Awesome GitHub RepositoriesSupervised Classification

fastText is a library and framework for word embedding generation, text vectorization, and supervised text classification. It provides tools to transform raw text into fixed-length vector representations and to train models that assign category labels to sentences or documents. The system utilizes subword-based vectorization and character n-gram embeddings, allowing it to generate meaningful vectors for words that were not present during training. To manage resource usage, it includes a quantized language model implementation that employs product quantization and dimensionality reduction to d

This project is an educational resource providing practical code examples and implementations of machine learning algorithms using the Python language. It serves as a guide for constructing predictive pipelines, clustering models, and dimensionality reduction within the Scikit-Learn ecosystem. The repository includes comprehensive demonstrations for supervised and unsupervised learning, as well as detailed examples for implementing neural networks and deep architectures. It also provides practical guidance on exporting model parameters to JSON and wrapping trained models in web APIs for produ

This is a Python machine learning library featuring a collection of core algorithms implemented from scratch to demonstrate foundational AI concepts. It provides a comprehensive toolkit for supervised learning, unsupervised learning, and neural network development. The project is distinguished by its custom implementation of a neural network framework, which includes multi-layer perceptrons with backpropagation, gradient descent, and weight regularization. It also includes a specialized anomaly detection toolkit that identifies outliers and rare events using Gaussian probability distributions

This project is a machine learning educational resource and implementation guide for Python. It provides a collection of executable code and notebooks that demonstrate predictive modeling, data analysis workflows, and the implementation of various machine learning algorithms. The repository features practical examples of classification, regression, and clustering tasks using Scikit-Learn, alongside tutorials for building and training deep learning architectures with TensorFlow. These include implementations of convolutional and recurrent networks. The content covers a broad range of capabili

Smile is a comprehensive JVM machine learning library and statistical computing toolkit. It provides a suite of algorithms for classification, regression, and clustering, implemented natively for Java, Scala, and Kotlin. The project also functions as a deep learning framework, a natural language processing library, and an inference engine for large language models. The library distinguishes itself through GPU acceleration via LibTorch bindings and support for the ONNX model interchange format. It includes specialized capabilities for large language model inference, featuring Byte-Pair Encodin

Lihang este o bibliotecă și un framework de algoritmi de învățare statistică ce oferă implementări ale modelelor de machine learning supervizate și nesupervizate. Funcționează ca un repository de referință care traduce teoriile învățării statistice în cod executabil pentru clasificarea datelor și recunoașterea modelelor. Proiectul dispune de instrumente specializate pentru implementarea modelelor probabilistice, utilizând estimarea verosimilității și metode bayesiene pentru a determina parametrii optimi ai modelului. Include un instrument de etichetare a datelor secvențiale pentru identificarea modelelor în secvențe de date ordonate și suportă atât clasificarea binară liniară, cât și cea neliniară. Framework-ul acoperă o gamă largă de capabilități de machine learning, inclusiv analiza datelor nesupervizate pentru clustering și analiza subiectelor, precum și un pipeline pentru preluarea automată a bibliografiei academice și a materialelor de referință. Proiectul integrează notebook-uri interactive pentru analiza iterativă a datelor și verificarea modelelor.

This project is a PyTorch-based framework and implementation suite for the supervised classification of Chinese text. It serves as a deep learning text classifier designed to automate the process of labeling and organizing Chinese language documents into predefined categories. The framework provides a collection of neural network architectures, including TextCNN, Transformer, and FastText. It allows for the selection and prototyping of different model topologies through a modular implementation, enabling the evaluation of various sequence models on specific datasets. The system covers a full

This project is a machine learning library providing a collection of implementations for supervised and unsupervised learning algorithms. It serves as a deep learning framework, a statistical classifier collection, and a suite of tools for unsupervised learning and dimensionality reduction. The library enables the construction of neural networks, including multi-layer perceptrons and convolutional networks for pattern recognition. It also provides tools for performing principal component analysis and manifold learning to visualize high-dimensional datasets, alongside a suite of clustering alg

mlpack is a header-only C++ machine learning library that defines matrix types as compile-time templates, enabling flexible numeric precision and memory layout without runtime overhead. Its core identity is built around a template metaprogramming architecture that allows algorithms to be included selectively as independent modules, reducing binary size, and supports compile-time serialization of neural network parameters by deducing matrix types and structure at compile time. The library distinguishes itself through a multi-language binding framework that automatically generates bindings for

Orange3 is a visual data mining platform that provides an interactive canvas for building data analysis workflows without writing code. At its core, it offers a widget-based visual programming environment where users connect configurable components to perform data preprocessing, machine learning model training, statistical evaluation, and interactive visualization. The platform is built on NumPy-backed data tables with domain descriptors that define variable names, types, and roles, and includes a lazy SQL query proxy for working with database tables without loading all data into memory. The

