machine-learning

Ghi chú bài giảng, bài tập hướng dẫn kèm theo lời giải cũng như video trực tuyến cho khóa học học tăng cường do Đại học Paderborn tổ chức

Bộ mã hóa tự động biến phân (Variational autoencoder) được triển khai bằng tensorflow và pytorch (bao gồm dòng chảy tự hồi quy nghịch đảo)

PDEBench: Một bộ chuẩn đánh giá toàn diện cho học máy khoa học

TorchXRayVision: Thư viện các tập dữ liệu và mô hình X-quang ngực. Bộ phân loại, phân đoạn và autoencoder.

Tài liệu nhập môn học máy được xây dựng từ các nguyên lý cơ bản. Dành cho các kỹ sư muốn suy luận về các hệ thống ML giống như cách họ suy luận về hệ thống phần mềm.

Hệ thống quản lý phiên bản dữ liệu cực nhanh dành cho các kho dữ liệu lớn. Cảm giác như git, đẩy và kéo giống oxen.

Học máy chuỗi thời gian ở quy mô lớn. Được xây dựng bằng Polars để trích xuất đặc trưng song song cực lớn và dự báo trên dữ liệu bảng.

Một framework Python để đánh giá gán nhãn chuỗi (nhận diện thực thể có tên, gán nhãn từ loại, v.v.)

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

Danh sách tài nguyên học tập backdoor

Tối ưu hóa danh mục đầu tư bằng học sâu.

Học máy - Đại học Stanford

Bộ sưu tập các tập lệnh và notebook giúp bạn bắt đầu nhanh chóng

MLKit là một bộ công cụ mạnh mẽ và dễ sử dụng. Thông qua ML Kit, bạn có thể dễ dàng hiện thực hóa các tính năng như nhận dạng văn bản, nhận dạng mã vạch, gán nhãn hình ảnh, phát hiện khuôn mặt và phát hiện đối tượng.

ONNXMLTools cho phép chuyển đổi các mô hình sang ONNX

Tăng cường dữ liệu âm thanh nhanh trong PyTorch. Lấy cảm hứng từ audiomentations. Hữu ích cho học sâu (deep learning).

Thư viện Mạng nơ-ron cấp cao hơn cho vi điều khiển.

[NeurIPS 2020] Mã nguồn chính thức cho bài báo "DeepSVG: A Hierarchical Generative Network for Vector Graphics Animation". Bao gồm một thư viện PyTorch dành cho học sâu với dữ liệu SVG.

Các bài báo thú vị về thị giác, học máy và đồ họa liên quan đến loài mèo!

Bộ công cụ cung cấp cho các agent khả năng mạnh mẽ.

Danh sách các tài nguyên AI tập trung vào dữ liệu được tuyển chọn nhưng chưa đầy đủ.

Nghiên cứu về Tabular Deep Learning: Các bài báo và gói thư viện.

GRASS - công cụ xử lý không gian địa lý mã nguồn mở và miễn phí

Danh sách các dự án Blockchain dành cho Trí tuệ nhân tạo và Học máy được tuyển chọn

Triển khai mô hình ngôn ngữ Plug and Play. Cho phép điều khiển chủ đề và các thuộc tính của mô hình GPT-2.

:muscle: Các chỉ số chất lượng và hiệu suất của mô hình (R2, ICC, LOO, AIC, BF, ...)

Câu hỏi phỏng vấn và bài kiểm tra về Machine Learning, Deep Learning, Python và Golang

NVTabular là một thư viện tiền xử lý và kỹ thuật đặc trưng dành cho dữ liệu dạng bảng, được thiết kế để thao tác nhanh chóng và dễ dàng với tập dữ liệu quy mô hàng terabyte dùng để huấn luyện hệ thống gợi ý dựa trên deep learning.

JMLR: OmniSafe là một framework cơ sở hạ tầng nhằm đẩy nhanh nghiên cứu về SafeRL.

Các công cụ để xử lý dữ liệu đa phương thức trong các dự án học máy.