Skip to content
Catégories de projets

Apprentissage automatique · GitHub

Explorez les outils pour entraîner, évaluer et exécuter des modèles, et comparez leur popularité.

Projets GitHub utiles

12,833 projets
1,308étoiles
mlforecast preview

Scalable machine 🤖 learning for time series forecasting.

  • Fastest implementations of feature engineering for time series forecasting in Python.
  • Out-of-the-box compatibility with pandas, polars, spark, dask, and ray.

OMML

njustkmg

477étoiles

Multi-Modal learning toolkit based on PaddlePaddle and PyTorch, supporting multiple applications such as multi-modal classification, cross-modal retrieval and image caption.

direct

NKI-AI

321étoiles

Deep learning framework for MRI reconstruction

  • MRI data and sampling. Multi-coil static, dynamic, and multislice volumes; coil-sensitivity estimation; and a library of Cartesian, radial, spiral, Poisson, Gaussian, and k-t masks. A learned Adaptive Dynamic Sampler (ADS) can also choose lines or pixels under a fixed acceleration budget.
  • Reconstruction models. vSHARP, RecurrentVarNet, VarNet, RIM / CIRIM, LPDNet, XPDNet, IterDualNet, ConjGradNet, Joint-ICNet, KIKI-Net, MultiDomainNet, VarSplitNet, U-Net (2D / 3D), MEDL, and transformer reconstructors (ViT, UFormer) in image or k-space.
2,271étoiles
Introduction-NLP preview

Notes détaillées sur Introduction au traitement automatique du langage naturel, le nouveau livre de l’auteur de HanLP ! Un ouvrage particulièrement sérieux : plutôt que d’aligner des formules arides, il explique les modèles algorithmiques dans un langage clair et accessible. À partir des concepts fondamentaux, il présente progressivement les principes algorithmiques et la mise en œuvre technique de plusieurs sujets majeurs : segmentation des mots chinois, étiquetage morphosyntaxique, reconnaissance d’entités nommées, extraction d’informations, classification non supervisée de textes, classification de textes et analyse syntaxique.

ML-NLP

NLP-LOVE

17,846étoiles
ML-NLP preview

Ce projet rassemble les notions et les implémentations en code fréquemment abordées lors des entretiens sur l’apprentissage automatique (Machine Learning), le deep learning et le NLP. Il présente également les bases théoriques que tout ingénieur en algorithmique doit connaître.

medaCy

NLPatVCU

441étoiles
medaCy preview

:hospital: Medical Text Mining and Information Extraction with spaCy

  • Highly predictive, shared-task dominating out-of-the-box trained models for medical named entity recognition.
  • Customizable pipelines with detailed development instructions and documentation.

disent

nmichlo

136étoiles
disent preview

🧶 Modular VAE disentanglement framework for python built with PyTorch Lightning ▸ Including metrics and datasets ▸ With strongly supervised, weakly supervised and unsupervised methods ▸ Easily configured and run with Hydra config ▸ Inspired by disentanglement_lib