Startseite>Programmierbezogen>AI-Quellcode
Herunterladen

Fantastische Ressourcen für maschinelles Lernen

Sprache: [Englisch] [Chinesisch/中文]

Eine kuratierte Liste kuratierter Listen großartiger Ressourcen zu verschiedenen Themen des maschinellen Lernens und des Deep Learning.

Mit über 380 Artikeln (Dezember 2021) zielt dieses Repository darauf ab:

  • Helfen Sie beginners die Zweige und neuesten Entwicklungen des maschinellen Lernens zu verstehen.
  • Helfen Sie researchers neue Forschungsrichtungen im Bereich maschinelles Lernen zu verfolgen.
  • Helfen Sie engineers geeignete Tutorials und Bibliotheken zu finden, um praktische Probleme zu lösen.

Notiz:

  • Bitte hinterlassen Sie einen STERN, wenn Ihnen dieses Projekt gefällt!
  • Mitwirken: Wenn Sie falsche/unangemessene/veraltete Inhalte finden, denken Sie bitte darüber nach, ein Problem oder eine PR zu eröffnen. Wir würden uns sehr über Ihren Beitrag zu dieser Liste freuen!
  • Markieren: ️ zeigt inactive an, d. h. die entsprechende Liste wird seit mehr als 12 Monaten nicht mehr aktualisiert, kann aber dennoch eine gute Referenz für den Anfang sein.

Was ist neu:

  • [01/2023] Faires Graph-Lernen in Graph Learning hinzufügen, Abschnitt Zeitreihen/Stream-Lernen aktualisieren.
  • [08/2022] Diagramm für Traffic-Benchmark im Graph Learning hinzufügen.
  • [04/2022] Abschnitt „Graph Learning“ aktualisieren.
  • [12/2021] Abschnitt „Clustering“ aktualisieren.
  • [12/2021] Update-Bereich Natural Language Processing (NLP) & Fairness in AI.
  • [12/2021] Die chinesische Version ist jetzt verfügbar!
  • [12/2021] Abschnitt Interdisziplinär - Software Engineering (MLonCode) hinzugefügt.
  • [12/2021] Abschnitt Paradigma – Dimensionsreduktion (Feature-Auswahl/-Extraktion) hinzufügen.
  • Mehr
  • [12/2021] Fantastischer, toller erster Commit für maschinelles Lernen!

Schauen Sie sich Zhinings andere Open-Source-Projekte an!


Unausgeglichenes Ensemble [PythonLib]

Unausgewogenes Lernen [Fantastisch]

Selbstgesteuertes Ensemble [ICDE]

Meta-Sampler [NeurIPS]

Inhaltsverzeichnis

  • Inhaltsverzeichnis
  • Allgemeines maschinelles Lernen
  • Paradigma des maschinellen Lernens
    • Halb-/selbstüberwachtes Lernen
    • Kontrastives Lernen
    • Repräsentationslernen (Einbettung)
    • Metrisches Lernen
    • Verstärkungslernen
    • Transferlernen
    • Meta-Lernen
    • Multitasking-Lernen
    • Unausgeglichenes/Long-Tail-Lernen
    • Lernen mit wenigen Schüssen
    • Kontradiktorisches Lernen
    • Robustes Lernen
    • Aktives Lernen
    • Lebenslanges/inkrementelles/kontinuierliches Lernen
    • Ensemble-Lernen
    • Automatisiertes maschinelles Lernen (AutoML)
    • Föderiertes Lernen
    • Anomalieerkennung
    • Clustering
    • Dimensionsreduktion (Merkmalsauswahl/-extraktion)
  • Aufgabe und Anwendung des maschinellen Lernens
    • Computer Vision (Lebenslauf)
    • Verarbeitung natürlicher Sprache (NLP)
    • Multimodales und modalübergreifendes Lernen
    • Graphenlernen
    • Wissensgraph
    • Zeitreihen-/Stream-Lernen
    • Empfehlungssysteme
    • Informationsabruf
    • Spielen und Suchen
  • Modell des maschinellen Lernens
    • Vortrainiertes und Grundlagenmodell
      • in NLP (BERT, RoBERTa, GPT usw.)
      • im Lebenslauf (Visual Transformers, etc.)
      • in anderen Themen
    • Faltungs-Neuronales Netzwerk (CNN)
    • Wiederkehrendes neuronales Netzwerk (RNN, LSTM, GRU usw.)
    • Graphisches neuronales Netzwerk (GNN, GCN, GAT usw.)
    • Generatives Modell und generatives gegnerisches Netzwerk (GAN)
    • Variationeller Autoencoder
    • Baumbasiertes und Ensemble-Modell
  • Interpretierbarkeit, Fairness und Ethik des maschinellen Lernens
    • Interpretierbarkeit in der KI
    • Fairness in der KI
    • Ethik in der KI
  • Interdisziplinär: Maschinelles Lernen + X
    • System (MLSys/SysML)
    • Datenbank (AIDB/ML4DB)
    • Softwareentwicklung (MLonCode)
    • Cybersicherheit
    • Quantencomputing
    • Medizin und Gesundheitswesen
    • Bioinformatik
    • Biologie und Chemie
    • Finanzen und Handel
    • Geschäft
    • Gesetz
  • Datensätze für maschinelles Lernen
  • Maschinelles Lernen in der Produktion
    • Open-Source-Bibliotheken
    • Big-Data-Frameworks
  • Anerkennung
  • Mitwirkende

Allgemeines maschinelles Lernen

  • Üben

    • [Liste, Bibliothek] Großartiges maschinelles Lernen
      • Eine kuratierte Liste großartiger Frameworks, Bibliotheken und Software für maschinelles Lernen (nach Sprache).
    • [Bibliothek] scikit-learn
      • scikit-learn: Maschinelles Lernen in Python.

  • Forschung

    • [Liste] Papers-Literature-ML-DL-RL-AI
      • Aussagekräftige und häufig zitierte Artikel und Literatur zu ML/DL/RL/KI.
    • [Liste] Tolles Deep Learning [ ️ Inaktiv]
      • Eine kuratierte Liste großartiger Deep-Learning-Bücher, Kurse, Videos, Vorträge, Tutorials und mehr.
    • [Liste] Tolle Deep-Learning-Papiere [ ️ Inaktiv]
      • Eine kuratierte Liste der am häufigsten zitierten Deep-Learning-Artikel (2012–2016).

Paradigma des maschinellen Lernens

Halb-/selbstüberwachtes Lernen

  • Allgemein

    • [Liste] Fantastisches halbüberwachtes Lernen
      • Eine kuratierte Liste großartiger Ressourcen für halbüberwachtes Lernen.
    • [Liste] Fantastisches selbstüberwachtes Lernen
      • Eine kuratierte Liste großartiger Ressourcen für selbstüberwachtes Lernen.
    • [Liste] Tolle selbstüberwachte Arbeiten
      • Sammeln von Artikeln über selbstüberwachtes Lernen und Repräsentationslernen.

  • Unterthemen

    • [Liste] Fantastisches selbstüberwachtes Lernen mit Graphen
      • Eine kuratierte Liste mit tollen selbstüberwachten Lernressourcen für die Darstellung von Diagrammen.
    • [Liste] Tolles selbstüberwachtes GNN
      • Artikel über selbstüberwachtes Lernen auf Graph Neural Networks (GNNs).

  • Üben

    • [Bibliothek] mmselfsup
      • OpenMMLab-Toolbox und Benchmark für selbstüberwachtes Lernen.
    • [Bibliothek] unilm
      • Umfangreiches, selbstüberwachtes Vortraining für alle Aufgaben, Sprachen und Modalitäten.
    • [Bibliothek] Albert
      • Ein Lite-BERT für das selbstüberwachte Lernen von Sprachdarstellungen.

Kontrastives Lernen

  • Allgemein

    • [Liste] PyContrast
      • Dieses Repo listet aktuelle kontrastive Lernpapiere auf und enthält Code für viele davon.
    • [Liste] Großartiges kontrastives Lernen
      • Eine umfassende Liste großartiger, kontrastierender selbstüberwachter Lernpapiere.
    • [Liste] Tolle kontrastive Lernpapiere und Codes
      • Eine umfassende Liste fantastischer kontrastiver Lernpapiere und -codes.

  • Üben

    • [Bibliothek] PyGCL
      • Graph Contrastive Learning-Bibliothek für PyTorch.

Repräsentationslernen (Einbettung)

  • Allgemein

    • [Liste] awesome-embedding-models [ ️ Inaktiv]
      • Eine kuratierte Liste toller Einbettungsmodelle-Tutorials, Projekte und Communities.
    • [Liste] awesome-representation-learning
      • Leseliste für Themen des Repräsentationslernens.