Acest proiect este o resursă educațională cuprinzătoare de machine learning și o serie de tutoriale livrate sub formă de colecție de Jupyter Notebooks interactive. Oferă implementări practice în Python pentru întregul ciclu de viață al machine learning-ului, acoperind învățarea supervizată și nesupervizată, deep learning și reinforcement learning. Resursa se remarcă prin ghiduri detaliate de implementare pentru arhitecturi complexe, inclusiv transformatoare, rețele generative adversariale (GAN) și rețele neuronale convoluționale. Include, de asemenea, cursuri specializate pentru dezvoltarea de agenți de reinforcement learning folosind Q-learning și Deep Q-Networks în medii simulate. Conținutul acoperă o gamă largă de capabilități în data science, inclusiv pipeline-uri de data engineering, codificarea trăsăturilor (feature encoding) și reducerea dimensionalității. Oferă materiale extinse despre evaluarea modelelor prin cross-validation și metrici de diagnostic, precum și subiecte avansate precum procesarea limbajului natural (NLP), analiza sentimentelor și AI generativ. Întregul curriculum este conceput pentru execuție interactivă în Jupyter Notebooks, combinând cod executabil, text bogat și vizualizări.

Acest proiect oferă o versiune tradusă a ghidurilor bibliotecii de machine learning scikit-learn și a referințelor API pentru vorbitorii de chineză. Servește drept bază de cunoștințe localizată și referință tehnică pentru implementarea analizei predictive a datelor și a modelării statistice folosind un toolkit bazat pe Python. Resursa acoperă implementarea învățării supervizate, inclusiv sarcini de clasificare și regresie, și fluxuri de lucru de învățare nesupervizată pentru descoperirea modelelor și detectarea anomaliilor. De asemenea, oferă îndrumări privind educația în data science, concentrându-se în mod specific pe utilizarea scikit-learn pentru machine learning. Documentația include instrucțiuni detaliate privind preprocesarea datelor, reducerea dimensionalității și selecția trăsăturilor. Detaliază în continuare evaluarea și reglarea modelelor prin metrici de performanță, optimizarea hiperparametrilor și validarea generalizării, precum și utilizarea pipeline-urilor de predicție și a utilitarelor de procesare a limbajului natural.

Linfa este un framework de machine learning clasic și o suită de învățare statistică implementată în Rust. Oferă o colecție de algoritmi pentru învățare supervizată și nesupervizată, axată pe metode statistice tradiționale precum regresia, clustering-ul și arborii de decizie. Toolkit-ul se distinge prin capacitatea de a fi compilat în WebAssembly, permițând modelelor analitice să ruleze în medii de browser. Utilizează o interfață de algoritm bazată pe trăsături (traits) pentru a standardiza procesul de antrenare și predicție în diferitele sale modele. Biblioteca acoperă o gamă largă de capabilități, inclusiv clasificarea supervizată și regresia valorilor continue. Oferă clustering nesupervizat, metode de ansamblu pentru agregarea modelelor și procesarea semnalelor prin analiza componentelor independente. Suita include, de asemenea, instrumente extinse de preprocesare a datelor pentru normalizarea caracteristicilor, vectorizarea textului și reducerea dimensionalității folosind PCA și t-SNE. Utilitare suplimentare sunt furnizate pentru gestionarea datelor, inclusiv importul CSV și generarea de seturi de date sintetice, precum și instrumente de evaluare a modelelor, cum ar fi matricile de confuzie și metricile de validare încrucișată.

Acest proiect este un framework de calcul științific pentru ecosistemul .NET, oferind o suită cuprinzătoare de biblioteci pentru analiză numerică, statistică și optimizare matematică. Acesta servește ca un toolkit fundamental pentru dezvoltarea aplicațiilor în machine learning, procesarea semnalelor digitale și computer vision. Framework-ul oferă toolkit-uri specializate pentru antrenarea și implementarea modelelor predictive, inclusiv rețele neuronale, mașini cu vectori suport (SVM) și arbori de decizie. Se distinge, de asemenea, prin integrări profunde pentru analiză vizuală în timp real, cum ar fi urmărirea obiectelor și detectarea trăsăturilor faciale, alături de o bibliotecă dedicată de procesare a semnalelor digitale pentru captarea și filtrarea semnalelor audio și ale senzorilor. Suprafața de capabilități se extinde la descompunerea matricială de nivel înalt și algebră liniară, modelarea probabilistică a stărilor și algoritmi de căutare euristică. Acoperă, de asemenea, o gamă largă de utilitare pentru manipularea datelor, de la reducerea dimensionalității și normalizare până la organizarea datelor spațiale și componente de vizualizare științifică. Sistemul include controllere de integrare hardware pentru configurarea camerei, gestionarea porturilor GPIO și hardware specializat de detectare a adâncimii.

