machine-learning

अत्याधुनिक सेलिएंसी विधियों (XRAI, BlurIG, SmoothGrad, और अन्य) के लिए फ्रेमवर्क-अज्ञेयवादी कार्यान्वयन।

सभी Stanford चीटशीट: आर्टिफिशियल इंटेलिजेंस, ट्रांसफॉर्मर्स, LLMs, डीप लर्निंग, मशीन लर्निंग, प्रायिकता, सांख्यिकी, बीजगणित और कलन

LangKit: Large Language Models (LLMs) की निगरानी के लिए एक ओपन-सोर्स टूलकिट। यह प्रॉम्प्ट और रिस्पॉन्स से सिग्नल निकालता है, जिससे सुरक्षा सुनिश्चित होती है। इसमें टेक्स्ट क्वालिटी, प्रासंगिकता मेट्रिक्स और सेंटीमेंट एनालिसिस जैसी सुविधाएँ शामिल हैं। यह LLM ऑब्जर्वेबिलिटी के लिए एक व्यापक टूल है।

[ICLR 2025 Spotlight] "Time-MoE: Billion-Scale Time Series Foundation Models with Mixture of Experts" का आधिकारिक कार्यान्वयन

Unity में sim2real प्रशिक्षण और सत्यापन के लिए परसेप्शन टूलकिट।

ONNX फ़ाइलों को LiteRT/TFLite/TensorFlow, PyTorch नेटिव कोड (nn.Module), TorchScript (.pt), state_dict (.pt), Exported Program (.pt2), और Dynamo ONNX में बदलने के लिए एक टूल। यह LiteRT से PyTorch में सीधे रूपांतरण का भी समर्थन करता है।

PyTorch के साथ सर्वाइवल एनालिसिस

Keras 3 के लिए प्रीट्रेनड मॉडल हब।

Molecular Sets (MOSES): मॉलिक्यूलर जनरेशन मॉडल के लिए एक बेंचमार्किंग प्लेटफॉर्म।

Practical MLOps O'Reilly पुस्तक (2021)

लोकल LLM का उपयोग करके फर्स्ट प्रिंसिपल्स से AI एजेंट्स बनाएं - कोई फ्रेमवर्क, कोई क्लाउड API और कोई छिपा हुआ तर्क नहीं।

Sparkling Water Spark क्लस्टर के भीतर H2O कार्यक्षमता प्रदान करता है

इस सूची का उद्देश्य 3D Morphable Models के आसपास साझा डेटा और एल्गोरिदम एकत्र करना है। आपको पुल रिक्वेस्ट जोड़कर इस सूची में योगदान करने के लिए आमंत्रित किया जाता है। मूल सूची मार्च 2019 में 3D Morphable Models पर Dagstuhl सेमिनार से उत्पन्न हुई थी।

विशिष्ट सघन और विरल मैट्रिक्स संचालन और डीप लर्निंग प्रिमिटिव्स के लिए लाइब्रेरी

वेक्टर सर्च और LLMs का उपयोग करके मल्टीमॉडल AI, RAG और एजेंट्स के लिए संसाधन, उदाहरण और ट्यूटोरियल

Apache Spark के लिए R इंटरफ़ेस

OmniXAI: eXplainable AI के लिए एक लाइब्रेरी

Python मशीन लर्निंग एल्गोरिदम तकनीकी ब्लॉग, जिसमें मूल सामग्री और कोड अभ्यास शामिल हैं।

Data Science EBooks रिपॉजिटरी में आपका स्वागत है! यह संग्रह डेटा साइंस, मशीन लर्निंग और AI पर विभिन्न प्रकार की उच्च गुणवत्ता वाली ई-बुक्स प्रदान करता है। शुरुआती और उन्नत दोनों शिक्षार्थियों के लिए बिल्कुल सही, अपने ज्ञान और कौशल को गहरा करने के लिए इन संसाधनों का अन्वेषण करें।

मशीन लर्निंग Q और AI बुक

BERT से GPT-4 तक के ट्रांसफॉर्मर मॉडल, Hugging Face से OpenAI तक के एनवायरनमेंट। फाइन-ट्यूनिंग, ट्रेनिंग और प्रॉम्प्ट इंजीनियरिंग के उदाहरण। ChatGPT, GPT-3.5-turbo, GPT-4, और DALL-E के साथ एक बोनस सेक्शन, जिसमें GPT-4 को शुरू करना, स्पीच-टू-टेक्स्ट, टेक्स्ट-टू-स्पीच, DALL-E के साथ टेक्स्ट-टू-इमेज जनरेशन, Google Cloud AI, HuggingGPT और बहुत कुछ शामिल है।

AI Audio Datasets (AI-ADS) 🎵, जिसमें स्पीच, म्यूजिक और साउंड इफेक्ट्स शामिल हैं, जो जेनरेटिव AI, AIGC, AI मॉडल ट्रेनिंग, इंटेलिजेंट ऑडियो टूल डेवलपमेंट और ऑडियो एप्लिकेशन के लिए ट्रेनिंग डेटा प्रदान करते हैं।

PyGCL: ग्राफ कंट्रास्ट लर्निंग के लिए एक PyTorch लाइब्रेरी

Unity पर TensorFlow Lite के नमूने।

NequIP E(3)-इक्विवेरिएंट इंटरएटॉमिक पोटेंशियल बनाने के लिए एक कोड है।

तेज़ और पोर्टेबल डेटा समानांतर एल्गोरिदम व्यक्त करने के लिए एक पॉलीहेड्रल कंपाइलर

Deep Forest (2021.2.1) के लिए एक कुशल, स्केलेबल और अनुकूलित Python फ्रेमवर्क।

Kaggle की Titanic: Machine Learning from Disaster प्रतियोगिता के लिए एक ट्यूटोरियल। यह बुनियादी डेटा मन्जिंग, विश्लेषण और विज़ुअलाइज़ेशन तकनीकों को प्रदर्शित करता है और सुपरवाइज्ड मशीन लर्निंग तकनीकों के उदाहरण दिखाता है।

Half-Quadratic Quantization (HQQ) का आधिकारिक कार्यान्वयन