  • Unterthemen

    • [Liste] awesome-sentence-embedding
      • Eine kuratierte Liste vorab trainierter Satz- und Worteinbettungsmodelle.
    • [Liste] Fantastische implizite neuronale Darstellungen
      • Eine kuratierte Liste von Ressourcen zu impliziten neuronalen Darstellungen.
    • [Liste] awesome-2vec
      • Kuratierte Liste von Einbettungsmodellen vom Typ 2vec.
    • [Liste] Awesome-VAEs
      • Großartige Arbeit zu VAE, Entflechtung, Repräsentationslernen und generativen Modellen.
    • [Liste] Fantastisches visuelles Repräsentationslernen mit Transformern
      • Fantastische Transformers (Selbstaufmerksamkeit) in der Computer Vision.
    • [Liste] Fantastisches Deep-Graph-Darstellungslernen
      • Eine kuratierte Liste mit fantastischen Lernressourcen für die Darstellung tiefer Diagramme.
    • [Liste] awesome-network-embedding [ ️ Inaktiv]
      • Lernen der Netzwerkdarstellung, Einbettung von Graphen, Einbettung von Wissen.
    • [Liste] Must-Read-Artikel zu NRL/NE. [ ️ Inaktiv]
      • NRL: Netzwerkrepräsentationslernen. NE: Netzwerkeinbettung.
    • [Liste] disentangled-representation-papers [ ️ Inaktiv]
      • Aufsätze zum entwirrten (und gelegentlich „konventionellen“) Repräsentationslernen.
    • [Liste] Repräsentationslernen auf heterogenen Graphen [ ️ Inaktiv]
      • Einbettung heterogener Graphen, heterogene GNNs und Anwendungen.

Metrisches Lernen

  • Üben
    • [Bibliothek] pytorch-metric-learning
      • Der einfachste Weg, Deep Metric Learning in Ihrer Anwendung zu nutzen.
    • [Bibliothek] metric-learn
      • metric-learn: Metrik-Lernen in Python.
    • [Codesammlung] Deep-Metric-Learning-Baselines [ ️ Inaktiv]
      • PyTorch-Implementierung für Deep Metric Learning Pipelines.

Verstärkungslernen

  • Allgemein

    • [Liste] Tolles Reinforcement Learning
      • Eine kuratierte Liste von Ressourcen zum Thema Reinforcement Learning.
    • [Liste] Tolle DL- und RL-Papiere und andere Ressourcen
      • Eine Liste aktueller Veröffentlichungen zum Thema Deep Learning und Deep Reinforcement Learning.
    • [Liste] Awesome Deep RL
      • Eine kuratierte Liste großartiger Deep Reinforcement Learning-Ressourcen.
    • [Liste] Awesome Reinforcement Learning (CH/中文) [ ️ Inaktiv]
      • 强化学习从入门到放弃的资料

  • Unterthemen

    • [Liste] Tolles Offline-RL
      • Dies ist eine Sammlung von Forschungs- und Übersichtsarbeiten zum Offline-Lernen zur Verstärkung.
    • [Liste] Fantastische Real-World-RL
      • Tolle Ressourcen, um Reinforcement Learning in realen Situationen zum Erfolg zu führen. Vorträge, Projekte und mehr.
    • [Liste] Fantastische Spiel-KI
      • Eine kuratierte, aber unvollständige Liste von Spiel-KI-Ressourcen zum Thema Lernen mit mehreren Agenten.
    • [Liste] Tolle RL-Wettbewerbe
      • Sammlung von Wettbewerben für Reinforcement Learning.
    • [Liste] Fantastische Robotik
      • Dies ist eine Liste verschiedener Bücher, Kurse und anderer Ressourcen zum Thema Robotik
    • [Liste] Fantastisches RL für die Verarbeitung natürlicher Sprache (NLP) [ ️ Inaktiv]
      • Kuratierte Liste von Reinforcement-Learning-Ressourcen für die Verarbeitung natürlicher Sprache.
    • [Liste] Tolles RL für Cybersicherheit
      • Kuratierte Liste von Ressourcen zum Thema Reinforcement Learning in der Cybersicherheit.

  • Üben

    • [Bibliothek] Fitnessstudio
      • Ein Toolkit zum Entwickeln und Vergleichen von Reinforcement-Learning-Algorithmen.
    • [Bibliothek] trfl
      • TensorFlow-Verstärkungslernen.
    • [Bibliothek] rlpyt
      • Verstärkungslernen in PyTorch.
    • [Bibliothek] rlkit
      • In PyTorch implementiertes Reinforcement-Learning-Framework und Algorithmen.
    • [Bibliothek] MARO
      • Die Multi-Agent Resource Optimization (MARO)-Plattform ist eine Instanz von Reinforcement Learning as a Service (RaaS) für reale Ressourcenoptimierungsprobleme.
    • [Bibliothek] Banditen
      • Python-Bibliothek für Multi-Armed Bandits.
    • [Bibliothek] BanditLib
      • Bibliothek kontextueller Bandits-Algorithmen.
    • [Tutorial] Verstärkung-Lernen-eine-Einführung
      • Python-Replikation für Sutton & Bartos Buch Reinforcement Learning: An Introduction (2. Auflage).
    • [Codesammlung] Reinforcement-Learning [ ️ Inaktiv]
      • Implementierung von Reinforcement-Learning-Algorithmen. Python, OpenAI Gym, Tensorflow.
    • [Tutorial] Reinforcement-Learning-with-tensorflow (Englisch und Chinesisch) [ ️ Inaktiv]
      • Methoden und Tutorials zum verstärkenden Lernen.
    • [Codesammlung] Reinforcement-Learning [ ️ Inaktiv]
      • Beispiele für minimales und sauberes Verstärkungslernen.

Transferlernen

  • Allgemein

    • [Liste] 迁移学习 Transfer Learning
      • Alles zum Thema Transferlernen.
    • [Liste] Tolles Transferlernen
      • Eine Liste toller Artikel und cooler Ressourcen zum Transferlernen, zur Domänenanpassung und zur Domänen-zu-Domänen-Übersetzung im Allgemeinen.

  • Unterthemen

    • [Liste] Tolle Domain-Anpassung
      • Dieses Repo ist eine Sammlung FANTASTISCHER Dinge zur Domain-Anpassung, einschließlich Papieren, Code usw.
    • [Liste] Domänengeneralisierung
      • Papiere und Datensätze zur Domänenverallgemeinerung.

  • Üben

    • [Bibliothek] Transfer-Learning-Bibliothek
      • Transfer-Lernbibliothek für Domänenanpassung, Aufgabenanpassung und Domänengeneralisierung.
    • [Codesammlung] Deep-Transfer-Learning
      • Eine Sammlung von Implementierungen von Deep-Domain-Anpassungsalgorithmen
    • [Tutorial] Hands-on-Transfer-Lernen-mit-Python [ ️ Inaktiv]
      • Vereinfachtes Deep Learning durch die Übertragung früherer Erkenntnisse mithilfe des Python-Deep-Learning-Ökosystems.

Meta-Lernen

  • Allgemein

    • [Codesammlung] Torchmeta
      • Eine Sammlung von Erweiterungen und Datenladern für Few-Shot-Lernen und Meta-Lernen in PyTorch.
    • [Liste] Meta-Learning Papers [ ️ Inaktiv]
      • Meta-Lernen/Lernen lernen/One-Shot-Lernen/Lebenslanges Lernen.
    • [Liste] Tolles Meta-Lernen [ ️ Inaktiv]
      • Eine kuratierte Liste von Meta-Learning-Artikeln, Code, Büchern, Blogs, Videos, Datensätzen und anderen Ressourcen.
    • [Liste] awesome-meta-learning [ ️ Inaktiv]
      • Eine kuratierte Liste von Meta-Learning-Ressourcen.

  • Üben

    • [Bibliothek] learn2learn
      • Eine PyTorch-Bibliothek für Meta-Learning-Forschung.
    • [Codesammlung] pytorch-meta
      • Eine Sammlung von Erweiterungen und Datenladern für Few-Shot-Lernen und Meta-Lernen in PyTorch.
    • [Tutorial] Praktisches Meta-Lernen mit Python [ ️ Inaktiv]
      • Lernen, mit One-Shot Learning, MAML, Reptile, Meta-SGD und mehr mit Tensorflow zu lernen.

Multitasking-Lernen

  • Allgemein

    • [Liste] Multitasking-Lernen
      • Multitasking-Learning-Wissenschaftler, Aufsätze, Umfragen, Folien, Tagungsbände und Open-Source-Projekte.
    • [Liste] Fantastisches Multitasking-Lernen
      • 2021 aktuelle Liste der Arbeiten zum Multi-Task-Lernen (MTL) aus ML-Perspektive.

  • Unterthemen

    • [Liste] Fantastisches Multitasking-Lernen (für die Sehkraft)
      • Eine Liste von Artikeln zum Multitasking-Lernen für Computer Vision .

  • Üben

    • [Codesammlung] Multi-Task-Learning-PyTorch
      • Implementieren Sie mehrere Multitasking-Lernmodelle und Trainingsstrategien in PyTorch.

Unausgeglichenes/Long-Tail-Lernen

  • Allgemein

    • [Liste] Fantastisches unausgeglichenes Lernen
      • Alles über unausgewogenes (Long-Tail-)Lernen. Frameworks und Bibliotheken (gruppiert nach Programmiersprache), Forschungsarbeiten (gruppiert nach Forschungsgebiet), unausgeglichene Datensätze, Algorithmen, Dienstprogramme, Jupyter Notebooks und Vorträge.
    • [Liste] Tolles Long-Tailed-Lernen
      • Verwandte Arbeiten werden zusammengefasst, einschließlich ihrer Anwendung in der Bildverarbeitung, insbesondere der Bildklassifizierung, und im extremen Multi-Label-Learning (XML), insbesondere der Textkategorisierung.
    • [Liste] Tolles Long-Tailed-Learning*
      • Eine kuratierte Liste fantastischer Deep-Long-Tail-Lernressourcen.

  • Unterthemen

    • [Liste] Tolle Long-Tailed-Erkennung
      • Eine kuratierte Liste langwieriger Anerkennungs- und verwandter Ressourcen.
    • [Liste] Fantastische unausgeglichene Zeitreihenklassifizierung [ ️ Inaktiv]
      • Papierliste der unausgeglichenen Zeitreihenklassifizierung mit Deep Learning.

