Machine Learning Guide
1.0.0
Catatan: Anda dapat dengan mudah mengonversi file penurunan harga ini ke PDF di VSCode menggunakan ekstensi praktis ini Markdown PDF.
Kerangka Pembelajaran Mesin/Pembelajaran Mendalam.
Sumber Belajar untuk ML
Kerangka Kerja, Pustaka, dan Alat ML
Algoritma
Pengembangan PyTorch
Pengembangan TensorFlow
Pengembangan Inti ML
Pengembangan Pembelajaran Mendalam
Pengembangan Pembelajaran Penguatan
Pengembangan Visi Komputer
Pengembangan Pemrosesan Bahasa Alami (NLP).
Bioinformatika
Pengembangan CUDA
Pengembangan MATLAB
Pengembangan C/C++
Pembangunan Jawa
Pengembangan Python
Pengembangan Skala
Pengembangan R
Perkembangan Julia
Kembali ke Atas
Pembelajaran Mesin adalah cabang kecerdasan buatan (AI) yang berfokus pada pembuatan aplikasi menggunakan algoritme yang belajar dari model data dan meningkatkan akurasinya seiring waktu tanpa perlu diprogram.
Kembali ke Atas
Praktik Terbaik Pemrosesan Bahasa Alami (NLP) oleh Microsoft
Buku Masak Mengemudi Otonom oleh Microsoft
Azure Machine Learning - ML sebagai Layanan | Microsoft Azure
Cara menjalankan Notebook Jupyter di ruang kerja Azure Machine Learning Anda
Pembelajaran Mesin dan Kecerdasan Buatan | Layanan Web Amazon
Menjadwalkan notebook Jupyter pada instans sementara Amazon SageMaker
AI & Pembelajaran Mesin | Google Awan
Menggunakan Notebook Jupyter dengan Apache Spark di Google Cloud
Pembelajaran Mesin | Pengembang Apple
Kecerdasan Buatan & Autopilot | Tesla
Alat Meta AI | Facebook
Tutorial PyTorch
Tutorial TensorFlow
Lab Jupyter
Difusi Stabil dengan Core ML di Apple Silicon
Kembali ke Atas
Pembelajaran Mesin oleh Universitas Stanford oleh Andrew Ng | Kursus
Pelatihan dan Sertifikasi AWS untuk Kursus Machine Learning (ML).
Program Beasiswa Pembelajaran Mesin untuk Microsoft Azure | kota Uda
Bersertifikat Microsoft: Rekan Ilmuwan Data Azure
Bersertifikat Microsoft: Rekan Insinyur AI Azure
Pelatihan dan penerapan Azure Machine Learning
Pembelajaran Machine learning dan kecerdasan buatan dari Google Cloud Training
Kursus Singkat Machine Learning untuk Google Cloud
Kursus Pembelajaran Mesin Online | Udemy
Kursus Pembelajaran Mesin Online | Kursus
Pelajari Pembelajaran Mesin dengan Kursus dan Kelas Online | edX
Kembali ke Atas
Pengantar Pembelajaran Mesin (PDF)
Kecerdasan Buatan: Pendekatan Modern oleh Stuart J. Russel dan Peter Norvig
Pembelajaran Mendalam oleh Ian Goodfellow, Yoshoua Bengio, dan Aaron Courville
Buku Pembelajaran Mesin Seratus Halaman oleh Andriy Burkov
Pembelajaran Mesin oleh Tom M. Mitchell
Pemrograman Kecerdasan Kolektif: Membangun Aplikasi Smart Web 2.0 oleh Toby Segaran
Pembelajaran Mesin: Perspektif Algoritma, Edisi Kedua
Pengenalan Pola dan Pembelajaran Mesin oleh Christopher M. Bishop
Pemrosesan Bahasa Alami dengan Python oleh Steven Bird, Ewan Klein, dan Edward Loper
Pembelajaran Mesin Python: Pendekatan Teknis Pembelajaran Mesin untuk Pemula oleh Leonard Eddison
Penalaran Bayesian dan Pembelajaran Mesin oleh David Barber
Pembelajaran Mesin untuk Pemula Mutlak: Pengantar Bahasa Inggris yang Sederhana oleh Oliver Theobald
Pembelajaran Mesin dalam Aksi oleh Ben Wilson
