xgboost

Biblioteca de Gradient Boosting (GBDT, GBRT ou GBM) escalável, portátil e distribuída, para Python, R, Java, Scala, C e mais. Executa em máquina única, Hadoop, Spark, Dask, Flink e DataFlow

Plataforma padronizada de inferência de IA generativa e preditiva distribuída para implantação escalável em múltiplos frameworks no Kubernetes.

Alink é a plataforma de algoritmos de Machine Learning baseada em Flink, desenvolvida pela equipe PAI da plataforma de computação do Alibaba.

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

Uma biblioteca Python para visualização de árvores de decisão e interpretação de modelos.

Transforme modelos de ML em código nativo (Java, C, Python, Go, JavaScript, Visual Basic, C#, R, PowerShell, PHP, Dart, Haskell, Ruby, F#, Rust) sem dependências.

Uma biblioteca para depurar/inspecionar classificadores de aprendizado de máquina e explicar suas previsões

Mars é uma estrutura unificada baseada em tensores para computação de dados em larga escala que escala numpy, pandas, scikit-learn e funções Python.

Servidor de Deep Learning e CLI para Torch e TensorRT

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

Treinamento distribuído de modelos de IA e ajuste fino de LLMs no Kubernetes

Visualize automaticamente qualquer conjunto de dados, de qualquer tamanho, com uma única linha de código. Criado por Ram Seshadri. Colaboradores são bem-vindos. Permissão concedida mediante solicitação.

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

Aprendizado de máquina escalável para previsão de séries temporais.

DS e ML em Python escalável, com compatibilidade de API e velocidade extremamente alta.

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

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

Uma extensão do XGBoost para modelagem probabilística

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.

Use estratégias avançadas de engenharia de recursos e selecione as melhores características do seu conjunto de dados com uma única linha de código. Criado por Ram Seshadri. Colaboradores são bem-vindos.

Impressione seu chefe com visualização interativa de Árvore de Decisão

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..)

Serviço web REST para pontuação em tempo real real (<1 ms) de modelos do Scikit-Learn, R e Apache Spark

Um pacote em Python para a sintonia simultânea de hiperparâmetros e seleção de recursos para modelos Gradient Boosting.

Uma interface unificada para algoritmos de otimização e experimentos

Construa automaticamente vários modelos de ML com uma única linha de código. Criado por Ram Seshadri. Colaboradores são bem-vindos. Permissão concedida mediante solicitação.