  • Üben

    • [Bibliothek] unausgeglichen-lernen
      • Ein Python-Paket zur Bekämpfung des Fluchs unausgeglichener Datensätze beim maschinellen Lernen.
    • [Bibliothek] imbalanced-ensemble (Englisch und Chinesisch)
      • 类别不平衡/长尾机器学习 | Klassenunausgeglichenes/Long-tailed-Ensemble-Lernen in Python

Lernen mit wenigen Schüssen

  • Allgemein

    • [Liste] Awesome Papers Nur wenige Fotos
      • Zahlreiche Lernbeiträge werden auf Top-Konferenzen veröffentlicht.

  • Unterthemen

    • [Liste] Einige Shot-Papiere zur semantischen Segmentierung
      • Artikel zur semantischen Segmentierung mit wenigen Schüssen.
    • [Liste] Fantastische Bilderzeugung mit wenigen Aufnahmen
      • Artikel, Datensätze und relevante Links zur Generierung von Bildern mit wenigen Aufnahmen.

  • Üben

    • [Codesammlung] Lernen mit wenigen Schüssen [ ️ Inaktiv]
      • Sauberer, lesbarer und getesteter Code zur Reproduktion von Lernforschungen mit wenigen Schüssen.

Konfrontatives Lernen

Siehe auch: Modell des maschinellen Lernens -> Generatives Modell und Generative Adversarial Network (GAN)

  • Allgemein

    • [Liste] Fantastisches kontradiktorisches maschinelles Lernen [ ️ Inaktiv]
      • Eine kuratierte Liste großartiger Ressourcen für gegnerisches maschinelles Lernen.
    • [Liste] Tolle kontradiktorische Beispiele für Deep Learning [ ️ Inaktiv]
      • Eine Liste erstaunlicher Ressourcen für kontradiktorische Beispiele im Deep Learning.

  • Unterthemen

    • [Liste] Unverzichtbare Artikel zum Thema Textual Adversarial Attack and Defense (TAAD)
    • [Liste] Graph Adversarial Learning Literature
      • Eine kuratierte Liste gegnerischer Angriffe und Verteidigungspapiere zu graphstrukturierten Daten.

  • Üben

    • [Bibliothek] Adversarial-Robustness-Toolbox
      • Adversarial Robustness Toolbox (ART) – Python-Bibliothek für Sicherheit beim maschinellen Lernen.
    • [Bibliothek] AdversarialDNN-Playground
      • Webbasiertes Visualisierungstool für kontradiktorisches maschinelles Lernen / LiveDemo.

Robustes Lernen

  • Allgemein

    • [Liste] Sauberer, lesbarer und getesteter Code zur Reproduktion von Lernforschung mit wenigen Schüssen. Fantastisches Lernen mit Label Noise
      • Eine kuratierte Liste von Ressourcen zum Lernen mit lauten Etiketten
    • [Liste] Papers of Robust ML (Verteidigung)
      • Verwandte Artikel für robustes maschinelles Lernen (wir konzentrieren uns hauptsächlich auf Abwehrmaßnahmen).

  • Üben

    • [Bibliothek] Adversarial-Robustness-Toolbox
      • Adversarial Robustness Toolbox (ART) – Python-Bibliothek für Sicherheit beim maschinellen Lernen.
    • [Bibliothek] Robustheits-Fitnessstudio
      • Robustness Gym ist ein Bewertungstoolkit für maschinelles Lernen.
    • [Bibliothek] robustdg
      • Toolkit zum Erstellen von Modellen für maschinelles Lernen, die sich auf unsichtbare Domänen übertragen lassen und robust gegenüber Datenschutz- und anderen Angriffen sind.

Aktives Lernen

  • Allgemein

    • [Liste] Tolles aktives Lernen
      • Frühere Arbeiten zum aktiven Lernen wurden kategorisiert.
    • [Liste] Tolles aktives Lernen*
      • Eine kuratierte Liste großartiger aktiver Lerninhalte.
    • [Liste] Tolles aktives Lernen**
      • Eine Liste von Ressourcen zum aktiven Lernen beim maschinellen Lernen.

  • Üben

    • [Bibliothek] modAL
      • Ein modulares aktives Lernframework für Python.
    • [Bibliothek] libact
      • libact: Poolbasiertes aktives Lernen in Python
    • [Bibliothek] pytorch_active_learning
      • PyTorch-Bibliothek für aktives Lernen als Ergänzung zum Buch „Human-in-the-Loop Machine Learning“.
    • [Codesammlung] Deep-Active-Learning
      • Python-Implementierungen mehrerer aktiver Lernalgorithmen.
    • [Codesammlung] Aktiver Lernspielplatz [ ️ Inaktiv]
      • Ein Python-Modul zum Experimentieren mit verschiedenen aktiven Lernalgorithmen.

Lebenslanges/inkrementelles/kontinuierliches Lernen

  • Allgemein

    • [Liste] Großartiges inkrementelles Lernen / lebenslanges Lernen
      • Artikel zum Thema Inkrementelles Lernen / Lebenslanges Lernen.
    • [Liste] Literatur zum kontinuierlichen Lernen
      • Aufsätze zum Thema „Kontinuierliches Lernen“.
    • [Liste] Tolles kontinuierliches/lebenslanges Lernen
      • Aufsätze, Blogs, Datensätze und Software.
    • [Liste] Dokumente zum kontinuierlichen Lernen
      • Liste der Continual Learning-Artikel, kuratiert von ContinualAI.
    • [Liste] Papierliste zum lebenslangen Lernen [ ️ Inaktiv]
      • Artikel zum Thema Lebenslanges Lernen / Kontinuierliches Lernen.

  • Üben

    • [Codesammlung] Kontinuierliches Lernen
      • PyTorch-Implementierung verschiedener Methoden für kontinuierliches Lernen.
    • [Codesammlung] incremental_learning.pytorch
      • Eine Sammlung von inkrementellen Lernpapierimplementierungen.
    • [Codesammlung] Continual-Learning-Benchmark [ ️ Inaktiv]
      • Bewerten Sie drei Arten der Aufgabenverschiebung mit gängigen Algorithmen für kontinuierliches Lernen.

Ensemble-Lernen

Siehe auch: Modell des maschinellen Lernens -> Baumbasiertes und Ensemble-Modell

  • Allgemein

    • [Liste] Tolles Ensemble-Lernen [ ️ Inaktiv]
      • Bücher, Aufsätze, Kurse, Tutorials, Bibliotheken, Datensätze.

  • Unterthemen

    • [Liste] Fantastische Forschungsarbeiten zur Gradientenverstärkung
      • Eine kuratierte Liste von Gradienten- und adaptiven Boosting-Artikeln mit Implementierungen.
    • [Liste] Fantastischer Zufallswald [ ️ Inaktiv]
      • Eine kuratierte Liste von Ressourcen zu baumbasierten Methoden und mehr, einschließlich, aber nicht beschränkt auf Random Forest, Bagging und Boosting.

  • Üben

    • [Bibliothek] xgboost
      • Skalierbare, tragbare und verteilte Gradient Boosting-Bibliothek (GBDT, GBRT oder GBM).
    • [Bibliothek] LightGBM
      • Ein schnelles, verteiltes Hochleistungs-Gradienten-Boosting-Framework (GBT, GBDT, GBRT, GBM oder MART).
    • [Bibliothek] catboost
      • Eine schnelle, skalierbare, leistungsstarke Gradient Boosting on Decision Trees-Bibliothek.
    • [Bibliothek]-Kombination
      • Eine Python-Toolbox für die Kombination von Modellen für maschinelles Lernen,
    • [Bibliothek] imbalanced-ensemble (Englisch und Chinesisch)
      • 类别不平衡/长尾机器学习 | Klassenunausgeglichenes/Long-tailed-Ensemble-Lernen in Python
    • [Bibliothek] mlens [ ️ Inaktiv]
      • Eine Python-Bibliothek für leistungsstarkes Ensemble-Lernen.

Automatisiertes maschinelles Lernen (AutoML)

  • Allgemein

    • [Liste] Tolle AutoML-Papiere
      • Automatisierte maschinelle Lernpapiere, Artikel, Tutorials, Folien und Projekte.
    • [Liste] Tolles AutoDL
      • Eine kuratierte Liste automatisierter Deep-Learning-bezogener Ressourcen.
    • [Liste] Tolles AutoML
      • Zusammenstellung einer Liste mit AutoML-bezogener Forschung, Tools, Projekten und anderen Ressourcen.

  • Unterthemen

    • [Liste] Fantastische Suchpapiere zur neuronalen Architektur
      • Suchpapiere zur neuronalen Architektur
    • [Liste] Tolle Architektursuche [ ️ Inaktiv]
      • Eine kuratierte Liste fantastischer Ressourcen für die Architektursuche und Hyperparameteroptimierung.
    • [Liste] Fantastische AutoML- und Lightweight-Modelle [ ️ Inaktiv]

  • Üben

    • [Bibliothek] NNI (Neural Network Intelligence)
      • Ein Open-Source-AutoML-Toolkit zur Automatisierung des Lebenszyklus des maschinellen Lernens, einschließlich Feature-Engineering, neuronaler Architektursuche, Modellkomprimierung und Hyperparameter-Tuning.
    • [Bibliothek] tpot
      • Ein Python-Tool für automatisiertes maschinelles Lernen, das Pipelines für maschinelles Lernen mithilfe genetischer Programmierung optimiert.
    • [Bibliothek] Ludwig
      • Datenzentriertes deklaratives Deep-Learning-Framework.
    • [Bibliothek] Autokeras
      • AutoML-Bibliothek für Deep Learning.
    • [Bibliothek] automl
      • (Google Brain AutoML) Liste der AutoML-bezogenen Modelle und Bibliotheken.
    • [Bibliothek] Autogluon
      • AutoGluon: AutoML für Text-, Bild- und Tabellendaten
    • [Bibliothek] adanet
      • Schnelles und flexibles AutoML mit Lerngarantien.
    • [Bibliothek] FLAML
      • Eine schnelle Bibliothek für AutoML und Tuning.

