6 रिपॉजिटरी
Awesome GitHub RepositoriesAlgorithm Implementations
Source code implementations of mathematical algorithms using numerical computing libraries.
Distinct from Numerical Computing Libraries: Distinct from Numerical Computing Libraries: focuses on the application of those libraries to implement specific deep learning algorithms rather than the libraries themselves.
Explore 6 awesome GitHub repositories matching artificial intelligence & ml · Algorithm Implementations. Refine with filters or upvote what's useful.
Awesome Algorithm Implementations GitHub Repositories
AI के साथ बेहतरीन रिपॉजिटरी खोजें।हम AI का उपयोग करके सबसे सटीक रिपॉजिटरी खोजेंगे।
- mingchaozhu/deeplearning
MingchaoZhu/DeepLearning
7,679GitHub पर देखेंThis project is a deep learning implementation library and neural network theory repository. It translates mathematical derivations from textbooks and literature into functional Python code to demonstrate how deep learning algorithms work. The codebase focuses on low-level algorithm implementation by using numerical libraries instead of high-level deep learning frameworks. This approach maps theoretical mathematical proofs to executable functions to verify principles and expose the underlying arithmetic and data flow of neural networks. The project covers the implementation of deep learning
Implements deep learning algorithms using numerical libraries to demonstrate core mechanics without high-level frameworks.
Pythonbayesiandeep-learningensemble-learning - mrdbourke/zero-to-mastery-ml
mrdbourke/zero-to-mastery-ml
5,839GitHub पर देखेंयह प्रोजेक्ट इंटरैक्टिव Jupyter Notebooks के माध्यम से वितरित एक मशीन लर्निंग शैक्षिक पाठ्यक्रम और शिक्षण प्लेटफ़ॉर्म है। यह Python डेटा साइंस टूलकिट में महारत हासिल करने के लिए एक व्यापक गाइड के रूप में कार्य करता है, जो न्यूमेरिकल कंप्यूटिंग, टैबुलर डेटा मैनिपुलेशन और सांख्यिकीय विज़ुअलाइज़ेशन के लिए स्ट्रक्चर्ड ट्यूटोरियल प्रदान करता है। इस पाठ्यक्रम में Scikit-Learn के लिए विशिष्ट इम्प्लीमेंटेशन गाइड और न्यूरल नेटवर्क व कंप्यूटर विज़न मॉडल बनाने, ट्रेन करने और डिप्लॉय करने के लिए TensorFlow पर एक व्यावहारिक कोर्स शामिल है। यह समस्या के प्रारंभिक निरूपण और कार्य वर्गीकरण से लेकर इंटरैक्टिव वेब इंटरफ़ेस के माध्यम से मॉडल के डिप्लॉयमेंट तक, प्रेडिक्टिव मॉडल बनाने की एंड-टू-एंड प्रक्रिया को कवर करता है। यह प्रोजेक्ट मल्टीडायमेंशनल एरेज़ के साथ न्यूमेरिकल कंप्यूटिंग, एक्सप्लोरेटरी डेटा एनालिसिस और डेटा प्रीप्रोसेसिंग रूटीन सहित व्यापक क्षमता सतह को कवर करता है। यह सुपरवाइज़्ड और अनसुपरवाइज़्ड लर्निंग, ऑटोमेटेड मशीन लर्निंग पाइपलाइन, हाइपरपैरामीटर ऑप्टिमाइज़ेशन और क्लासिफिकेशन मेट्रिक्स व क्रॉस-वैलिडेशन का उपयोग करके मॉडल मूल्यांकन के लिए विस्तृत वर्कफ़्लो प्रदान करता है। शैक्षिक सामग्री को नोटबुक की एक सीरीज़ के रूप में व्यवस्थित किया गया है जो डेटा साइंस वर्कफ़्लो को दस्तावेज़ित करने के लिए नैरेटिव स्पष्टीकरण के साथ Python कोड को इंटरलीव करती है।
Implements classification and regression algorithms to demonstrate how predictive models process specific datasets.
