de covariance, krigeage et bien plus

Une bibliothèque pour modéliser des données multivariées à l'aide de copules.

oneAPI Data Analytics Library (oneDAL)

MICA - Vers la reconstruction métrique de visages humains [ECCV2022]