catboost

Uma biblioteca de Gradient Boosting on Decision Trees rápida, escalável e de alto desempenho, usada para classificação, regressão, ranking e outras tarefas de aprendizado de máquina para Python, R, Java e C++. Suporta computação em CPU e GPU.

Pacote Python para AutoML em dados tabulares com engenharia de atributos, ajuste de hiperparâmetros, explicações e documentação automática.

Uma coleção de artigos de pesquisa sobre árvores de decisão, classificação e regressão com implementações.

Biblioteca Python para previsão de séries temporais usando modelos compatíveis com scikit-learn, métodos estatísticos e modelos de fundação.

Repositório de tutoriais do CatBoost

Uma lista curada de artigos de pesquisa sobre gradient boosting com implementações.

Ollama para modelos de ML clássicos. Compilador AOT que transforma modelos XGBoost, LightGBM, scikit-learn, CatBoost e ONNX em código de inferência C99 nativo. Um comando para carregar, um comando para servir. 336x mais rápido que a inferência em Python.

Código para o IDS-ML: desenvolvimento de sistema de detecção de intrusão usando algoritmos de machine learning (Árvore de decisão, random forest, extra trees, XGBoost, stacking, k-means, otimização bayesiana..)