Föderiertes Lernen

  • Allgemein

    • [Liste] Fantastisches föderiertes Lernen
      • Eine kuratierte Liste föderierter Lernpublikationen, neu organisiert von Arxiv (größtenteils).
    • [Liste] Fantastisches föderiertes Lernen*
      • Eine Liste von Ressourcen im Zusammenhang mit föderiertem Lernen und Datenschutz beim maschinellen Lernen.
    • [Liste] Fantastisches föderiertes Lernen
      • Eine kuratierte Liste von Forschungsergebnissen zum föderierten Lernen.
    • [Liste] 联邦学习 Federated Learning
      • Alles über föderiertes Lernen.
    • [Liste] Föderiertes Lernen
      • Federated Learning Papers (nach Themen gruppiert).

  • Unterthemen

    • [Liste] Fantastisches Federated Computing
      • Eine Sammlung von Forschungsarbeiten, Codes, Tutorials und Blogs zu ML, die auf föderierte Weise (verteilt, dezentral) durchgeführt werden.
    • [Liste] Fantastisches Federated Learning auf Graph- und GNN-Papieren
      • Föderiertes Lernen auf Graphen, insbesondere auf GNNs, Wissensgraphen und privaten GNN.

  • Üben

    • [Bibliothek] SCHICKSAL
      • Ein föderiertes Lernrahmenwerk auf Industrieniveau.
    • [Bibliothek] föderiert
      • Ein Framework zur Implementierung von föderiertem Lernen (TensorFlow).
    • [Code] Federated-Learning-PyTorch
      • Implementierung des Vanilla Federated Learning Paper.
    • [Bibliothek] Blume
      • Ein einheitlicher Ansatz für föderiertes Lernen, Analyse und Bewertung. Binden Sie jede Arbeitslast, jedes ML-Framework und jede Programmiersprache ein.

Anomalieerkennung

  • Allgemein

    • [Liste] Lernressourcen zur Anomalieerkennung
      • Bücher und wissenschaftliche Arbeiten sowie Online-Kurse und Videos sowie Ausreißerdatensätze sowie Open-Source- und kommerzielle Bibliotheken und Toolkits sowie wichtige Konferenzen und Zeitschriften.
    • [Liste] Fantastische Anomalieerkennung
      • Eine kuratierte Liste großartiger Ressourcen zur Anomalieerkennung.
    • [Liste] Fantastische Anomalieerkennung* [ ️ Inaktiv]
      • Eine Liste von Artikeln zur Anomalieerkennung.

  • Unterthemen

    • [Liste] Fantastische Erkennung von Zeitreihenanomalien
      • Liste der Tools und Datensätze zur Anomalieerkennung bei Zeitreihendaten.
    • [Liste] Fantastische Forschungsarbeiten zur Betrugserkennung
      • Eine kuratierte Liste von Dokumenten zur Betrugserkennung.
    • [Liste] Fantastische Erkennung von Videoanomalien
      • Dokumente zur Erkennung von Videoanomalien, veröffentlichte Codesammlungen.
    • [Liste] Fantastische Protokollanalyse
      • Veröffentlichungen und Forscher zu Protokollanalyse, Anomalieerkennung, Fehlerlokalisierung und AIOps.

  • Üben

    • [Bibliothek] pyod
      • Eine Python-Toolbox zur skalierbaren Ausreißererkennung (Anomalieerkennung).
    • [Code] RNN-Zeitreihen-Anomalie-Erkennung
      • RNN-basiertes Zeitreihen-Anomalie-Detektormodell, implementiert in Pytorch.
    • [Bibliothek (R)] AnomalyDetection [ ️ Inaktiv]
      • Anomalieerkennung mit R.
    • [Bibliothek] Luminol [ ️ Inaktiv]
      • Bibliothek zur Erkennung und Korrelation von Anomalien.

Clustering

  • Allgemein

    • [Liste] Deep Clustering
      • Deep Clustering: Methoden und Implementierungen

  • Unterthemen

    • [Liste] Fantastische Forschungsarbeiten zur Community-Erkennung
      • Eine Sammlung von Community-Detektionspapieren.
    • [Liste] Fantastisches Multi-View-Clustering
      • Sammlungen für hochmoderne (SOTA), neuartige Multi-View-Clustering-Methoden (Artikel, Codes und Datensätze).
    • [Liste] Awesome-Deep-Graph-Clustering
      • Eine Sammlung hochmoderner (SOTA), neuartiger Deep-Graph-Clustering-Methoden (Papiere, Codes und Datensätze).

  • Üben

    • [Bibliothek] faiss
      • Eine Bibliothek für die effiziente Ähnlichkeitssuche und Clusterung dichter Vektoren.
    • [Bibliothek] hdbscan
      • Eine leistungsstarke Implementierung des HDBSCAN-Clusterings.
    • [Codesammlung] Zeitreihenklassifizierung und -clusterung [ ️ Inaktiv]
      • In Python geschriebener Zeitreihenklassifizierungs- und Clustering-Code.

Dimensionsreduktion (Merkmalsauswahl/-extraktion)

  • Allgemein

    • [Liste] Fantastisches Feature-Engineering [ ️ Inaktiv]
      • Eine kuratierte Liste von Ressourcen, die Feature-Engineering-Techniken für maschinelles Lernen gewidmet sind.

  • Üben

    • [Bibliothek] Featuretools
      • Eine Open-Source-Python-Bibliothek für automatisiertes Feature-Engineering.
    • [Bibliothek] Funktionsauswahl [ ️ Inaktiv]
      • Feature Selector: Einfache Feature-Auswahl in Python.
    • [Bibliothek] scikit-feature [ ️ Inaktiv]
      • Open-Source-Repository zur Funktionsauswahl in Python.
    • [Tutorial] DimensionalityReduction_alo_codes (Chinesisch) [ ️ Inaktiv]
      • xx特征提取/数据降维:PCA、LDA、MDS、LLE、TSNE等降维算法的python实现xxx.
    • [Tutorial] Feature-Engineering-und-Feature-Auswahl [ ️ Inaktiv]
      • Ein Leitfaden für Feature Engineering und Feature-Auswahl, mit Implementierungen und Beispielen in Python.
    • [Tutorial] Funktionsauswahl für maschinelles Lernen [ ️ Inaktiv]
      • Methoden mit Beispielen zur Funktionsauswahl während der Vorverarbeitung im maschinellen Lernen.

Aufgabe und Anwendung des maschinellen Lernens

Computer Vision (Lebenslauf)

  • Allgemein

    • [Liste] Großartiges Computer Vision
      • Eine kuratierte Liste großartiger Computer-Vision-Ressourcen.
    • [Liste] Fantastischer Visual-Transformer
      • Sammeln Sie einige Transformer mit Computer-Vision (CV)-Papieren.
    • [Liste] Awesome Deep Vision [ ️ Inaktiv]
      • Eine kuratierte Liste von Deep-Learning-Ressourcen für Computer Vision.

  • Unterthemen

    • [Liste] Fantastisches visuelles Repräsentationslernen mit Transformern
      • Fantastische Transformers (Selbstaufmerksamkeit) in der Computer Vision.
    • [Liste] Fantastische Gesichtserkennung
      • Gesichtserkennung, -segmentierung, -ausrichtung und -verfolgung und mehr.
    • [Liste] Fantastische neuronale Strahlungsfelder
      • Eine kuratierte Liste fantastischer Artikel über neuronale Strahlungsfelder.
    • [Liste] Fantastisches neuronales Rendering
      • Eine Sammlung von Ressourcen zum neuronalen Rendering.
    • [Liste] Tolle Inpainting-Technologie
      • Eine kuratierte Liste von Inpainting-Papieren und -Ressourcen.
    • [Liste] Tolle Bild-zu-Bild-Übersetzung
      • Eine Sammlung von Ressourcen zur Bild-zu-Bild-Übersetzung.
    • [Liste] Deep-Learning-zur-Verfolgung-und-Erkennung
      • Sammlung von Dokumenten, Datensätzen, Code und anderen Ressourcen zur Objekterkennung und -verfolgung mithilfe von Deep Learning.
    • [Liste] Fantastisches Deep Learning für die Videoanalyse
      • Videoanalyse, insbesondere multimodales Lernen für die Videoanalyseforschung.
    • [Liste] Bild- und Video-Unschärfe entfernen
      • Eine kuratierte Liste von Ressourcen zur Bild- und Video-Unschärfe.
    • [Liste] Einige Shot-Papiere zur semantischen Segmentierung
      • Artikel zur semantischen Segmentierung mit wenigen Schüssen.
    • [Liste] Fantastische Bilderzeugung mit wenigen Aufnahmen
      • Artikel, Datensätze und relevante Links zur Generierung von Bildern mit wenigen Aufnahmen.
    • [Liste] Fantastische Erkennung von Videoanomalien
      • Dokumente zur Erkennung von Videoanomalien, veröffentlichte Codesammlungen.
    • [Liste] 3D-Maschinelles Lernen
      • Lernen Sie aus 3D-Darstellungen.
    • [Liste] awesome-3D-vision (Chinesisch)
      • 3D-Version, SLAM, vSLAM, 3D-Version
    • [Liste] 3D-Rekonstruktion-mit-Deep-Learning-Methoden
      • Der Schwerpunkt dieser Liste liegt auf Open-Source-Projekten, die auf Github gehostet werden.
    • [Liste] Awsome_Deep_Geometry_Learning
      • Eine Liste von Ressourcen zu Deep-Learning-Lösungen zur 3D-Formverarbeitung.
    • [Liste] Tolle Bildklassifizierung [ ️ Inaktiv]
      • Eine kuratierte Liste von Deep-Learning-Bildklassifizierungspapieren und -codes seit 2014.
    • [Liste] Fantastische Objekterkennung [ ️ Inaktiv]
    • [Liste] Tolles Gesicht [ ️ Inaktiv]
      • Gesichtsbezogene Algorithmen, Datensätze und Papiere.
    • [Liste] Fantastische Schätzung der menschlichen Pose [ ️ Inaktiv]
      • Eine Sammlung von Ressourcen zu Problemen im Zusammenhang mit der menschlichen Körperhaltung.
    • [Liste] Fantastische Videogenerierung [ ️ Inaktiv]
      • Eine kuratierte Liste großartiger Arbeiten (derzeit 257 Artikel) zum Thema Videogenerierung und Videodarstellungslernen.

