meta-learning

Apprentissage par transfert, adaptation de domaine, généralisation de domaine, apprentissage multi-tâches, etc. Articles, codes, jeux de données, applications et tutoriels.

Apprentissage automatique automatisé avec scikit-learn.

🦞 Communiquez simplement avec votre agent — il apprend et ÉVOLUE 🧬.

Une bibliothèque PyTorch pour la recherche en méta-apprentissage.

Implémentation d'articles de recherche en 100 lignes de code.

FSL-Mate : Une collection de ressources pour le few-shot learning (FSL).

Code prêt à l'emploi et notebooks de tutoriel pour accélérer votre apprentissage du few-shot learning pour la classification d'images.

[TPAMI 2023] LibFewShot : une bibliothèque complète pour le Few-shot Learning.

Implémentation TensorFlow et PyTorch de "Meta-Transfer Learning for Few-Shot Learning" (CVPR2019)

Fusion de modèles dans les LLM, MLLM et au-delà : méthodes, théories, applications et opportunités. ACM Computing Surveys, 2026.

Toutes les ressources nécessaires pour l'apprentissage fédéré : blogs, vidéos, articles, logiciels, etc.

Code d'accompagnement pour la publication Nature « Discovering State-of-the-art Reinforcement Algorithms »

Manipulation de programmes Python

TorchOpt est une bibliothèque efficace d'optimisation différentiable construite sur PyTorch

Méta-apprentissage avec optimisation convexe différentiable (CVPR 2019 Oral)