scikit-learn

Concrete ML: framework de ML com preservação de privacidade usando Fully Homomorphic Encryption (FHE), construído sobre o Concrete, com bindings para frameworks de ML tradicionais.

Um kit de ferramentas para aprendizado de máquina e aprendizado profundo em séries temporais.

Algoritmos de aprendizado métrico em Python.

Blocos extras para pipelines scikit-learn.

MOOC de aprendizado de máquina em Python com scikit-learn.

Portfólio de projetos de ciência de dados concluídos por mim para fins acadêmicos, de autoaprendizado e hobby.

Extensão para Scikit-learn que oferece uma maneira simples de acelerar suas aplicações Scikit-learn

Projetos de machine learning em pequena escala para entender os conceitos fundamentais. Dê uma estrela 🌟 se isso te ajudar. BÔNUS: Banco de questões de entrevistas em breve.

Análise de sobrevivência construída sobre o scikit-learn

Transpile estimadores treinados do scikit-learn para C, Java, JavaScript e outros.

Implementações em Python dos algoritmos de agrupamento k-modes e k-prototypes, para agrupar dados categóricos

O ONNXMLTools permite a conversão de modelos para ONNX

Exemplos para Intel® oneAPI Toolkits

Exemplos e ferramentas para Windows ML.

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

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

Uma caixa de ferramentas de aprendizado de máquina topológico de alto desempenho em Python

Um módulo baseado em scikit-learn para classificação multi-rótulo, entre outros

Validadores cruzados do scikit-learn para estratificação iterativa de dados multirrótulo

Um servidor de inferência para seus modelos de aprendizado de máquina, incluindo suporte a vários frameworks, atendimento a múltiplos modelos e muito mais

Transformadas de espalhamento de wavelet em Python com aceleração por GPU

Inteligência Natural ainda é uma excelente ideia.

Detecção de atividades localizadas espaço-temporalmente em tempo real através do rastreamento de pontos-chave corporais

Engenharia de recursos (feature engineering) é o processo de usar conhecimento do domínio para extrair recursos de dados brutos por meio de técnicas de mineração de dados. Esses recursos podem ser usados para melhorar o desempenho de algoritmos de aprendizado de máquina. A engenharia de recursos pode ser considerada como o próprio aprendizado de máquina aplicado.

DoubleML - Double Machine Learning in Python

Coleção de ferramentas de IA para apostas esportivas.

Mecanismo de inferência de Machine Learning para microcontroladores e dispositivos embarcados

Guia de aprendizado de máquina. Aprenda tudo sobre ferramentas, bibliotecas, frameworks, grandes modelos de linguagem (LLMs) e treinamento de modelos.

Cliente Python e Toolkit para DataFrames, Big Data, Machine Learning e ETL no Elasticsearch

Impressione seu chefe com visualização interativa de Árvore de Decisão