Verarbeitung natürlicher Sprache (NLP)

  • Allgemein

    • [Liste] Tolles NLP
      • Eine kuratierte Liste von Ressourcen zur Verarbeitung natürlicher Sprache.
    • [Liste] Verfolgung des Fortschritts bei der Verarbeitung natürlicher Sprache
      • Repository zur Verfolgung des Fortschritts in der Verarbeitung natürlicher Sprache (NLP), einschließlich der Datensätze und des aktuellen Stands der Technik für die häufigsten NLP-Aufgaben.
    • [Liste] Tolles BERT- und Transferlernen in NLP
      • Transformers (BERT), Aufmerksamkeitsmechanismus, Transformer-Architekturen/Netzwerke und Transferlernen im NLP.
    • [Liste] funNLP: Das mächtigste NLP-Waffenarsenal (Chinesisch)
      • NLP-Standard: 几乎最全的中文NLP资源库
    • [Liste, Tutorial] ML-NLP (Chinesisch)
      • 此项目是机器学习、NLP面试中常考到的知识点和代码实现, 也是作为一个算法工程师必会的理论基础知识
    • [Liste] Tolles chinesisches NLP (Chinesisch) [ ️ Inaktiv]
      • 中文自然语言处理相关资料
    • [Liste] Toller BERT [ ️ Inaktiv]
      • Dieses Repository dient zum Sammeln von BERT-bezogenen Ressourcen.

  • Unterthemen

    • [Liste] Leseliste für maschinelle Übersetzung
      • Eine von der Tsinghua Natural Language Processing Group verwaltete Leseliste für maschinelle Übersetzungen.
    • [Liste] Must-Read-Artikel zu vorab trainierten Sprachmodellen (PLMs)
      • Listen Sie einige repräsentative Arbeiten zu PLMs auf und zeigen Sie deren Zusammenhang anhand eines Diagramms.
    • [Liste] PromptPapers
      • Unverzichtbare Artikel zum Thema Prompt-basiertes Tuning für vorab trainierte Sprachmodelle.
    • [Liste] Must-Read-Artikel zu NRE
      • NRE: Extraktion neuronaler Beziehungen.
    • [Liste] Tolle Beantwortung von Fragen
      • Eine kuratierte Liste des Themas Fragenbeantwortung (QA).
    • [Liste] Textual Adversarial Attack and Defense (TAAD)
      • Unverzichtbare Artikel zum Thema textueller gegnerischer Angriff und Verteidigung.
    • [Liste] Maschinelles Leseverständnis.
      • Unverzichtbare Artikel zum maschinellen Leseverständnis.
    • [Liste] Legal Intelligence (NLP)
      • Unverzichtbare Artikel zum Thema Legal Intelligence.
    • [Liste] Fantastische NLP-Fairness-Papiere
      • Artikel über Fairness im NLP.
    • [Liste] Fantastisches Finanz-NLP
      • Forschungen zur Verarbeitung natürlicher Sprache für den Finanzbereich.
    • [Liste] Graph4NLP-Literatur
      • Eine Liste der Literatur zum Thema Deep Learning on Graphs für NLP.
    • [Liste] Tolles chinesisches medizinisches NLP (Chinesisch)
      • 中文医学NLP公开资源整理
    • [Liste] NLP4Rec-Papiere
      • Papiersammlung von NLP für das Empfehlungssystem.
    • [Liste] DataAug4NLP
      • Sammlung von Artikeln und Ressourcen zur Datenerweiterung für NLP.
    • [Liste] Must-Read-Artikel zu KRL/KE. [ ️ Inaktiv]
      • KRL: Wissensrepräsentationslernen. KE: Wissenseinbettung.

  • Üben

    • [Tutorial] NLP-Tutorial
      • nlp-tutorial ist ein Tutorial für alle, die NLP mit Pytorch lernen.
    • [Datensätze] NLP-Datensätze
      • Alphabetische Liste freier/gemeinfreier Datensätze mit Textdaten zur Verwendung in NLP.

Multimodales und modalübergreifendes Lernen

  • Multimodal

    • [Liste] Fantastisches multimodales ML
      • Leseliste für Themen des multimodalen maschinellen Lernens.
    • [Liste] Großartige multimodale Forschung
      • Forschungsarbeiten zum multimodalen maschinellen Lernen.

  • Crossmodal

    • [Liste] Cross-modal Retrieval Tutorial
      • Aufsätze zum modalübergreifenden Matching und Retrieval.
    • [Liste] Fantastischer Videotext-Abruf durch Deep Learning
      • Eine kuratierte Liste von Deep-Learning-Ressourcen zum Abrufen von Videotexten.
    • [Liste] Tolles Dokumentenverständnis
      • Eine kuratierte Liste von Ressourcen zum Thema Document Understanding (DU) im Zusammenhang mit Intelligent Document Processing (IDP).
    • [Liste] Awesome-Cross-Modal-Video-Moment-Retrieval (Chinesisch)

Graphenlernen

Siehe auch: Modell des maschinellen Lernens -> Graphisches neuronales Netzwerk (GNN, GCN, GAT usw.)

  • Allgemein

    • [Liste] Graphbasierte Deep-Learning-Literatur
      • Konferenzpublikationen zum graphbasierten Deep Learning.
    • [Liste] Literatur zum Deep Learning für Graphen
      • Dies ist eine Papierliste zum Thema Deep Learning für Grafiken.
    • [Liste] GNNPapers
      • Unverzichtbare Artikel zu GNN.

  • Benchmarks

    • [Benchmark] Graphbasierte Deep-Learning-Modelle für die städtische Verkehrsvorhersage
      • DL-Traff: Untersuchung und Benchmark von Deep-Learning-Modellen für die städtische Verkehrsvorhersage

  • Unterthemen

    • [Liste] Fantastische Diagrammklassifizierung
      • Eine Sammlung von Graphklassifizierungsmethoden, die Einbettung, Deep Learning, Graphkernel und Faktorisierungspapiere mit Referenzimplementierungen abdeckt.
    • [Liste] Fantastisches, erklärbares Graph-Argument
      • Eine Sammlung von Forschungsarbeiten und Software zum Thema Erklärbarkeit beim maschinellen Lernen von Graphen.
    • [Liste] Fantastisches selbstüberwachtes Lernen mit Graphen
      • Eine kuratierte Liste mit fantastischen Lernressourcen zur selbstüberwachten Diagrammdarstellung.
    • [Liste] Graph Adversarial Learning Literature
      • Eine kuratierte Liste gegnerischer Angriffe und Verteidigungspapiere zu graphstrukturierten Daten.
    • [Liste] Deep Learning für Graphen in Chemie und Biologie
      • Eine Papierliste zum Deep Learning zu Graphen in Chemie und Biologie.
    • [Liste] Fantastisches Federated Learning auf Graph- und GNN-Papieren
      • Föderiertes Lernen auf Graphen, insbesondere auf GNNs, Wissensgraphen und privaten GNN.
    • [Liste] Fantastisches Deep-Graph-Darstellungslernen
      • Eine kuratierte Liste mit fantastischen Lernressourcen für die Darstellung tiefer Diagramme.
    • [Liste] Graph4NLP-Literatur
      • Eine Liste der Literatur zum Thema Deep Learning on Graphs für NLP.
    • [Liste] GNN4Traffic
      • Dies ist das Repository für die Sammlung von Graph Neural Network for Traffic Forecasting.
    • [Liste] GNN-basierte Empfehlungssysteme
      • Ein Index von Empfehlungsalgorithmen, die auf Graph Neural Networks basieren.
    • [Liste] Awesome-GNN-Empfehlung
      • GNN in Empfehlung.
    • [Liste] Fantastische GNNs in großen Diagrammen
      • Umfangreiche Diagrammdatensätze/Netzwerke.
    • [Liste] Fantastisches, faires Graph-Lernen
      • Papierlisten für faires Graph-Lernen (FairGL).
    • [Liste] Must-Read-Artikel zu NRL/NE. [ ️ Inaktiv]
      • NRL: Netzwerkrepräsentationslernen. NE: Netzwerkeinbettung.
    • [Liste] Repräsentationslernen auf heterogenen Graphen [ ️ Inaktiv]
      • Einbettung heterogener Graphen, heterogene GNNs und Anwendungen.

