neural-networks

Stack de software do Google DeepMind para simulação baseada em física e ambientes de Aprendizado por Reforço, utilizando MuJoCo

Código de treinamento de LLM para modelos de fundação Databricks

Raciocínio probabilístico e análise estatística no TensorFlow

Implementações em Python puro de algoritmos básicos de aprendizado de máquina.

Anotações, exercícios de programação e questionários de todos os cursos da especialização em Deep Learning do Coursera oferecida pela deeplearning.ai: (i) Redes Neurais e Deep Learning; (ii) Melhorando Redes Neurais Profundas: Ajuste de hiperparâmetros, Regularização e Otimização; (iii) Estruturando Projetos de Machine Learning; (iv) Redes Neurais Convolucionais; (v) Modelos de Sequência.

Estas são as anotações manuscritas do curso de Andrew NG no Coursera.

🧠💬 Artigos que escrevi sobre aprendizado de máquina, arquivados do MachineCurve.com.

Hummingbird compila modelos de ML treinados em computação de tensores para inferência mais rápida.

🛠 IDE baseada na web tudo-em-um especializada em aprendizado de máquina e ciência de dados.

Avaliação e rastreamento para experimentos de LLM e agentes de IA.

Todas as notas e materiais do curso CS229: Machine Learning da Universidade de Stanford.

Biblioteca de redes neurais baseada em JAX

Repositório criado para ajudar iniciantes em aprendizado de máquina ou aqueles que estão se preparando para estudos na área.

Motor de xadrez de rede neural de código aberto com aceleração de GPU e amplo suporte de hardware.

Uma ferramenta de aprendizado de máquina intuitiva que permite treinar, testar e usar modelos sem escrever código.

Inferência de Tensorflow e ONNX pequena, direta e independente.

Redes neurais elegantes e fáceis de usar + computação científica em JAX. https://docs.kidger.site/equinox/

Geração de jazz impulsionada por deep learning usando Keras e Theano!

Deep learning descentralizado em PyTorch. Criado para treinar modelos em milhares de voluntários ao redor do mundo.

Redes neurais de passagem de mensagens para predição de propriedades moleculares.

Operadores de inferência de rede neural de ponto flutuante de alta eficiência para dispositivos móveis, servidores e Web

Um serviço de classificação personalizada de Machine Learning low-code para artigos, listagens, resultados de pesquisa e recomendações que aumenta o engajamento do usuário. Um motor de Learn-to-Rank amigável.

Código-fonte do PyGAD, uma biblioteca Python 3 para construir algoritmos genéticos e treinar algoritmos de aprendizado de máquina (Keras e PyTorch).

Solucionadores de equações diferenciais numéricas em JAX. Autodiferenciável e compatível com GPU. https://docs.kidger.site/diffrax/

Um kit de ferramentas/biblioteca Python para aprendizado de máquina/profundo e mineração de dados centrados na realidade em séries temporais parcialmente observadas, com mais de 50 modelos de redes neurais SOTA para tarefas de análise científica (imputação, classificação, agrupamento, previsão, detecção de anomalias, limpeza) em séries temporais multivariadas industriais irregularmente amostradas com valores ausentes NaN.

Aprendizado profundo e online com redes neurais de picos (spiking neural networks) em Python

Computação Paralela e Machine Learning Científico (SciML): Métodos e Aplicações (MIT 18.337J/6.338J)

Uma coleção de mais de 1000 artigos de revisão sobre Processamento de Linguagem Natural (NLP) e Machine Learning (ML).

Um framework diferenciável de resolução de EDP para aprendizado de máquina.

Aprendizado de máquina ergonômico para todos.