Awesome GitHub RepositoriesRegression Models

Dieses Projekt ist ein multimodaler Modell-Trainer und ein Tool für das Fine-Tuning von maschinellem Lernen, das einen containerisierten Workflow zur Anpassung vortrainierter Modelle an spezifische Aufgaben bietet. Es verfügt über eine No-Code-Weboberfläche und ein Dashboard für das Training von Large Language Models und anderen Datensätzen für maschinelles Lernen, ohne Code schreiben zu müssen. Das System zeichnet sich durch die Integration einer No-Code-Oberfläche mit Remote-GPU-Orchestrierung aus, die es Nutzern ermöglicht, containerisierte Trainingsumgebungen in der Cloud-Infrastruktur oder auf lokaler Hardware bereitzustellen. Es enthält einen dedizierten Integrator zum Hochladen trainierter Modellgewichte und Konfigurationen direkt in den Hugging Face Hub. Die Funktionen decken eine breite Palette an Modalitäten ab, einschließlich Computer Vision für Bildklassifizierung und Objekterkennung, Natural Language Processing für Textklassifizierung und Sequence-to-Sequence-Aufgaben sowie überwachtes Lernen für tabellarische Daten. Das Toolkit unterstützt zudem die Optimierung spezialisierter Sprachmodelle durch parameter-effizientes Fine-Tuning und Quantisierung. Trainings-Workflows werden über Konfigurationsdateien oder eine browserbasierte Oberfläche verwaltet, mit integrierter Unterstützung für das Mapping von Datensatzspalten und die Überwachung des Trainingsfortschritts.