Pembelajaran Mesin Praktis dengan Scikit-Learn, Keras, dan TensorFlow: Konsep, Alat, dan Teknik untuk Membangun Sistem Cerdas oleh Aurélien Géron
Pengantar Pembelajaran Mesin dengan Python: Panduan untuk Ilmuwan Data oleh Andreas C. Müller & Sarah Guido
Pembelajaran Mesin untuk Peretas: Studi Kasus dan Algoritma untuk Membantu Anda Memulai oleh Drew Conway dan John Myles White
Elemen Pembelajaran Statistik: Penambangan Data, Inferensi, dan Prediksi oleh Trevor Hastie, Robert Tibshirani, dan Jerome Friedman
Pola Pembelajaran Mesin Terdistribusi - Buku (gratis untuk dibaca online) + Kode
Pembelajaran Mesin Dunia Nyata [Bab Gratis]
Pengantar Pembelajaran Statistik - Buku + Kode R
Elemen Pembelajaran Statistik - Buku
Pikirkan Bayes - Buku + Kode Python
Menambang Kumpulan Data Besar-besaran
Pertemuan Pertama dengan Pembelajaran Mesin
Pengantar Pembelajaran Mesin - Alex Smola dan SVN Vishwanathan
Teori Pengenalan Pola Probabilistik
Pengantar Pengambilan Informasi
Peramalan: prinsip dan praktik
Pengantar Pembelajaran Mesin - Amnon Shashua
Pembelajaran Penguatan
Pembelajaran Mesin
Sebuah Pencarian untuk AI
Pemrograman R untuk Ilmu Data
Penambangan Data - Alat dan Teknik Pembelajaran Mesin Praktis
Pembelajaran Mesin dengan TensorFlow
Sistem Pembelajaran Mesin
Dasar-dasar Pembelajaran Mesin - Mehryar Mohri, Afshin Rostamizadeh, dan Ameet Talwalkar
Pencarian Bertenaga AI - Trey Grainger, Doug Turnbull, Max Irwin -
Metode Ensemble untuk Pembelajaran Mesin - Gautam Kunapuli
Aksi Rekayasa Pembelajaran Mesin - Ben Wilson
Pembelajaran Mesin yang Menjaga Privasi - J. Morris Chang, Di Zhuang, G. Dumindu Samaraweera
Pembelajaran Mesin Otomatis sedang Beraksi - Qingquan Song, Haifeng Jin, dan Xia Hu
Pola Pembelajaran Mesin Terdistribusi - Yuan Tang
Mengelola Proyek Pembelajaran Mesin: Dari desain hingga penerapan - Simon Thompson
Pembelajaran Mesin Kausal - Robert Ness
Optimasi Bayesian dalam Aksi - Quan Nguyen
Algoritma Pembelajaran Mesin Secara Mendalam) - Vadim Smolyakov
Algoritma Optimasi - Alaa Khamis
Peningkatan Gradien Praktis oleh Guillaume Saupin
Kembali ke Atas
Kembali ke Atas
TensorFlow adalah platform sumber terbuka menyeluruh untuk pembelajaran mesin. Ini memiliki ekosistem alat, perpustakaan, dan sumber daya komunitas yang komprehensif dan fleksibel yang memungkinkan peneliti mendorong teknologi tercanggih dalam ML dan pengembang dengan mudah membangun dan menerapkan aplikasi yang didukung ML.
Keras adalah API jaringan saraf tingkat tinggi, ditulis dengan Python dan mampu berjalan di atas TensorFlow, CNTK, atau Theano. Keras dikembangkan dengan fokus untuk memungkinkan eksperimen cepat. Itu mampu berjalan di atas TensorFlow, Microsoft Cognitive Toolkit, R, Theano, atau PlaidML.
PyTorch adalah perpustakaan untuk pembelajaran mendalam tentang data masukan tidak beraturan seperti grafik, point cloud, dan manifold. Terutama dikembangkan oleh laboratorium Penelitian AI Facebook.
Amazon SageMaker adalah layanan terkelola sepenuhnya yang memberikan setiap pengembang dan ilmuwan data kemampuan untuk membangun, melatih, dan menerapkan model pembelajaran mesin (ML) dengan cepat. SageMaker menghilangkan beban berat dari setiap langkah proses pembelajaran mesin untuk mempermudah pengembangan model berkualitas tinggi.
