machine-learning

如何在 CMU 的 ECE/CS 专业中生存

一个用于训练、评估、解释并将决策树模型（如随机森林和梯度提升树）投入生产的库。

适用于任何相机的车牌识别（ALPR 或 ANPR）软件。

此仓库包含如何以系统化且标准化的方式使用 TensorFlow estimator API 来执行各种 ML 任务的教程。

以机器学习风格处理与网格化空间数据

Python pickling 反编译器与静态分析器

新闻：10k 数据集已可供下载。

MOA 是一个用于大数据流挖掘的开源框架。它包含了一系列机器学习算法（分类、回归、聚类、异常检测、概念漂移检测与推荐系统）以及评估工具。

用于微调相似度学习模型的极速框架

A股量化系统

追踪你的 Data Science。Skore 的开源 Python 库通过自动化评估报告、智能方法学指引与全面的交叉验证分析，加速 ML 模型开发。

在 Obsidian 中使用 ChatGPT 快速格式化你的笔记

实现 Marcos López de Prado 教授所著《Machine Learning for Asset Managers (Elements in Quantitative Finance)》中的代码片段、练习题与实时数据应用。

BanditPAM C++ 实现与 Python 软件包

JAX 与 Equinox 中的高斯过程。

CAIRI 监督式、半监督式与自监督式视觉表征学习工具箱与基准测试

Awesome-LLM-Eval：精选的工具、数据集/基准测试、演示、排行榜、论文、文档与模型列表，主要用于 LLM 评估。一个由工具、基准/数据、演示、排行榜和大模型等组成的精选列表，主要面向基础大模型评测，旨在探求生成式AI的技术边界。

我为网络科学与机器学习研究而收集的一些非常酷的数据集仓库。

BenchMARL 是一个用于多智能体强化学习 (MARL) 基准测试的库。BenchMARL 能够快速比较不同的 MARL 算法、任务与模型，同时坚守其两大核心原则：可重现性与标准化。

自动将 PyTorch 模型分割到多个 GPU 上进行训练与推理

TCAV ML 可解释性项目的代码

适用于 Julia 的强化学习套件。

数据科学项目的完整生命周期

Azure MLOps (v2) 解决方案加速器。可在 Azure 平台上部署机器学习模型的企业级就绪模板。

使用 Copula 模型化多变量资料的函式库

一个轻量、可移植且支持硬件加速的嵌入式设备纯 C99 onnx 推理引擎。

oneAPI 数据分析库 (oneDAL)

用于回声状态网络等水库计算架构的简单且灵活的代码

MediaDevices API 的 Go 语言实现。

:chart_with_upwards_trend: 实现八种用于评估两张图像相似度的评估指标。这八种指标分别为：RMSE、PSNR、SSIM、ISSM、FSIM、SRE、SAM 与 UIQ。