machine-learning

Apostas esportivas na NBA usando aprendizado de máquina

Simulação de redes neurais de picos (SNNs) usando PyTorch.

MLRun é uma plataforma MLOps de código aberto para construir e gerenciar rapidamente aplicações de ML contínuas ao longo de seu ciclo de vida. O MLRun integra-se ao seu ambiente de desenvolvimento e CI/CD, automatizando a entrega de dados de produção, pipelines de ML e aplicações online.

TensorLy: Aprendizado de tensores em Python.

Graph4nlp é a biblioteca para o uso facilitado de Graph Neural Networks em NLP. Visite nosso site DLG4NLP (https://dlg4nlp.github.io/index.html) para diversos recursos de aprendizado!

Artigos de pesquisa essenciais e links para ferramentas e conjuntos de dados relacionados ao uso de aprendizado de máquina para compiladores e otimização de sistemas

Servidor de inferência de CPU/GPU eficiente, escalável e de nível empresarial para modelos transformer do 🤗 Hugging Face 🚀

Uma seleção de materiais de pesquisa de ponta sobre previsão de trajetória

Machine Learning em R

Este repositório fornece código para algoritmos de machine learning para dispositivos de borda desenvolvidos na Microsoft Research India.

Diferenciação automática de alto desempenho para LLVM e MLIR.

Controle de versão para aprendizado de máquina.

🦆 Vetores de palavras com chaves contextuais.

Um framework unificado para modelos de Deep Learning em dados tabulares.

Um detector de conteúdo NSFW (pornografia) com CoreML

Interface de pesquisa baseada em Python para otimização de caixa-preta e hiperparâmetros, baseada no serviço interno Google Vizier.

Uma ferramenta de depuração visual agnóstica ao modelo para aprendizado de máquina

Neuroevolução profunda

Modelos de redes neurais pré-treinados em Axon (+ integração com modelos 🤗)

Uma estrutura baseada em PyTorch para simulação quântica clássica, aprendizado de máquina quântico, redes neurais quânticas e circuitos quânticos parametrizados, com suporte para implantação fácil em computadores quânticos reais.

Tutoriais de Apache Spark e Python (pySpark) para análise de Big Data e Machine Learning em notebooks IPython / Jupyter

Coleção de notebooks do Google Colaboratory para experimentos rápidos e fáceis

Geradores de dados sintéticos para dados tabulares e séries temporais

Trilha de aprendizado para Engenheiro de Infraestrutura de IA - currículo de infraestrutura de ML em produção (2 a 4 anos de experiência).

Aprendizado de máquina com dataframes

O sistema de auto-codificação para seu aplicativo — Alan AI SDK para Ionic

MixTeX LaTeX multimodal, ZhEn e Table OCR. Ele realiza inferência eficiente baseada em CPU em um ambiente offline local no Windows.

Lista de recursos úteis para aumento de dados, incluindo técnicas incomuns, bibliotecas, links para repositórios do GitHub, artigos e outros.

Recursos incríveis sobre fluxos de normalização (normalizing flows).