Azure Databricks adalah layanan analisis data besar berbasis Apache Spark yang cepat dan kolaboratif yang dirancang untuk ilmu data dan rekayasa data. Azure Databricks, siapkan lingkungan Apache Spark Anda dalam hitungan menit, skala otomatis, dan berkolaborasi pada proyek bersama di ruang kerja interaktif. Azure Databricks mendukung Python, Scala, R, Java, dan SQL, serta kerangka kerja dan pustaka ilmu data termasuk TensorFlow, PyTorch, dan scikit-learn.
Microsoft Cognitive Toolkit (CNTK) adalah toolkit sumber terbuka untuk pembelajaran mendalam terdistribusi tingkat komersial. Ini menggambarkan jaringan saraf sebagai serangkaian langkah komputasi melalui grafik terarah. CNTK memungkinkan pengguna dengan mudah mewujudkan dan menggabungkan jenis model populer seperti DNN feed-forward, jaringan saraf konvolusional (CNN), dan jaringan saraf berulang (RNN/LSTM). CNTK mengimplementasikan pembelajaran penurunan gradien stokastik (SGD, error backpropagation) dengan diferensiasi dan paralelisasi otomatis di beberapa GPU dan server.
Apple CoreML adalah kerangka kerja yang membantu mengintegrasikan model pembelajaran mesin ke dalam aplikasi Anda. Core ML memberikan representasi terpadu untuk semua model. Aplikasi Anda menggunakan API Core ML dan data pengguna untuk membuat prediksi, dan untuk melatih atau menyempurnakan model, semuanya di perangkat pengguna. Model adalah hasil penerapan algoritma pembelajaran mesin pada sekumpulan data pelatihan. Anda menggunakan model untuk membuat prediksi berdasarkan data masukan baru.
Apache OpenNLP adalah pustaka sumber terbuka untuk perangkat berbasis pembelajaran mesin yang digunakan dalam pemrosesan teks bahasa alami. Ini menampilkan API untuk kasus penggunaan seperti Pengenalan Entitas Bernama, Deteksi Kalimat, penandaan POS (Part-Of-Speech), ekstraksi Fitur Tokenisasi, Chunking, Parsing, dan resolusi Coreference.
Apache Airflow adalah platform manajemen alur kerja sumber terbuka yang dibuat oleh komunitas untuk menulis, menjadwalkan, dan memantau alur kerja secara terprogram. Memasang. Prinsip. Dapat diskalakan. Airflow memiliki arsitektur modular dan menggunakan antrian pesan untuk mengatur sejumlah pekerja. Aliran udara siap untuk ditingkatkan hingga tak terbatas.
Open Neural Network Exchange (ONNX) adalah ekosistem terbuka yang memberdayakan pengembang AI untuk memilih alat yang tepat seiring berkembangnya proyek mereka. ONNX menyediakan format sumber terbuka untuk model AI, baik pembelajaran mendalam maupun ML tradisional. Ini mendefinisikan model grafik komputasi yang dapat diperluas, serta definisi operator bawaan dan tipe data standar.
Apache MXNet adalah kerangka pembelajaran mendalam yang dirancang untuk efisiensi dan fleksibilitas. Hal ini memungkinkan Anda untuk menggabungkan pemrograman simbolik dan imperatif untuk memaksimalkan efisiensi dan produktivitas. Pada intinya, MXNet berisi penjadwal ketergantungan dinamis yang secara otomatis memparalelkan operasi simbolik dan imperatif dengan cepat. Lapisan pengoptimalan grafik di atasnya membuat eksekusi simbolik menjadi cepat dan hemat memori. MXNet bersifat portabel dan ringan, dapat diskalakan secara efektif ke beberapa GPU dan beberapa mesin. Dukungan untuk Python, R, Julia, Scala, Go, Javascript, dan lainnya.
AutoGluon adalah perangkat untuk Pembelajaran mendalam yang mengotomatiskan tugas pembelajaran mesin sehingga Anda dapat dengan mudah mencapai kinerja prediktif yang kuat dalam aplikasi Anda. Hanya dengan beberapa baris kode, Anda dapat melatih dan menerapkan model pembelajaran mendalam dengan akurasi tinggi pada data tabel, gambar, dan teks.
Anaconda adalah platform Ilmu Data yang sangat populer untuk pembelajaran mesin dan pembelajaran mendalam yang memungkinkan pengguna mengembangkan model, melatihnya, dan menerapkannya.
