unsupervised-learning

Une liste organisée de cours, livres, conférences vidéo et articles sur l'intelligence artificielle (IA).

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

Une bibliothèque Python pour la détection d'anomalies sur des données tabulaires, séries temporelles, graphes, textes, images et audio. Inclut plus de 60 détecteurs, une orchestration ADEngine basée sur des benchmarks et un flux de travail agentique pour les agents IA.

Livres, articles, vidéos et boîtes à outils sur la détection d'anomalies. Dernière mise à jour fin 2025 pour les travaux sur les LLM et VLM !

Contient des solutions et des notes pour la spécialisation Machine Learning de l'Université de Stanford et Deeplearning.ai - Coursera (2022) par le professeur Andrew NG.

Bibliothèque de détection d'anomalies incluant des algorithmes de pointe et des fonctionnalités telles que la gestion d'expériences, l'optimisation d'hyperparamètres et l'inférence en périphérie.

Une bibliothèque d'extensions et de modules d'assistance pour les bibliothèques d'analyse de données et de machine learning en Python.

Apprentissage non supervisé pour le recalage d'images

Algorithmes pour la détection des valeurs aberrantes, des attaques adverses et de la dérive

Implémentation PyTorch de SimCLR : un framework simple pour l'apprentissage contrastif de représentations visuelles

Un framework pour l'intelligence artificielle intégrée et l'intelligence artificielle générale (AGI).

Une liste organisée d'articles de recherche sur la détection de communautés avec leurs implémentations.

Karate Club : un framework Python open-source orienté API pour l'apprentissage non supervisé sur les graphes (CIKM 2020).

Ressources IA GRATUITES - Cours, emplois, blogs, recherche en IA, et bien plus encore - pour tous !

MiniSom est une implémentation minimaliste de cartes auto-organisatrices (Self Organizing Maps).

Code pour l'article TKDE "Self-supervised learning on graphs: Contrastive, generative, or predictive".

Bibliothèque de détection d'anomalies non supervisée pour séries temporelles.

Une liste complète d'articles sur l'apprentissage auto-supervisé contrastif.

Auto-encodeur variationnel implémenté en tensorflow et pytorch (incluant le flux autorégressif inverse).

AutoVC : Transfert de style vocal Zero-Shot avec uniquement une perte d'auto-encodeur.

Implémentation officielle de l'article IJCV & BMVC 2022 One-Pot Multi-frame Denoising.

[IEEE TIP] "EnlightenGAN : Deep Light Enhancement without Paired Supervision" par Yifan Jiang, Xinyu Gong, Ding Liu, Yu Cheng, Chen Fang, Xiaohui Shen, Jianchao Yang, Pan Zhou, Zhangyang Wang

Implémentation officielle de "ADBench: Anomaly Detection Benchmark", NeurIPS 2022.

Implémentation PyTorch de SimCLR : un framework simple pour l'apprentissage contrastif de représentations visuelles par T. Chen et al.

[Prix du jeune scientifique MICCAI 2019] [Prix du meilleur article MEDIA 2020] Models Genesis, l'un des premiers modèles de « fondation » en analyse d'images médicales pour de multiples tâches en aval.

BFM_Zero : un modèle de fondation comportemental pilotable pour le contrôle d'humanoïdes utilisant l'apprentissage par renforcement non supervisé

Code pour Hands-on Unsupervised Learning Using Python (O'Reilly Media)

[VLDB'22] Détection d'anomalies à l'aide de Transformers, d'auto-conditionnement et d'apprentissage contradictoire.

Décomposition vocale non supervisée via un goulot d'étranglement d'information triple

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