TensorFlow-World este o colecție de tutoriale, ghiduri de implementare și template-uri de modele pentru construirea și antrenarea modelelor de machine learning folosind framework-ul TensorFlow. Servește ca resursă educațională pentru proiectarea arhitecturilor de deep learning și implementarea modelelor predictive. Proiectul oferă exemple gata de utilizare pentru construirea arhitecturilor de rețele neuronale și a clasificatorilor liniari. Include ghiduri despre efectuarea operațiilor cu tensori, diferențierea automată și optimizarea prin gradient descent. Materialele acoperă o gamă de capabilități de machine learning, inclusiv utilizarea abstracțiilor de nivel înalt Keras pentru compunerea modelelor, implementarea clasificatorilor kernel și dezvoltarea sistemelor de regresie și clasificare.

This project is a collection of TensorFlow machine learning examples providing reference implementations for various neural network paradigms. It covers supervised, unsupervised, reinforcement, and sequential learning models. The repository includes implementations for convolutional neural networks focused on image classification and ranking, as well as recurrent neural networks for time-series forecasting and sequence-to-sequence translation. It further provides examples of reinforcement learning agents trained via reward optimization and unsupervised learning techniques such as autoencoders

Acest proiect este o colecție de algoritmi fundamentali de machine learning și instrumente implementate de la zero în Python. Servește drept bibliotecă de implementări de bază pentru modele de regresie, clasificare și clustering, concepută pentru a demonstra structurile matematice subiacente ale acestor algoritmi fără a se baza pe framework-uri de machine learning de nivel înalt. Proiectul se concentrează pe implementarea manuală a logicii algoritmice, inclusiv rețele neuronale cu propagare înainte și actualizări de ponderi, precum și diverse modele de învățare supervizată și nesupervizată. Utilizează NumPy pentru vectorizare pentru a efectua calcule matriceale și operațiuni matematice pe seturi de date mari. Toolkit-ul acoperă o gamă largă de capabilități, inclusiv reducerea dimensionalității prin Principal Component Analysis și preprocesarea datelor pentru seturi de date numerice și de imagini. Implementările algoritmice acoperă regresia liniară și Bayesiană, K-Means clustering și metode multiple de clasificare, cum ar fi Support Vector Machines, Decision Trees și K-Nearest Neighbors. Proiectul este livrat sub formă de serie de Jupyter Notebooks.

Aceasta este o bibliotecă PyTorch pentru implementarea cuantizării vectoriale și scalare pentru a crea reprezentări latente discrete în rețelele neuronale. Oferă o suită de module și utilitare pentru conversia vectorilor continui în coduri discrete, suportând arhitecturi precum autoencodere variaționale cuantizate vectorial. Biblioteca dispune de mecanisme specializate pentru a menține sănătatea și eficiența codebook-ului, inclusiv re-inițializarea aleatorie a vectorilor pentru a preveni colapsul codebook-ului și inițializarea centroidului k-means pentru a accelera convergența. Suportă diverse strategii de cuantizare, cum ar fi cuantizarea reziduală recursivă pentru rezoluție mai mare, cuantizarea paralelă multi-head pentru divizarea subspațiului de caracteristici și cuantizarea scalară finită pentru crearea de coduri hypercube. Toolkit-ul include un modul de cuantizare diferențiabil care utilizează estimatori straight-through și trucuri de rotație pentru a permite backpropagation prin pași de cuantizare non-diferențiabili. Capabilitățile suplimentare acoperă potrivirea distanței unghiulare prin similaritatea cosinus, regularizarea ortogonală pentru translația caracteristicilor și dezentâlcirea spațiului latent prin codebook-uri scalare învățabile.

Acest repository este o colecție de implementări practice de machine learning concepute pentru a demonstra tehnici de bază de analiză predictivă, viziune computerizată și procesare a limbajului natural. Servește drept resursă pentru aplicarea framework-urilor standard de machine learning pentru a rezolva diverse probleme de știință a datelor, variind de la clasificare automatizată la recunoașterea complexă a tiparelor. Proiectul se distinge prin oferirea de exemple concrete în mai multe domenii, inclusiv dezvoltarea interfețelor conversaționale, analiza datelor geospațiale și implementarea arhitecturilor de deep learning pentru procesarea conținutului vizual. Fiecare modul se concentrează pe metodologii specifice, cum ar fi antrenarea modelelor pentru a interpreta input-ul utilizatorului, prognozarea tendințelor temporale și identificarea obiectelor în fluxuri de imagine sau video. Colecția acoperă o suprafață largă de capabilități, inclusiv pipeline-uri de învățare supervizată și nesupervizată, estimare bazată pe regresie și optimizarea rețelelor neuronale. Aceste implementări abordează sarcini precum categorisirea tiparelor de date, estimarea rezultatelor numerice și efectuarea analizei automatizate pe seturi de date structurate și nestructurate. Repository-ul este organizat ca o serie de Jupyter Notebooks care oferă implementări hands-on ale acestor fluxuri de lucru de machine learning.