PlaidML adalah kompiler tensor canggih dan portabel untuk mengaktifkan pembelajaran mendalam pada laptop, perangkat tertanam, atau perangkat lain yang perangkat keras komputasinya tidak didukung dengan baik atau tumpukan perangkat lunak yang tersedia berisi batasan lisensi yang tidak menyenangkan.
OpenCV adalah perpustakaan yang sangat optimal dengan fokus pada aplikasi visi komputer waktu nyata. Antarmuka C++, Python, dan Java mendukung Linux, MacOS, Windows, iOS, dan Android.
Scikit-Learn adalah modul Python untuk pembelajaran mesin yang dibangun di atas SciPy, NumPy, dan matplotlib, sehingga memudahkan penerapan implementasi yang kuat dan sederhana dari banyak algoritma pembelajaran mesin populer.
Weka adalah perangkat lunak pembelajaran mesin sumber terbuka yang dapat diakses melalui antarmuka pengguna grafis, aplikasi terminal standar, atau Java API. Ini banyak digunakan untuk pengajaran, penelitian, dan aplikasi industri, berisi banyak alat bawaan untuk tugas pembelajaran mesin standar, dan juga memberikan akses transparan ke kotak peralatan terkenal seperti scikit-learn, R, dan Deeplearning4j.
Caffe adalah kerangka pembelajaran mendalam yang dibuat dengan mempertimbangkan ekspresi, kecepatan, dan modularitas. Ini dikembangkan oleh Berkeley AI Research (BAIR)/The Berkeley Vision and Learning Center (BVLC) dan kontributor komunitas.
Theano adalah pustaka Python yang memungkinkan Anda mendefinisikan, mengoptimalkan, dan mengevaluasi ekspresi matematika yang melibatkan array multidimensi secara efisien termasuk integrasi erat dengan NumPy.
nGraph adalah pustaka C++ open source, compiler dan runtime untuk Deep Learning. nGraph Compiler bertujuan untuk mempercepat pengembangan beban kerja AI menggunakan kerangka pembelajaran mendalam apa pun dan menerapkannya ke berbagai target perangkat keras. Ini memberikan kebebasan, kinerja, dan kemudahan penggunaan bagi pengembang AI.
NVIDIA cuDNN adalah pustaka primitif yang dipercepat GPU untuk jaringan neural dalam. cuDNN menyediakan implementasi yang sangat disesuaikan untuk rutinitas standar seperti konvolusi maju dan mundur, pengumpulan, normalisasi, dan lapisan aktivasi. cuDNN mempercepat framework deep learning yang banyak digunakan, termasuk Caffe2, Chainer, Keras, MATLAB, MxNet, PyTorch, dan TensorFlow.
Huginn adalah sistem yang dihosting sendiri untuk agen bangunan yang melakukan tugas otomatis untuk Anda secara online. Itu dapat membaca web, menonton acara, dan mengambil tindakan atas nama Anda. Agen Huginn membuat dan menggunakan peristiwa, menyebarkannya sepanjang grafik terarah. Anggap saja sebagai versi IFTTT atau Zapier yang dapat diretas di server Anda sendiri.
Netron adalah penampil model jaringan saraf, pembelajaran mendalam, dan pembelajaran mesin. Mendukung ONNX, TensorFlow Lite, Caffe, Keras, Darknet, PaddlePaddle, ncnn, MNN, Core ML, RKNN, MXNet, MindSpore Lite, TNN, Barracuda, Tengine, CNTK, TensorFlow.js, Caffe2 dan UFF.
Dopamin adalah kerangka penelitian untuk pembuatan prototipe cepat algoritma pembelajaran penguatan.
DALI adalah perpustakaan dengan akselerasi GPU yang berisi blok penyusun yang sangat optimal dan mesin eksekusi untuk pemrosesan data guna mempercepat pelatihan pembelajaran mendalam dan aplikasi inferensi.
MindSpore Lite adalah kerangka pelatihan/inferensi pembelajaran mendalam open source baru yang dapat digunakan untuk skenario seluler, edge, dan cloud.
Darknet adalah kerangka jaringan saraf sumber terbuka yang ditulis dalam C dan CUDA. Ini cepat, mudah dipasang, dan mendukung komputasi CPU dan GPU.
PaddlePaddle adalah platform pembelajaran mendalam yang mudah digunakan, efisien, fleksibel, dan terukur, yang awalnya dikembangkan oleh para ilmuwan dan insinyur Baidu dengan tujuan menerapkan pembelajaran mendalam pada banyak produk di Baidu.
