Libs با برچسب "فراگیری ماشین"
machine-learning-roadmap
نقشه راه، راهنماها و سایر محتوای آموزشی برای کمک به توسعه دهندگان برای رشد شغلی خود در زمینه یادگیری ماشین. (توسط rajtilakjee).
- 12
- /DEVs
- MIT
flight-delay-notebooks
تجزیه و تحلیل تاخیر پرواز و داده های آب و هوا با استفاده از Elyra، IBM Data Asset Exchange، Kubeflow Pipelines و KFServing.
- 12
- Jupyter Notebook
- Apache License 2.0
deep-fast-vision
یک کتابخانه پایتون برای نمونه سازی سریع مدل های بینایی یادگیری انتقال عمیق..
- 12
- Python
- MIT
unity-ml-agents-turret-defense
یک عامل یادگیری تقویتی که به عنوان برجک بازی می کند، جایی که هدفش اجازه دادن به ده واحد دوستانه برای ورود به پایگاه است و اگر یک واحد دشمن وارد پایگاه شده باشد یا اگر دو واحد دوستانه شلیک شده باشد، بازنده است.
- 11
- TeX
- Apache License 2.0
html_tag_annotator
یک ابزار یادگیری ماشینی برای ایجاد مجموعه داده آموزشی بسیار سریع و آسان با استفاده از افزونه کروم هوشمند.
- 11
- JavaScript
- MIT
lmsoc
کد برای بازتولید مقاله ما: LMSOC: رویکردی برای پیش‌آموزش حساس اجتماعی.
- 11
- Jupyter Notebook
- Apache License 2.0
Fuel-Consumption-Estimator
برنامه دسکتاپ که مصرف سوخت را با استفاده از یک مدل یادگیری ماشینی آموزش دیده تخمین می زند.
- 11
- Python
- MIT
YPDL-SentimentAnalysis-LR
در حالی که یادگیری عمیق زیرمجموعه ای از یادگیری ماشینی است، روش پیش بینی در یادگیری عمیق متفاوت است و مشابه نحوه استفاده مغز انسان از مسیرهای عصبی برای پردازش اطلاعات و یادگیری از آن است. در این کارگاه با اجزای سازنده یادگیری عمیق، شبکه های عصبی و نحوه کار آنها آشنا خواهیم شد. ما با رگرسیون لجستیک شروع می کنیم - یک الگوریتم طبقه بندی شبکه عصبی ساده و اساسی که فقط یک شبکه عصبی یک لایه دارد. اینها منابعی برای اولین سه هستند.
openai-function-calling
توابع کمکی برای تولید دیکت های طرحواره JSON برای درخواست های فراخوانی تابع OpenAI ChatGPT..
- 10
- Python
Subway-Station-Hazard-Detection
این پروژه بخشی از دوره CS "مهندسی سیستم ها با علوم زیستی ملاقات می کند" در دانشگاه گوته فرانکفورت است. در این پروژه Computer Vision، ما اولین نمونه اولیه از یک سیستم امنیتی را توسعه دادیم که از دوربین های نظارتی در ایستگاه های مترو برای تشخیص موقعیت های خطرناک استفاده می کند. داده های آموزشی به طور مصنوعی توسط یک شبیه سازی مبتنی بر Unity تولید شده است.
- 10
- Jupyter Notebook
- MIT
nlphose
ایجاد خطوط لوله پیچیده NLP را در چند ثانیه، برای پردازش فایل‌های استاتیک یا جریان متن، با استفاده از مجموعه‌ای از ابزارهای خط فرمان ساده، فعال می‌کند. با اجرای یک فرمان در ترمینال، چندین عملیات روی متنی مانند NER، تجزیه و تحلیل احساسات، تقسیم کردن، شناسایی زبان، پرسش و پاسخ، طبقه‌بندی 0-shot و موارد دیگر انجام دهید. می تواند به عنوان یک راه حل پردازش زبان طبیعی با کد کم یا بدون کد استفاده شود. همچنین با Kubernetes و PySpark کار می کند!
- 10
- Jupyter Notebook
- Apache License 2.0
Media-Recommendation-Engine
یک API Recommendation Engine که می تواند برای توصیه فیلم، موسیقی، بازی، مانگا، انیمه، کمیک، برنامه های تلویزیونی و کتاب استفاده شود. مستقر شده با استفاده از نمونه AWS EC2..
- 10
- Python
- MIT
AI-Hacktoberfest
به چالش Hacktoberfest برای هوش مصنوعی / یادگیری ماشینی خوش آمدید! امروز ما مهارت های شما را برای پیش بینی مناطق آتش سوزی جنگل با توجه به پارامترهای مختلف آن ارزیابی خواهیم کرد.