Jupyter Notebookdata-sciencedeep-learningmachine-learning - pkmital/tensorflow_tutorials
pkmital/tensorflow_tutorials
5,668GitHub पर देखेंयह प्रोजेक्ट शैक्षिक Jupyter Notebooks का एक संग्रह है जो TensorFlow फ्रेमवर्क का उपयोग करके न्यूरल नेटवर्क निर्माण और टेंसर ऑपरेशंस पर ट्यूटोरियल प्रदान करता है। यह मशीन लर्निंग के छात्रों के लिए एक शैक्षिक रिपॉजिटरी और इम्प्लीमेंटेशन गाइड के रूप में कार्य करता है। यह सूट विशिष्ट उन्नत आर्किटेक्चर पर केंद्रित है, जिसमें इमेज क्लासिफिकेशन के लिए कन्वेन्शनल नेटवर्क, ट्रेनिंग स्टेबिलिटी के लिए स्किप कनेक्शन वाले रेजिडुअल नेटवर्क, और जेनरेटिव मॉडलिंग व डेटा सिंथेसिस के लिए वेरिएशनल ऑटोएनकोडर शामिल हैं। इसमें फीचर एक्सट्रैक्शन और डाइमेंशनलिटी रिडक्शन करने के लिए डीनोइजिंग और डीप ऑटोएनकोडर बनाने के लिए गाइड भी शामिल हैं। रिपॉजिटरी प्रेडिक्टिव मॉडलिंग के व्यापक दायरे को कवर करती है, जिसमें निरंतर मानों और बाइनरी परिणामों की भविष्यवाणी के लिए लीनियर, पॉलिनोमियल और लॉजिस्टिक रिग्रेशन के इम्प्लीमेंटेशन शामिल हैं।
Provides coded examples of predictive algorithms, including linear, polynomial, and logistic regression.
Jupyter Notebook - stvir/pysot
STVIR/pysot
4,600GitHub पर देखेंpysot सिंगल ऑब्जेक्ट ट्रैकिंग के लिए डिज़ाइन किया गया एक कंप्यूटर विज़न फ्रेमवर्क है। यह उन एल्गोरिदम को लागू करने और उनका मूल्यांकन करने के लिए एक प्लेटफ़ॉर्म प्रदान करता है जो वीडियो फ़्रेम के अनुक्रमों में विशिष्ट लक्ष्य वस्तुओं का पता लगाते हैं और उनका अनुसरण करते हैं। प्रोजेक्ट में रीजन प्रपोजल नेटवर्क-आधारित लोकलाइजेशन के लिए SiamRPN आर्किटेक्चर और SiamMask मॉडल के इम्प्लीमेंटेशन शामिल हैं, जो वस्तुओं के पिक्सेल-स्तर के सेगमेंटेशन प्रदान करने के लिए ट्रैकिंग को बाइनरी मास्क जनरेशन के साथ जोड़ता है। फ्रेमवर्क में एक विज़ुअल ट्रैकिंग मूल्यांकन टूलकिट भी शामिल है जिसका उपयोग मानक उद्योग डेटासेट के खिलाफ ट्रैकिंग एल्गोरिदम की सटीकता और विश्वसनीयता को मापने के लिए किया जाता है।
Implements the SiamRPN architecture for high-accuracy region proposal network based object localization.
Python - rucaibox/recbole
RUCAIBox/RecBole
4,487GitHub पर देखेंRecBole is a PyTorch-based recommendation framework designed for building, training, and evaluating a wide variety of recommendation algorithms. It serves as a standardized benchmark environment that allows for the comparison of different model architectures using public datasets and consistent evaluation metrics. The project provides specialized toolkits for sequential recommendation and knowledge-graph integration, enabling the prediction of item sequences based on user history or the incorporation of structured external knowledge. It includes a dedicated hyperparameter optimization engine
Includes a comprehensive library of pre-implemented general and context-aware recommendation models.
Python - udacity/machine-learning
udacity/machine-learning
4,027GitHub पर देखेंयह प्रोजेक्ट एक मशीन लर्निंग पाठ्यक्रम और डेटा साइंस शैक्षिक संसाधन है। यह मशीन लर्निंग अवधारणाओं और प्रेडिक्टिव मॉडल्स के कार्यान्वयन को सीखने के लिए डिज़ाइन की गई निर्देशात्मक सामग्रियों और व्यावहारिक प्रोजेक्ट्स का एक स्ट्रक्चर्ड सेट प्रदान करता है। यह संसाधन सुपरवाइज्ड लर्निंग के लिए एक प्रशिक्षण गाइड के रूप में कार्य करता है, जो इमेज क्लासिफिकेशन और डिजिट रिकग्निशन के लिए मॉडल्स के विकास पर केंद्रित है। यह एक प्रोजेक्ट-आधारित प्रशिक्षण दृष्टिकोण का उपयोग करता है जो सैद्धांतिक पाठों को डेटासेट-आधारित मॉडल प्रशिक्षण और मूल्यांकन के साथ जोड़ता है। यह पाठ्यक्रम मशीन लर्निंग की गणितीय नींव, डेटा प्रोसेसिंग और सुपरवाइज्ड लर्निंग एल्गोरिदम के कार्यान्वयन को कवर करता है। यह कंटेंट को मॉड्यूलर यूनिट्स और अनुक्रमिक पाथ्स में व्यवस्थित करता है जो सैद्धांतिक अध्ययन से वास्तविक दुनिया के डेटासेट्स का उपयोग करके मॉडल्स के व्यावहारिक अनुप्रयोग की ओर बढ़ते हैं।
Provides coded examples and exercises for implementing predictive models for classification and recognition tasks.
Jupyter Notebook
