Awesome GitHub RepositoriesAccuracy Validation Utilities

Prophet is a time series forecasting library and decomposition tool that uses an additive regression model to predict future values. It functions as an uncertainty estimation tool, calculating confidence intervals and error metrics to quantify the risk associated with future predictions. The project is distinguished by its ability to incorporate human-interpretable parameters for model tuning and its use of Bayesian inference for parameter estimation. It supports the integration of external regressors and special event modeling to account for the impact of holidays and specific dates on forec

Prophet is a predictive analytics framework and time series regression library designed for forecasting future values. It uses additive models to fit non-linear growth and periodic seasonal patterns, providing tools for producing forecasts with integrated error measurement. The project handles multiple seasonalities and holiday effects to improve accuracy for periodic data. It supports the integration of external regressors and manages data irregularities, such as missing data and outliers, to maintain prediction stability. The framework covers a broad range of analysis capabilities, includi

MNN is a high-performance inference engine and framework designed for on-device machine learning. It provides a comprehensive environment for executing, optimizing, and deploying neural network models directly on mobile and resource-constrained edge devices. The framework distinguishes itself through a robust model optimization toolkit that supports quantization, compression, and structural graph manipulation to minimize memory footprint and maximize execution speed. It features a modular architecture that abstracts hardware-specific backends, allowing models to run efficiently across diverse

AutoGluon is an automated machine learning framework and multimodal library designed to automate the end-to-end pipeline from data preprocessing to high-accuracy model training and validation. It functions as an automated model trainer for tabular, image, text, and time series data, as well as a tool for time series forecasting and foundation model finetuning. The project is distinguished by its ability to jointly process and fuse different data types, allowing for the construction of multimodal neural networks that integrate images, text, and structured tables. It supports zero-shot inferenc

This project is a comprehensive collection of educational examples and reference implementations for building vision and language models using PyTorch. It serves as a deep learning tutorial covering the end-to-end process of developing neural networks, from initial architecture definition to final production deployment. The repository provides detailed guides on implementing a wide range of domain-specific models, including convolutional neural networks for object detection and segmentation, as well as transformer and recurrent architectures for natural language processing. It emphasizes gene

YOLOv6 هو إطار عمل للتعلم العميق أحادي المرحلة مصمم لاكتشاف الكائنات الصناعية. يعمل كمدرب نموذج رؤية حاسوبية لتحديد وتحديد مواقع الكائنات داخل الصور، بالإضافة إلى أداة تجزئة مثالية تحدد حدود الكائنات الدقيقة باستخدام الأقنعة. يتضمن المشروع محسناً لاستدلال الهاتف المحمول ومجموعة أدوات لتكميم النموذج. تركز هذه المكونات على تقليل حجم النموذج ودقته لتحسين سرعة التنفيذ على الرقائق القائمة على ARM وتحويل النماذج إلى تنسيقات منخفضة الدقة لتقليل حجم الملف. يغطي إطار العمل مجموعة واسعة من القدرات، بما في ذلك تدريب النماذج المخصصة، والتجزئة المثالية في الوقت الفعلي، وتحويل وقت تشغيل النموذج للتنفيذ عبر المنصات. كما يدعم تحسين استدلال أجهزة الحافة للحفاظ على الأداء عبر أوقات تشغيل الأجهزة المختلفة.

Open Model Zoo هي مجموعة منسقة من نماذج التعلم العميق المدربة مسبقاً والمحسنة المصممة للاستنتاج عالي الأداء باستخدام OpenVINO. تعمل كمستودع نماذج وإطار عمل نشر يبسط دمج الشبكات العصبية في بيئات الإنتاج. يستخدم المشروع بياناً مركزياً وسجلاً مؤصلاً لأتمتة تنزيل وتنظيم أوزان النماذج والبيانات الوصفية. ويتضمن أدوات لقياس أداء الاستنتاج والتحقق من دقة النموذج من خلال مقارنة المخرجات مقابل موترات الحقيقة الأرضية (ground-truth) لتحديد فقدان الدقة. يوفر النظام البيئي تطبيقات مرجعية وبنية تجريبية نمطية لفصل محركات الاستنتاج عن منطق التطبيق. تدعم هذه الأدوات تنفيذ مهام رؤية الحاسوب من خلال أغلفة قياسية تجرد متطلبات المعالجة المسبقة والمعالجة اللاحقة.

Neural Prophet هي مكتبة تنبؤ بالسلاسل الزمنية تعتمد على PyTorch مصممة للتعلم الآلي القابل للتفسير. تعمل كإطار عمل للتحلل يكسر الإشارات إلى أجزاء مكونة مثل التأثيرات ذاتية الانحدار، والاتجاهات الخطية المجزأة، والموسمية القائمة على Fourier للتنبؤ بالقيم المستقبلية. يتميز المشروع بدمج الشبكات العصبية مع الخوارزميات التقليدية لإنتاج تنبؤات تشرح محركات الاتجاه الأساسية. يتميز بنهج نمذجة السلاسل الزمنية العالمية، مما يسمح بتدريب نموذج واحد عبر سلاسل متزامنة متعددة لمشاركة الأنماط المتعلمة مع الحفاظ على الخصوصيات المحلية. بالإضافة إلى ذلك، تعمل كأداة لتحديد كمية عدم اليقين، باستخدام انحدار الكميات والتنبؤ المطابق لتوليد فترات تنبؤ موثوقة. توفر المكتبة مجموعة شاملة من القدرات لإدارة البيانات، بما في ذلك استرجاع العطلات، وملء الفجوات، والتطبيع. تغطي دورة حياة النمذجة الكاملة مع تحسين المعلمات الفائقة المؤتمت، واكتشاف نقاط تغيير الاتجاه، ودمج المتغيرات التفسيرية المستقبلية والمتأخرة. يتم دعم التحليل من خلال تحلل التنبؤ وإسناد المدخلات لتصور كيفية تأثير عوامل معينة على التنبؤات النهائية.

Nixtla is a time series analysis platform centered on a transformer-based foundation model. It provides zero-shot inference for forecasting and anomaly detection, allowing the system to predict future values for new time series without requiring model retraining. The project is designed for large-scale analysis, using distributed inference scaling and forecast parallelization to process millions of data series. It supports fine-tuning adaptation to adjust pretrained weights for domain-specific datasets and offers deployment options ranging from local execution and private containers to integr

This project is a multi-purpose toolkit comprising a static site generator, a predictive modeling tool, and a sports analytics dashboard. It functions as a content syndication engine that converts source files into static HTML and machine-readable XML streams for blogs and professional portfolios. The system features a data processing engine designed for sports performance analytics, using linear and logistic regression to estimate season win totals and calculate win probabilities. It includes a time-series visualization framework that renders these performance trends using high-contrast them