Awesome GitHub RepositoriesGraph Machine Learning

DGL is a Python library for building and training graph neural networks. It functions as a graph message passing framework and a geometric deep learning tool, enabling the development of models that analyze graph-structured data. The library is designed for large-scale graph processing, utilizing distributed training and neighbor sampling to handle datasets with billions of edges. It provides specialized support for heterogeneous graph modeling, allowing for the representation of complex real-world entities with multiple node and edge types. Its capabilities cover a wide range of graph tasks

This repository provides a collection of reference implementations and code examples for training and deploying machine learning models using the MLX framework. It serves as a practical guide for executing distributed training, fine-tuning large language models, converting model weights, and implementing multimodal generative workflows. The project distinguishes itself through specialized examples for local hardware execution, featuring weight quantization to reduce memory usage and low-rank adaptation for parameter-efficient fine-tuning. It also includes scripts for transforming external mod

pygcn ist eine PyTorch-Bibliothek und ein Framework zur Implementierung von Graph Convolutional Networks. Sie bietet Tools für semi-überwachte Knotenklassifizierung und die Generierung von Knoteneinbettungen aus graphstrukturierten Daten. Das System konvertiert Graph-Knoten in niedrigdimensionale Vektoren basierend auf Nachbarschaftsmustern und lokalen Ähnlichkeiten. Es ermöglicht die Vorhersage von Knoten-Labels durch die Nutzung sowohl einer kleinen Menge gelabelter Beispiele als auch der gesamten Graphtopologie. Die Bibliothek deckt relationale Datenanalyse und semi-überwachtes Graph-Learning ab. Sie enthält Rechenprimitive für Message-Passing, Adjazenz-Transformation und symmetrische Normalisierung.

A collection of important graph embedding, classification and representation learning papers with implementations.

Generate embeddings from large-scale graph-structured data.

StellarGraph - Machine Learning on Graphs

A curated list of network embedding techniques.

A collection of research papers on decision, classification and regression trees with implementations.

A curated list of community detection research papers with implementations.

Graph Neural Networks with Keras and Tensorflow 2.

Karate Club: An API Oriented Open-source Python Framework for Unsupervised Learning on Graphs (CIKM 2020)

A curated list of data mining papers about fraud detection.

TensorFlow GNN is a library to build Graph Neural Networks on the TensorFlow platform.

A Graph Neural Network Library in Jax

An autoML framework & toolkit for machine learning on graphs.

A curated list of gradient boosting research papers with implementations.

Dieses Projekt dient als Bildungs- und Praxisressource zur Beherrschung von Machine-Learning-Workflows mit Python. Es bietet eine umfassende Sammlung von Codebeispielen und Übungen, die Benutzer durch die Implementierung prädiktiver Systeme führen, von grundlegenden Algorithmen bis hin zu Deep-Learning-Architekturen. Das Repository zeichnet sich durch einen strukturierten Ansatz für sowohl klassisches Machine Learning als auch das Training neuronaler Netze aus. Es deckt den gesamten Lebenszyklus der Modellentwicklung ab, einschließlich der Orchestrierung wiederverwendbarer Datentransformations-Pipelines, fortgeschrittener Ensemble-Strategien wie Stacking und sequenziellem Training sowie Techniken zur Handhabung großer Datensätze durch inkrementelle Verarbeitung. Das Material umfasst ein breites Fähigkeitsspektrum, einschließlich Klassifizierung, Regression, Clustering und Dimensionsreduktion. Es bietet Tools für eine rigorose Modellevaluierung, wie Fehleranalyse und Leistungsmetriken, neben Optimierungstechniken wie Hyperparameter-Tuning, Regularisierung und automatisierten Trainingskontrollen, um die Zuverlässigkeit und Generalisierung von Modellen sicherzustellen. Der Inhalt ist als eine Reihe von Tutorials und praktischen Übungen organisiert, was es zu einer Referenz für den Aufbau und das Deployment intelligenter Systeme mit Standard-Industrie-Frameworks macht.

Little Ball of Fur - A graph sampling extension library for NetworKit and NetworkX (CIKM 2020)

A curated list of Monte Carlo tree search papers with implementations.

🍇 GRAPE is a Rust/Python Graph Representation Learning library for Predictions and Evaluations