machine-learning

Le paquet Python officiel de Roboflow. Gérer vos jeux de données, modèles et déploiements. Roboflow fournit tout ce dont vous avez besoin pour créer une application de vision par ordinateur.

Construire des modèles de vision par ordinateur entièrement fonctionnels avec PyTorch

Cadre d'évaluation multilingue et bien testé pour le résumé de texte.

Kaggle datascience bowl 2017

Un dépôt de ressources pour le désapprentissage automatique dans les grands modèles de langage

Une liste organisée d'outils, de bibliothèques et de ressources d'IA pour la recherche, l'enseignement et l'analyse des politiques en économie. Maintenue par l'équipe OpenEcon.

Diapositives, notes d'articles, notes de cours, articles de blog et recherches sur le ML 📉, les statistiques 📊 et l'IA 🤖.

Traitement d'images médicales en Python

Probability and Statistics for Data Science : Une introduction autonome aux probabilités et statistiques pour la science des données, incluant un PDF gratuit, 103 notebooks Python utilisant 23 jeux de données réels, 118 vidéos avec diapositives et les solutions de 200 exercices

Cours complets d'IA dispensés par Humai

Exploration de données pour la science des matériaux

DiffSharp : programmation fonctionnelle différentiable

Bibliothèque d'acquisition d'images pour les systèmes de vision industrielle basés sur GenICam

Outil de génération de données d'entraînement ML basé sur la vision par ordinateur :rocket:

La bibliothèque d'AutoML la plus propre au monde ✨ - Effectuez l'optimisation des hyperparamètres avec les bonnes abstractions de pipeline pour concevoir des pipelines de production de deep learning propres. Attribuez des espaces d'hyperparamètres aux étapes de votre pipeline. Concevez les étapes de votre pipeline comme des composants. Compatible avec Scikit-Learn, TensorFlow et la plupart des autres bibliothèques, frameworks et environnements MLOps.

Bibliothèque Python pour l'analyse des visages à l'aide de PyTorch

Outils pour comprendre comment les prédictions des transformeurs sont construites couche par couche

Un système de recommandation basé sur le contenu qui suggère des films similaires à ceux aimés par l'utilisateur et analyse le sentiment des avis fournis par ce dernier.

Apprenez le Machine Learning avec le programme Amazon ML Summer School 2026. Accédez aux résumés de sessions, aux QCM des années précédentes, aux questions de programmation et au matériel de test officiel. Pratiquez des tâches de codage par module et construisez des bases solides pour les entretiens et les applications du monde réel.

Moteur d'inférence LLM natif RDNA en Rust.

Partage de modèles actualisables (SUM) sur la blockchain

Bibliothèque d'apprentissage profond TinyML, compilateur et framework d'inférence indépendants des fournisseurs pour micro-ordinateurs et microcontrôleurs

Un sous-ensemble des modules de réseaux de neurones de PyTorch, écrits en Python avec le Triton d'OpenAI.

Application squelette FastAPI prête pour la production pour servir des modèles de machine learning.

Notes du cours "Machine Learning 2021 Spring" du Professeur Hung-yi Lee de l'Université Nationale de Taïwan (NTU).

TimeCopilot : l'agent de prévision GenAI. Construit sur des LLM et des modèles de fondation de séries temporelles, il vous permet de prévoir, de valider de manière croisée et de détecter des anomalies à l'aide de plusieurs modèles de fondation via une API unique. De la finance et de l'énergie à l'analyse Web, TimeCopilot transforme les requêtes en langage naturel en prévisions prêtes pour la production.

🎉 PILOT : Une boîte à outils d'apprentissage continu basée sur des modèles pré-entraînés.

Documentation du Hugging Face Hub

Le NLP de zéro à héros en seulement 10 kernels

Code pour IDS-ML : développement d'un système de détection d'intrusions utilisant des algorithmes de machine learning (Decision tree, random forest, extra trees, XGBoost, stacking, k-means, optimisation bayésienne...)