hyperparameter-optimization

Ray एक AI कंप्यूट इंजन है। Ray में ML वर्कलोड को तेज करने के लिए एक कोर डिस्ट्रिब्यूटेड रनटाइम और AI लाइब्रेरी का एक सेट शामिल है।

मल्टी-फ्रेमवर्क कोड, गणित और चर्चाओं के साथ इंटरैक्टिव गहरी सीखने की किताब। स्टैनफोर्ड, MIT, Harvard और कैम्ब्रिज सहित 70 देशों के 500 विश्वविद्यालयों में अपनाया गया।

एक हाइपरपैरामीटर ऑप्टिमाइज़ेशन फ्रेमवर्क

AI डेवलपर प्लेटफ़ॉर्म। मॉडल को प्रशिक्षित और फ़ाइन-ट्यून करने के लिए Weights & Biases का उपयोग करें, और प्रयोग से लेकर प्रोडक्शन तक मॉडल प्रबंधित करें।

कोड की केवल 3 लाइनों में तेज़ और सटीक ML

जेनेटिक प्रोग्रामिंग का उपयोग करके मशीन लर्निंग पाइपलाइनों को अनुकूलित करने वाला एक Python ऑटोमेटेड मशीन लर्निंग टूल।

scikit-learn के साथ स्वचालित मशीन लर्निंग

AutoML और ट्यूनिंग के लिए एक तेज़ लाइब्रेरी। हमारे Discord से जुड़ें: https://discord.gg/Cppx2vSPVP।

deeplearning.ai द्वारा पेश किए गए Coursera Deep Learning स्पेशलाइजेशन के सभी पाठ्यक्रमों के नोट्स, प्रोग्रामिंग असाइनमेंट और क्विज़: (i) Neural Networks and Deep Learning; (ii) Improving Deep Neural Networks: Hyperparameter tuning, Regularization and Optimization; (iii) Structuring Machine Learning Projects; (iv) Convolutional Neural Networks; (v) Sequence Models

स्वचालित मशीन लर्निंग पेपर, लेख, ट्यूटोरियल, स्लाइड और प्रोजेक्ट्स की एक चुनिंदा सूची

AI इंफ्रा / AI ऑर्केस्ट्रेशन / AI कंट्रोल प्लेन

फीचर इंजीनियरिंग, हाइपर-पैरामीटर ट्यूनिंग, एक्सप्लेनेशन और ऑटोमैटिक डॉक्यूमेंटेशन के साथ Tabular Data पर AutoML के लिए Python पैकेज

Determined एक ओपन-सोर्स मशीन लर्निंग प्लेटफ़ॉर्म है जो वितरित प्रशिक्षण, हाइपरपैरामीटर ट्यूनिंग, प्रयोग ट्रैकिंग और संसाधन प्रबंधन को सरल बनाता है। PyTorch और TensorFlow के साथ काम करता है।

A Hyperparameter Tuning Library for Keras

हाइपरपैरामीटर ऑप्टिमाइज़ेशन और प्री-ट्रेन किए गए एजेंटों के साथ Stable Baselines3 रीइंफोर्समेंट लर्निंग एजेंटों के लिए एक ट्रेनिंग फ्रेमवर्क।

आंतरिक Google Vizier सर्विस पर आधारित ब्लैकबॉक्स और हाइपरपैरामीटर ऑप्टिमाइजेशन के लिए Python-आधारित अनुसंधान इंटरफ़ेस।

TensorFlow और Keras के साथ हाइपरपरमीटर प्रयोग

Robyn, Meta Marketing Science का एक प्रयोगात्मक, AI/ML-संचालित और ओपन-सोर्स मार्केटिंग मिक्स मॉडलिंग (MMM) पैकेज है। हमारा मिशन मॉडलिंग ज्ञान को लोकतांत्रिक बनाना, नवाचार के माध्यम से उद्योग को प्रेरित करना, मॉडलिंग प्रक्रिया में मानवीय पूर्वाग्रह को कम करना और एक मजबूत ओपन-सोर्स मार्केटिंग साइंस कम्युनिटी का निर्माण करना है।

मिश्रित खोज Spaces में स्थानीय, वैश्विक, जनसंख्या-आधारित और क्रमिक तकनीकों के साथ हल्का अनुकूलन।

SMAC3: Hyperparameter Optimization के लिए एक बहुमुखी Bayesian Optimization पैकेज

HyperView एक टर्मिनल-फर्स्ट TradingView रणनीति लैब है, जो मार्केट डेटा डाउनलोड करने, Pine-जैसे व्यवहार के साथ Python रणनीतियों का बैकटेस्टिंग करने और SL/TP मापदंडों को अनुकूलित करने के लिए है।

RLOps के साथ सुदृढीकरण सीखने (reinforcement learning) को सुव्यवस्थित करना। अत्याधुनिक RL एल्गोरिदम और उपकरण, इवोल्यूशनरी हाइपरपैरामीटर ऑप्टिमाइज़ेशन के माध्यम से 10 गुना तेज़ प्रशिक्षण के साथ।

आपके हाइपरपैरामीटर ऑप्टिमाइज़र के रूप में LLM एजेंट्स।

https://github.com/optuna/optuna के लिए उदाहरण

OCTIS: टॉपिक मॉडल की तुलना करना सरल है! टॉपिक मॉडल को अनुकूलित और मूल्यांकित करने के लिए एक python पैकेज (EACL2021 डेमो ट्रैक में स्वीकृत)

Optuna के लिए रियल-टाइम वेब डैशबोर्ड।

स्वचालित मॉडलिंग और मशीन लर्निंग फ्रेमवर्क FEDOT

दुनिया की सबसे साफ-सुथरी AutoML लाइब्रेरी ✨ - स्वच्छ डीप लर्निंग प्रोडक्शन पाइपलाइन लिखने के लिए सही पाइपलाइन एब्स्ट्रक्शन के साथ हाइपरपैरामीटर ट्यूनिंग करें। अपनी पाइपलाइन चरणों में हाइपरपैरामीटर स्पेस रखें। अपनी पाइपलाइन में घटकों की तरह चरणों को डिज़ाइन करें। Scikit-Learn, TensorFlow, और अधिकांश अन्य लाइब्रेरीज़, फ़्रेमवर्क और MLOpsenvironments के साथ संगत।

IDS-ML के लिए कोड: मशीन लर्निंग एल्गोरिदम (Decision tree, random forest, extra trees, XGBoost, stacking, k-means, Bayesian optimization..) का उपयोग करके घुसपैठ का पता लगाने वाली प्रणाली का विकास

Gradient Boosting मॉडल्स के लिए एक साथ हाइपरपैरामीटर ट्यूनिंग और फीचर सिलेक्शन के लिए एक पायथन पैकेज।