  • Üben

    • [Liste] awesome-graph
      • Eine kuratierte Liste von Ressourcen für Graphdatenbanken und Graph-Computing-Tools.

Wissensgraph

  • Allgemein

    • [Liste] Wissensgraphen
      • Eine Sammlung von Wissenspapieren, Codes und Lesenotizen
    • [Tutorial] Awesome Knowledge Graph (Chinesisch)
      • 整理知识图谱相关学习资料,提供系统化的知识图谱学习路径
    • [Liste] Toller Wissensgraph
      • Knowledge Graph-bezogene Lernmaterialien, Datenbanken, Tools und andere Ressourcen.
    • [Liste] Knowledge Graph Learning
      • Eine kuratierte Liste großartiger Wissensgraph-Tutorials, Projekte und Communities.

  • Unterthemen

    • [Liste] Begründungspapiere zum Wissensgraphen
      • Begründungspapiere zum Wissensgraphen.
    • [Liste] NLP-Wissensgraph (Chinesisch)
      • 自然语言处理、知识图谱、对话系统

  • Üben

    • [Liste] awesome-graph
      • Eine kuratierte Liste von Ressourcen für Graphdatenbanken und Graph-Computing-Tools.

Zeitreihen-/Stream-Lernen

  • Allgemein

    • [Liste] awesome-time-series
      • Eine Liste aktueller Veröffentlichungen, Codes und anderer Ressourcen konzentriert sich auf Zeitreihenvorhersagen.
    • [Liste] Tolle Zeitserie
      • Eine umfassende Übersicht über die Zeitreihendomänen.
    • [Liste] Tolle Zeitreihenpapiere (Englisch und Chinesisch) [ ️ Inaktiv]
      • Liste großartiger Arbeiten aus verschiedenen Forschungsbereichen der Zeitreihenanalyse.

  • Unterthemen

    • [Liste] Fantastische Erkennung von Zeitreihenanomalien
      • Liste der Tools und Datensätze zur Anomalieerkennung bei Zeitreihendaten.
    • [Liste] Deep-Learning-Zeitreihenprognose
      • Ressourcen, Code und Experimente mit Deep Learning für Zeitreihenprognosen.
    • [Liste] Awesome-Deep-Learning-basierte-Zeitreihen-Prognose
      • Awesome-Deep-Learning-basierte-Zeitreihen-Prognose.
    • [Liste] Großartige Zeitreihenanalyse und Data Mining
      • Eine Sammlungsliste mit Lernressourcen, Tools und Datensätzen für die Zeitreihenanalyse oder das Zeitreihen-Data-Mining.

  • Üben

    • [Liste, Übung] awesome_time_series_in_python
      • Python-Bibliotheken, Datensätze, Frameworks für die Zeitreihenverarbeitung.
    • [Datensätze] Tolle Zeitreihendatenbank
      • Eine kuratierte Liste von Zeitreihendatenbanken.
    • [Bibliothek] FOST
      • Ein leicht verwendetes Instrument für zeitliche, räumlich-zeitliche und hierarchische Prognosen.

Empfehlungssysteme

  • Allgemein

    • [Liste] Awesome-Rspapers
      • Empfehlende Systempapiere in Top-Konferenzen.
    • [Liste] Awesome-Recsys [ ️ Inaktiv]
      • Eine kuratierte Liste von Awesome Repect System (Forschung).
    • [Liste] Awesome-Recommender-Systems (Chinese) [ ️ Inaktiv]
      • Eine kuratierte Liste großartiger Ressourcen über Empfehlungssysteme.

  • Unterseite

    • [Liste] Awesome Deep Learning Papers für industrielle Suche, Empfehlung und Anzeige
      • Konzentrieren Sie sich auf das Einbetten, Matching, Ranking (CTR -Vorhersage, CVR -Vorhersage), Post -Ranking, Transfer und Verstärkungslernen.
    • [LIST] GNN -basierte Empfehlungssysteme
      • Ein Index der Empfehlungsalgorithmen, die auf Grafiknetzwerken basieren.
    • [LIST] NLP4REC-PAPER
      • Papiersammlung von NLP für Empfehlungssystem.
    • [LIST] Awesome-Gnn-Empfehlung
      • GNN in Empfehlung.

Informationsabruf

  • [Liste] Fantastische Informationen Abrufen
    • Kuratierte Liste der Informationsabruf- und Web -Search -Ressourcen aus dem gesamten Web.

Gaming & Suchen

  • [Liste] Awesome Monte Carlo Tree Suchpapiere
    • Eine kuratierte Liste von Monte -Carlo -Baum -Suchpapieren mit Implementierungen.

Modell maschinelles Lernen

Vorbereitete und Stiftungsmodell

in NLP (Bert, Roberta, GPT usw.)

  • Foundation-Modelle

    • [LIST] MUSS-LESERPAPIERE auf vorgeborenen Sprachmodellen (PLMS)
      • Listen Sie einige repräsentative Arbeiten zu PLMs auf und zeigen Sie ihre Beziehung zu einem Diagramm.
    • [Liste] Bert-bezogene Papiere
      • Dies ist eine Liste von Bert-bezogenen Papieren.
    • [Liste] Fantastisches Bert & Transfer Learning in NLP
      • Transformers (Bert), Aufmerksamkeitsmechanismus, Transformatorarchitekturen/ -Netzwerke und Transferlernen in NLP.
    • [Liste] PTMS: Vorausgebildete Modelle in NLP (Chinesisch)
      • NLP 预训练模型的全面总结
    • [Liste, Modell] Fantastische vorbereitete chinesische NLP -Modelle (chinesische)
      • 高质量中文预训练模型集合
    • [LIST] Vision und Sprache Presentierte Modelle
      • Jüngste Fortschritte in Seh- und Sprachmodellen (VL-PTMS).
    • [Liste] Awesome Bert [ ️ Inaktiv]
      • Dieses Repository soll Bert -verwandte Ressourcen sammeln.

  • Vorbereitete (nicht Grund-) Modelle

    • [Liste, Modell] Fantastische Satzeinbettung
      • Eine kuratierte Liste von vorbereiteten Satz- und Wortbettungsmodellen.
in CV (visuelle Transformatoren usw.)

  • Foundation-Modelle

    • [Liste] Fantastischer visueller Transformator
      • Sammeln Sie etwas Transformator mit Computer-Vision (CV).
    • [LIST] Vision und Sprache Presentierte Modelle
      • Jüngste Fortschritte in Seh- und Sprachmodellen (VL-PTMS).
    • [Liste] Transformator-in-Vision
      • Neuere transformatorbasierte Lebenslauf und verwandte Arbeiten.
    • [Liste] Fantastisches visuelles Darstellungslernen mit Transformatoren
      • Awesome Transformers (Selbstbekämpfung) in Computer Vision.
    • [Liste] Transformator-in-Computer-Vision
      • Eine Papierliste einiger neuer transformatorbasierter CV-Werke.

  • Vorbereitete (nicht Grund-) Modelle

    • [Liste, Übung] Pytorch -Bildmodelle
      • Eine Sammlung von Bildmodellen, Ebenen, Versorgungsunternehmen, Optimierern, Schedulern, Datenladern / Augmentationen und Referenztrainings- / Validierungsskripten, die darauf abzielen, eine Vielzahl von SOTA-Modellen zusammenzuführen, die die Ergebnisse des ImageNet-Trainings reproduzieren können.
    • [Liste, Modell] CV-vorgeschriebenes Modell
      • Computer Vision Presented Modelle (nicht Papiere).
    • [Liste, Modell] Vorbereitete Modelle.Pytorch [ ️ Inaktiv]
      • Vorbereitete Sehmodelle für Pytorch.
    • [Bibliothek] Segmentation_Models [ ️ Inaktiv]
      • Python -Bibliothek mit neuronalen Netzwerken für die Bildsegmentierung basierend auf Keras und Tensorflow.
In anderen Themen
  • [LIST] Awesome-vorbehaltte Modelle für die Information
    • Fantastische Papiere im Zusammenhang mit vorgeborenen Modellen zum Abrufen von Informationen (AKA, Vorbereitung für IR).

Faltungsnetzwerk (CNN)

Hinweis: Dies ist ein großes Thema und fast alle vorhandenen Listen sind veraltet. Weitere Informationen finden Sie unter Computer Vision (CV) in maschinellem Lernen und Anwendung.

  • [Benchmark] Convnet-Benchmarks [ ️ Inaktiv]
    • Einfaches Benchmarking öffentlicher Open-Source-Implementierungen von Überzeugungsarbeiten.
  • [Benchmark] CNN-Benchmarks [ ️ Inaktiv]
    • Benchmarks für beliebte Faltungsnetzwerkmodelle für CPU und verschiedene GPUs mit und ohne Cudnn.

Wiederkehrendes neuronales Netzwerk (RNN, LSTM, Gru usw.)

Hinweis: Dies ist ein großes Thema und fast alle vorhandenen Listen sind veraltet. Weitere Informationen finden Sie unter zeitreiche Lern-/Stream-Lernen in maschineller Lernaufgaben und Anwendung, um neuere Informationen zu erhalten.

