machine-learning

Construisez automatiquement plusieurs modèles ML avec une seule ligne de code. Créé par Ram Seshadri. Collaborateurs bienvenus. Permission accordée sur demande.

Ce dépôt contient une liste de lecture d'articles sur la segmentation de séries temporelles. Ce dépôt est en amélioration continue.

Happy Transformer facilite le réglage fin (fine-tuning) et l'inférence avec les modèles NLP Transformer.

Modèle de prédiction linéaire avec fonctionnalités automatisées d'ingénierie et de sélection de caractéristiques

Liste de ressources sur la compression de modèles de machine learning, incluant articles de recherche, quantification, outils et matériel pédagogique.

OWASP CycloneDX est un standard de nomenclature (BOM) full-stack offrant des capacités avancées de chaîne d'approvisionnement pour réduire les risques cyber. Inclut SBOM, SaaSBOM, HBOM, AI/ML-BOM, CBOM, OBOM, MBOM, VDR et VEX.

Sélection d'articles sur le Language-Model-as-a-Service (LMaaS)

Un framework de suivi d'expériences simple et élégant qui intègre la logique de persistance et les meilleures pratiques directement dans Python.

Votre guide pratique des mathématiques utilisées en intelligence artificielle.

Cleora AI est un modèle open source polyvalent pour l'apprentissage efficace et évolutif de plongements d'entités stables et inductifs pour des données relationnelles hétérogènes. Créé par l'équipe de Synerise.com.

Créez un chatbot ou un bot de questions-réponses basé sur le contenu de votre site web.

Agent interactif Speech-to-Speech haute qualité et en streaming implémenté dans un seul fichier.

Bibliothèque de Machine Learning pour le web et Node.

Un ensemble d'outils pour Microsoft Azure Form Recognizer et les services OCR.

Échantillons audio accompagnant les publications relatives à Tacotron, un modèle de synthèse vocale de bout en bout.

Distributed Machine Learning Patterns de Manning Publications par Yuan Tang https://bit.ly/2RKv8Zo

Compétitions CodaLab

Matrice de confusion en Python : tracez une belle matrice de confusion (type Matlab) en Python en utilisant seaborn et matplotlib.

Ce dépôt est destiné à tous les passionnés d'IA qui aiment lire des livres et apprendre.

Implémentation PyTorch de Perceiver, Perceiver IO et Perceiver AR avec des scripts PyTorch Lightning pour l'entraînement distribué.

Une collection de ressources en science des données et machine learning que j'ai trouvées utiles (je ne publie que ce que j'ai lu !).

apricot implémente l'optimisation sous-modulaire pour sélectionner des sous-ensembles de jeux de données massifs afin d'entraîner rapidement des modèles de machine learning. Voir la documentation : https://apricot-select.readthedocs.io/en/latest/index.html

Quel est le niveau de maturité de Rust pour le Machine Learning ?

Explorez et interprétez de grands embeddings dans votre navigateur grâce à une visualisation interactive.

Liste organisée d'articles et de ressources exceptionnels sur l'apprentissage automatique quantique.

Liste organisée de cours d'ingénierie en machine learning accessibles au public provenant de CalTech, Columbia, Berkeley, MIT et Stanford.

IA explicable par l'humain

Moteur OCR Python simple utilisant opencv

Exécutez vos charges de travail de deep learning sur Kubernetes plus facilement et efficacement.

TensorLayerX : un framework unifié de deep learning et d'apprentissage par renforcement pour tous les matériels, backends et systèmes d'exploitation.