clustering

Phân cụm chú thích bản đồ dễ dàng 📍

Foldseek cho phép so sánh nhanh chóng và nhạy bén các tập cấu trúc lớn

AI đa phương thức cỡ nhỏ để hiểu và tạo nội dung trên văn bản đa ngôn ngữ, hình ảnh và video, nhanh hơn tới 5 lần so với OpenAI CLIP và LLaVA

Khoảng cách chuỗi thời gian: Dynamic Time Warping (thực thi DTW nhanh bằng C)

pyclustering là một thư viện khai thác dữ liệu bằng Python và C++.

Bộ sưu tập các thuật toán khác nhau được cài đặt bằng R.

Thư viện C++ tinh gọn để làm việc với dữ liệu đámเพ điểm (point cloud)

RAFT chứa các thuật toán cơ bản được sử dụng rộng rãi và các nguyên hàm cho học máy và truy xuất thông tin. Các thuật toán này được tăng tốc bằng CUDA và tạo thành các khối xây dựng để dễ dàng viết các ứng dụng hiệu suất cao hơn.

EliasDB a graph-based database.

[IEEE T-KDE 2026] Awesome Deep Graph Clustering là tập hợp các phương pháp gom cụm đồ thị sâu mới nhất và tiên tiến nhất (bài báo, mã nguồn và tập dữ liệu).

iodine - Máy chủ HTTP / WebSockets cho Ruby có hỗ trợ Pub/Sub

Một module dựa trên scikit-learn dành cho phân loại đa nhãn và các loại tương tự

Thư viện toàn diện cho học máy và tính toán số học. Áp dụng Machine Learning bằng Rust dựa trên các nguyên lý cơ bản.

Một HTTP Server hiệu suất cao cho Ruby

Các ví dụ về thuật toán học máy phổ biến trên MatLab/Octave với mã nguồn và giải thích toán học đi kèm

Một công cụ khai thác mẫu nhật ký phát trực tuyến mạnh mẽ dựa trên thuật toán Drain

cuVS - thư viện tìm kiếm vector và phân cụm trên GPU

Bộ công cụ khai thác dữ liệu ELKI

InfluxDB Cluster - Giải pháp thay thế mã nguồn mở cho InfluxDB Enterprise

Công cụ mã nguồn mở linh hoạt để phân tích hệ vi sinh vật

Thư viện gom nhóm bản đồ (map clustering) cho React Native trên cả Android và iOS.

Các khối xây dựng cho fuzzy matching, truy xuất thông tin và NLP đơn giản cho JavaScript

Mã nguồn cho cuốn sách Hands-on Unsupervised Learning Using Python (O'Reilly Media).

MOA là framework mã nguồn mở cho khai thác luồng dữ liệu lớn. Bao gồm tập hợp các thuật toán học máy (phân loại, hồi quy, phân cụm, phát hiện ngoại lệ, phát hiện trôi dạt khái niệm và hệ thống gợi ý) cùng các công cụ đánh giá

Triển khai BanditPAM bằng C++ và gói Python

Apache Commons Math.

Hệ quản trị cơ sở dữ liệu đa mô hình ACID C# .NET NOSQL (hỗ trợ key-value, object store, TextSearch, SemanticSearch và lớp Vector).

Phân nhóm email trực quan theo người gửi, tên miền và nhiều tiêu chí khác để xác định thư rác.

[EMNLP'25 findings] Hệ thống Graph RAG dễ sử dụng sử dụng tri thức phân cấp.

Triển khai lại bằng Python các thuật toán phân cụm phổ (có ràng buộc) được sử dụng trong các bài báo về phân đoạn người nói của Google.