  • [Liste] Fantastische wiederkehrende neuronale Netze [ ️ Inaktiv]
    • Eine kuratierte Liste von Ressourcen, die sich wiederkehrenden neuronalen Netzwerken widmen (eng mit Deep Learning verwandt).

Graph Neural Network (GNN, GCN, GAT usw.)

Siehe auch: Task & Application -> Graph Learning : Maschinelles Lernen

  • Allgemein

    • [Liste] GNNPAPERS
      • Must-Read-Papiere in Grafik Neural Network.
    • [LIST] Graphbasierte neuronale Netze
      • Wichtige Materialien zu draphbasierten neuronalen Netzwerken und relationalen Netzwerken.
    • [Liste] Awesome GCN
      • Dieses Repository soll GCN, GAT (Graph Achtung) Ressourcen sammeln.
    • [Liste] Graph Neural Network (GNN) Fortschritt
      • Must-Read-Papiere und kontinuierlichen Track in Graph Neural Network (GNN) Fortschritt
    • [Liste] gnn_review (chinesisch)
      • Gnn 综述阅读报告

  • Unterseite

    • [Liste] Fantastische Selbstversorgung
      • Papiere über das selbstbewertete Lernen in Graph Neural Networks (GNNs).
    • [LIST] GNN4TRAFFIC
      • Dies ist das Repository für die Sammlung des neuronalen Netzwerks für die Verkehrsprognose.
    • [LIST] GNN -basierte Empfehlungssysteme
      • Ein Index der Empfehlungsalgorithmen, die auf Grafiknetzwerken basieren.
    • [Liste] Fantastische GNNs in groß angelegten Grafiken
      • Große Grafikdatensätze/Netzwerke.

  • Üben

    • [Tutorial] GNN-Algorithmen (chinesisch) [ ️ Inaktiv]
      • 图神经网络相关算法详述及实现教程

Generatives Modell und generatives kontroverses Netzwerk (GaN)

Siehe auch: Paradigma für maschinelles Lernen -> kontroverses Lernen

  • Allgemein

    • [Liste] Wirklich awesome-gan
      • Eine Liste von Papieren und anderen Ressourcen zu generativen kontroversen (neuronalen) Netzwerken.
    • [Liste] Fantastische generative Modellierungsarbeiten
      • Papiere zur generativen Modellierung.
    • [Liste] Der Gan Zoo [ ️ Inaktiv]
      • Eine Liste aller genannten Gans.
    • [LIST] VERSARIALINETPAPERS [ ️ Inaktiv]
      • Tolle Papiere über generative kontroversende Netzwerke. Die Mehrheit der Papiere bezieht sich auf die Bildübersetzung.
    • Tolle gan -Anwendungen [ ️ Inaktiv]
      • Kuratierte Liste der fantastischen GAN -Anwendungen und Demonstrationen.

  • Unterseite und Anwendungen

    • [Liste] Awesome-Gan-for-Medical-Imaging
      • Eine kuratierte Liste großartiger Gan -Ressourcen in der medizinischen Bildgebung.
    • [Liste] Awesome Gan-Inversion
      • Dieses Repo ist eine Sammlung von Ressourcen zur Gan -Inversion.

  • Üben

    • [Liste] Awesome-Gans mit Tensorflow
      • Tensorflow -Implementierung von GANS (generative kontroverse Netzwerke).
    • [Tutorial] Ganhacks [ ️ Inaktiv]
      • Wie trainiere ich einen Gan? Tipps und Tricks, damit Gans funktioniert.
    • [Tutorial] Gan [ ️ Inaktiv]
      • Ressourcen und Implementierungen von generativen kontroversen Netzen.
    • [Tutorial] gan_theorien [ ️ Inaktiv]
      • So stabilisieren Sie den Trainingsprozess und generieren hochwertige Bilder.

Variations -Autocoder

Siehe auch: Paradigma für maschinelles Lernen -> Repräsentation Lernen

  • [Liste] Awesome-Vaes
    • Fantastische Arbeit an den Vae, Entspannung, Repräsentationslernen und generativen Modellen.
  • [Codesammlung] Pytorch-vae
    • Eine Sammlung von Variationsautoencodern (VAEs), die in Pytorch implementiert sind und sich auf die Reproduzierbarkeit konzentrieren.

Baum- und Ensemble-Modell

Siehe auch: Paradigma für maschinelles Lernen -> Ensemble Learning

  • Allgemein

    • [Liste] Fantastische Entscheidungsbaumforschungsarbeiten
      • Eine kuratierte Liste der Klassifizierungs- und Regressionsbaumforschungsarbeiten mit Implementierungen.
    • [Liste] Fantastische Gradienten -Boosting -Forschungsarbeiten
      • Eine kuratierte Liste von Gradienten und adaptiven Boosting -Papieren mit Implementierungen.
    • [Liste] Fantastischer zufälliger Wald [ ️ Inaktiv]
      • Eine kuratierte Liste von Ressourcen in Bezug auf baumbasierte Methoden und vieles mehr, einschließlich, aber nicht beschränkt auf zufälliges Wald, Sacking und Steigerung.
    • [Liste] Fantastisches Ensemble -Lernen [ ️ Inaktiv]
      • Bücher, Papiere, Kurse, Tutorials, Bibliotheken, Datensätze.

  • Üben

    • [Bibliothek] Xgboost
      • Skalierbare, tragbare und verteilte Gradienten -Boosting -Bibliothek (GBDT, GBRT oder GBM).
    • [Bibliothek] LightGBM
      • Ein schneller, verteilter Hochleistungsgradienten -Boosting -Rahmen (GBT, GBDT, GBRT, GBM oder Mart).
    • [Bibliothek] Catboost
      • Eine schnelle, skalierbare Hochleistungs -Gradientenverstärkung in der Entscheidungsbäume.
    • [Bibliothek] Mlens
      • Eine Python -Bibliothek für Hochleistungs -Ensemble -Lernen.
    • [Bibliothek] Combo
      • Eine Python -Toolbox für maschinelles Lernmodellkombination,
    • [Bibliothek] unausgeglichener Esensemble (Englisch & Chinesisch)
      • 类别不平衡/长尾机器学习 | Lernen des Klassenbalanced/Long-Sailed-Ensemble in Python

Interpretierbarkeit und Fairness und Ethik für maschinelles Lernen

Interpretierbarkeit in AI

  • Allgemein

    • [Liste] Fantastisches maschinelles Lernen Interpretierbarkeit
      • Eine kuratierte Liste von fantastischen Ressourcen für maschinelle Lernen.
    • [Liste] Fantastische erklärbare KI
      • Dieses Repository enthält die Grenzforschung zu erklärbarer KI (XAI), das in letzter Zeit ein heißes Thema ist.
    • [LIST] maschinelles Lernen Interpretierbarkeit
      • H2O.AI maschinelles Lernen Interpretierbarkeitsressourcen.
    • [LIST] AWGASTION_DEEP_LEARNING_INTREPREPLAIBY (CHINESS) [ ️ Inaktiv]
      • 深度学习近年来关于模型解释性的相关论文。

  • Unterseite

    • [Liste] Fantastische Erklärungsgrafik -Argumentation
      • Eine Sammlung von Forschungsarbeiten und Software im Zusammenhang mit der Erklärung im maschinellen Lernen von Graph.
    • [LIST] Gegentliche erklärbare KI
      • Gegentliche Angriffe auf Modellerklärungen und Bewertungsansätze.

  • Üben

    • [Tutorial] Interpretierbares ML-Book
      • Buch über interpretierbares maschinelles Lernen.
    • [Tutorial] interpretable_maachine_learning_with_python
      • Beispiele für Techniken zur Schulung interpretierbarer ML -Modelle, Erklärung von ML -Modellen und Debuggen von ML -Modellen für Genauigkeit, Diskriminierung und Sicherheit.

Fairness in AI

  • Allgemein

    • [Liste] Fairai
      • Dies ist eine Sammlung von Papieren und anderen Ressourcen im Zusammenhang mit Fairness.
    • [LIST] großartige Fairness in AI [ ️ Inaktiv]
      • Eine kuratierte, aber wahrscheinlich voreingenommene und unvollständige Liste der großartigen Fairness in KI -Ressourcen.

  • Unterseite

    • [Liste] Fantastische NLP -Fairness Papiere
      • Papiere über Fairness in NLP.

  • Üben

    • [Tutorial] Fairness_Tutorial
      • Umgang mit Voreingenommenheit und Fairness in Data Science Systems: Ein praktisches praktisches Tutorial.
    • [Bibliothek] ML-FARNESS-GYM [ ️ Inaktiv]
      • Eine Reihe von Komponenten zum Aufbau einfacher Simulationen, die die potenziellen langfristigen Auswirkungen der Bereitstellung maschinellernbasierter Entscheidungssysteme in sozialen Umgebungen untersuchen.

Ethik in AI

  • Allgemein

    • [LIST] CRICYML [ ️ Inaktiv]
      • In Richtung ethischer, transparenter und fairer KI/ML: Eine kritische Leseliste für Ingenieure, Designer und politische Entscheidungsträger.
    • [Liste] Ethik Referenzen für maschinelles Lernen [ ️ Inaktiv]
      • Referenzen über Diskriminierung aufgrund des maschinellen Lernens und zur Datenwissenschaft, Voreingenommenheit, Ethik.

