machine-learning

Um fork do gym-retro com jogos, emuladores e plataformas suportadas adicionais

mlr3: Machine Learning em R - próxima geração

🦘 Explore conjuntos de dados multimídia em escala

Ambientes de Aprendizagem por Reforço para Controle de Sinais de Trânsito com SUMO. Compatível com Gymnasium, PettingZoo e bibliotecas populares de RL.

torchview: visualize modelos do pytorch

Projetos de Machine Learning com código-fonte - Projetos de Machine Learning para iniciantes, projetos de ML para estudantes universitários do último ano, projetos de machine learning - do iniciante ao avançado

Microsoft AI for Good Lab — Hub de pesquisa de biodiversidade. Modelos de IA de código aberto, dispositivos de borda e ferramentas para monitoramento e conservação da biodiversidade. Sua fonte para MegaDetector, SPARROW, PytorchWildlife, Bioacoustics e muito mais.

Notas e soluções de exercícios da Parte I do livro: "Hands-On ML with Scikit-Learn, Keras & TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems" de Aurelien Geron

Livros / PDFs / EPUBS para diferentes áreas de programação. LEIA, CRESÇA E APROVEITE

Desenvolvimento de estratégias de negociação de opções usando indicadores técnicos e métodos quantitativos

Corpus de texto da indústria de seguros, chatbot

Rede neural convolucional 3D multiescala eficiente para segmentação de exames médicos 3D.

Guia essencial para acompanhar IA/ML/DL/CV

Um kit de ferramentas poderoso e modular para vinculação de registros e detecção de duplicatas em Python.

🟣 Perguntas e respostas de entrevistas sobre LLMs para ajudar na sua preparação para a próxima entrevista de machine learning e ciência de dados em 2026.

Saídas e gradientes de camadas no Keras. Facilitado.

Introdução ao PyTorch, cobrindo inicialização de tensores, operações, indexação e redimensionamento.

Código e outros materiais para o livro "Deep Learning and the Game of Go".

Construa agentes que são controlados por LLMs.

O Guia do Mochileiro para Ciência de Dados para o Bem Social

Mãe de todos os benchmarks de BCI

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

Compilação de códigos de programação em R e Python do canal do YouTube Data Professor.

Caminho de aprendizado completo para engenheiros de agentes: domine a engenharia de IA do zero, com 20 etapas, 503 aulas, tradução completa, site de suporte e vídeos explicativos animados; um guia para se tornar um engenheiro de agentes de IA.

Reconhecimento de gestos via CNN. Implementado em Keras + Tensorflow/Theano + OpenCV.

Aumenta a resolução de uma imagem por um fator de 4, gerando detalhes fotorrealistas.

Design de algoritmos quânticos extensível e eficiente para humanos.

O RAFT contém algoritmos e primitivas fundamentais amplamente utilizados para aprendizado de máquina e recuperação de informações. Os algoritmos são acelerados por CUDA e formam blocos de construção para facilitar a escrita de aplicações de alto desempenho.

Aprendizado rápido e simples de estruturas de redes profundas com restrição de recursos.

Métodos de interpretabilidade para modelos tf.keras com Tensorflow 2.x.