  • Unterseite

    • [Liste] Awesome-Privacy **
      • In Richtung ethischer, transparenter und fairer KI/ML: Eine kritische Leseliste für Ingenieure, Designer und politische Entscheidungsträger.

Interdisziplinär: maschinelles Lernen + x

System (MLSYS/SYSML)

  • [Liste] Fantastisches System für maschinelles Lernen
    • Eine kuratierte Liste der Forschung im maschinellen Lernsystem.
  • [Tutorial] Muster für maschinelles Lernsystem -Designmuster
    • Systemdesignmuster für das Training, Servieren und Betrieb von maschinellen Lernsystemen in der Produktion.
  • [Anmerkung] CS-NOTES (Chinesen)
    • Mlsys 和 c ++ 自学笔记 ， 以及算法、操作系统 ， 后续学习分布式系统 ， 终身更新。 终身更新。
  • [Anmerkung] Hacksysml (Chinesisch)
    • Anmerkungen zum Lernen und Üben von SysML.
  • [LIST] SYSML-Reading-List [ ️ Inaktiv]
    • Eine kuratierte Leseliste der Informatikforschung für Arbeiten an der Schnittstelle von maschinellem Lernen und Systemen.
  • [Tutorial] Dive-Into-ML-System (Chinese) [ ️ Inaktiv]
    • Tauchen Sie in das maschinelle Lernsystem ein und erfinden Sie das Rad neu.
  • [Liste] Schnelles und skalierbares maschinelles Lernen: Algorithmen und Systeme [ ️ Inaktiv]
    • Dies ist eine Sammlung von Arbeiten über die jüngsten Fortschritte in maschinellem Lernen und Systemen, einschließlich verteilter maschinelles Lernen, Deep -Lernen und etc.

Datenbank (AIDB/ML4DB)

  • [LIST] ML4DB-PAPER-LIST (Englisch & Chinesisch)
    • [Papierliste] AIDB / ML4DB / Autonome Datenbank / 智能数据库 / selbstfahrende Datenbank

Software Engineering (MLONCODE)

  • [LIST] maschinelles Lernen auf Quellcode (Website)
    • Erforschung des maschinellen Lernens für Quellcode.
  • [Liste] Awesome-Machine-Learning-on-Source-Code [ ️ Inaktiv]
    • Coole Links und Forschungsarbeiten im Zusammenhang mit maschinellem Lernen, die auf den Quellcode (MLONCode) angewendet werden.

Cybersicherheit

  • [Liste] Fantastisches maschinelles Lernen für die Cybersicherheit
    • Eine kuratierte Liste von erstaunlich großartigen Tools und Ressourcen im Zusammenhang mit der Verwendung von maschinellem Lernen für die Cybersicherheit.
  • [Liste] Awesome-Cybersecurity-Datensätze
    • Eine kuratierte Liste von erstaunlich fantastischen Cybersicherheitsdatensätzen.
  • [Liste] maschinelles Lernen für Cybersicherheit [ ️ Inaktiv]
    • Eine kuratierte Liste von erstaunlich großartigen Tools und Ressourcen im Zusammenhang mit der Verwendung von maschinellem Lernen für die Cybersicherheit.
  • [Liste] KI für Sicherheit [ ️ Inaktiv]
    • Eine Papierliste über maschinelles Lernen für IDSEs.

Quantencomputing

  • [Liste] Fantastisches maschinelles Lernen für die Cybersicherheit
    • Eine Liste fantastischer Papiere und coolen Ressourcen im Bereich des Quantum -maschinellen Lernens (Algorithmen für maschinelles Lernen auf Quantengeräten). Es enthält nicht die Verwendung klassischer ML -Algorithmen für Quantenzwecke.

Medizin und Gesundheitswesen

  • [Liste] HealthCare_ML
    • Relevante Ressourcen für die Anwendung maschineller Lernen auf das Gesundheitswesen.
  • [Liste, Praxis] Fantastische chinesische medizinische NLP (Chinesisch)
    • 中文医学 nlp 公开资源整理
  • [Liste] Fantastische medizinische Bildgebung [ ️ Inaktiv]
    • Dies ist eine großartige Liste von Software, die ich zur Forschung in der medizinischen Bildgebung verwende.

Bioinformatik

  • [Liste] Awesome Bioinformatics
    • Eine kuratierte Liste der fantastischen Bioinformatik -Software, Ressourcen und Bibliotheken.
  • [Liste] Fantastische Bioinformatik -Benchmarks
    • Eine kuratierte Liste von Bioinformatik -Benchmarking -Papieren und -Ressourcen.
  • [Tutorial] Bioinformatik
    • Weg zu einer kostenlosen autodidaktischen Ausbildung in Bioinformatik (hauptsächlich Lehrpläne).
  • [Codesammlung] Biocode
    • Dies ist eine Sammlung von Bioinformatik -Skripten, die viele nützliche und Codemodule gefunden haben, die das Schreiben neuer viel schneller machen.

Biologie & Chemie

  • [Liste] DeepLearning-Biology
    • Dies ist eine Liste von Implementierungen von Deep -Learning -Methoden zur Biologie.
  • [Liste] Awesome Python Chemistry
    • Eine kuratierte Liste der fantastischen Python -Frameworks, Bibliotheken, Software und Ressourcen im Zusammenhang mit Chemie.
  • [Liste] Deep Learning für Grafiken in Chemie und Biologie
    • Eine Papierliste des tiefen Lernens in Grafiken in Chemie und Biologie.
  • [Liste] Awesome Deepbio [ ️ Inaktiv]
    • Eine kuratierte Liste großartiger Deep -Learning -Anwendungen im Bereich der Computerbiologie

Finanzen & Handel

  • [Bibliothek] Qlib
    • QLIB ist eine AI-orientierte quantitative Investitionsplattform, die darauf abzielt, das Potenzial auszuschöpfen, die Forschung zu stärken und den Wert von AI-Technologien für quantitative Investitionen zu schaffen.
  • [Liste, Praxis] finanziell-machine-lernende
    • Eine kuratierte Liste praktischer Tools und Anwendungen für finanzielles maschinelles Lernen (FINML).
  • [Liste] Awesome KI in Finanzen
    • Forschung, Tools und Code, mit denen die Menschen den Markt schlagen.
  • [Liste] Fantastische finanzielle NLP
    • Forschungen zur Verarbeitung natürlicher Sprache für Finanzdomäne.

Geschäft

  • [Liste, Praxis] Business-Maschinen-Lernen
    • Eine kuratierte Liste von Beispielen und Bibliotheken (Business Data Science) angewandte Business Machine Learning (BML) und Business Data Science (BDS).

Gesetz

  • [LIST] MUSS-LESENPAPIERE VON Legal Intelligence
    • Papiere und Datensätze der legalen künstlichen Intelligenz.
  • [Liste, Praxis] Legal Text Analytics
    • Ressourcen, Methoden und Tools, die sich der juristischen Textanalyse gewidmet haben.

Datensätze für maschinelles Lernen

  • [Datensätze] Fantastische öffentliche Datensätze
    • Diese Liste einer themenorientierten öffentlichen Datenquellen in hoher Qualität.
  • [Datensätze] NLP -Datensätze
    • Alphabetische Liste kostenloser/öffentlicher Datensätze mit Textdaten für die Verwendung in NLP.
  • [Datensätze] Fantastische Datensatz -Tools
    • Eine kuratierte Liste großartiger Datensatz -Tools.
  • [Datensätze] Fantastische Zeitreihendatenbank
    • Eine kuratierte Liste von Zeitreihendatenbanken.
  • [Datensätze] Awesome-Cybersecurity-Datensätze
    • Eine kuratierte Liste von erstaunlich fantastischen Cybersicherheitsdatensätzen.
  • [Datensätze] Fantastische Robotik -Datensätze
    • Robotik -Datensatzsammlungen.

Produktion maschinelles Lernen

Open-Source-Bibliotheken

  • [Liste, Bibliothek] Fantastisches maschinelles Lernen
    • Eine kuratierte Liste von fantastischen Frameworks, Bibliotheken und Software (nach Sprache).
  • [Liste, Bibliothek] Fantastisches maschinelles Lernen von Produktion
    • Dieses Repository enthält eine kuratierte Liste fantastischer Open -Source -Bibliotheken, mit denen Sie Ihr maschinelles Lernen des Produktions maschinell bereitstellen, überwachen, version, skalieren und sichern können

Big Data Frameworks

  • [Liste, Übung] Fantastische Big Data
    • Eine kuratierte Liste von fantastischen Big -Data -Frameworks, Ressourcen und anderen Großartigkeit.

Anerkennung

  • ? Vielen Dank, dass Sie sich die Zeit genommen haben, so weit zu lesen. Bitte hinterlassen Sie einen Stern, wenn Ihnen dieses Projekt gefällt! ?
  • Wenn Sie falsche/unangemessene/veraltete Inhalte finden, sollten Sie bitte ein Problem/PR öffnen.
  • ? Wir würden Ihren Beitrag zu dieser Liste sehr schätzen! ?

Mitwirkende

Vielen Dank an diese wunderbaren Menschen (Emoji -Schlüssel):


Zhining Liu
? ?
yueliu1999
?
Kim Hammar
?
Adam Narozniak
?

Dieses Projekt folgt der All-Contributors-Spezifikation. Beiträge jeglicher Art willkommen!

Expandieren
Zusätzliche Informationen
Ähnliche Anwendungen
Empfohlen für Sie
Ähnliche Nachrichten Alle