GoogleNotebookLM adalah alat AI eksperimental yang menggunakan kekuatan model bahasa yang dipasangkan dengan konten Anda yang ada untuk mendapatkan wawasan penting dengan lebih cepat. Mirip dengan asisten peneliti virtual yang dapat merangkum fakta, menjelaskan ide-ide kompleks, dan bertukar pikiran tentang koneksi baru berdasarkan sumber yang Anda pilih.
Unilm adalah Pra-pelatihan Lintas Tugas, Bahasa, dan Modalitas yang diawasi sendiri dan berskala besar.
Kernel Semantik (SK) adalah SDK ringan yang memungkinkan integrasi AI Model Bahasa Besar (LLM) dengan bahasa pemrograman konvensional. Model pemrograman SK yang dapat diperluas menggabungkan fungsi semantik bahasa alami, fungsi asli kode tradisional, dan memori berbasis embeddings yang membuka potensi baru dan menambah nilai pada aplikasi dengan AI.
Pandas AI adalah pustaka Python yang mengintegrasikan kemampuan kecerdasan buatan generatif ke dalam Pandas, menjadikan kerangka data bersifat komunikatif.
NCNN adalah kerangka inferensi jaringan saraf berkinerja tinggi yang dioptimalkan untuk platform seluler.
MNN adalah kerangka pembelajaran mendalam yang sangat cepat dan ringan, yang telah teruji dalam kasus penggunaan bisnis penting di Alibaba.
MediaPipe dioptimalkan untuk kinerja ujung ke ujung pada beragam platform. Lihat demo Pelajari lebih lanjut ML di perangkat yang rumit, disederhanakan Kami telah mengabstraksi kompleksitas dalam membuat ML di perangkat dapat disesuaikan, siap produksi, dan dapat diakses di seluruh platform.
MegEngine adalah kerangka pembelajaran mendalam yang cepat, terukur, dan ramah pengguna dengan 3 fitur utama: Kerangka kerja terpadu untuk pelatihan dan inferensi.
ML.NET adalah pustaka pembelajaran mesin yang dirancang sebagai platform yang dapat diperluas sehingga Anda dapat menggunakan kerangka kerja ML populer lainnya (TensorFlow, ONNX, Infer.NET, dan lainnya) dan memiliki akses ke lebih banyak skenario pembelajaran mesin, seperti klasifikasi gambar, deteksi objek, dan banyak lagi.
Ludwig adalah kerangka kerja pembelajaran mesin deklaratif yang memudahkan penentuan alur pembelajaran mesin menggunakan sistem konfigurasi berbasis data yang sederhana dan fleksibel.
MMdnn adalah alat yang komprehensif dan lintas kerangka untuk mengonversi, memvisualisasikan, dan mendiagnosis model pembelajaran mendalam (DL). "MM" adalah singkatan dari manajemen model, dan "dnn" adalah akronim dari jaringan saraf dalam. Konversi model antara Caffe, Keras, MXNet, Tensorflow, CNTK, PyTorch Onnx, dan CoreML.
Horovod adalah kerangka pelatihan pembelajaran mendalam terdistribusi untuk TensorFlow, Keras, PyTorch, dan Apache MXNet.
Vaex adalah pustaka Python berkinerja tinggi untuk DataFrame Out-of-Core yang lambat (mirip dengan Pandas), untuk memvisualisasikan dan menjelajahi kumpulan data tabel besar.
GluonTS adalah paket Python untuk pemodelan deret waktu probabilistik, dengan fokus pada model berbasis pembelajaran mendalam, berdasarkan PyTorch dan MXNet.
MindsDB adalah Server ML-SQL yang memungkinkan alur kerja pembelajaran mesin untuk database dan gudang data paling kuat menggunakan SQL.
Jupyter Notebook adalah aplikasi web sumber terbuka yang memungkinkan Anda membuat dan berbagi dokumen yang berisi kode langsung, persamaan, visualisasi, dan teks naratif. Jupyter digunakan secara luas di industri yang melakukan pembersihan dan transformasi data, simulasi numerik, pemodelan statistik, visualisasi data, ilmu data, dan pembelajaran mesin.
Apache Spark adalah mesin analitik terpadu untuk pemrosesan data skala besar. Ini menyediakan API tingkat tinggi dalam Scala, Java, Python, dan R, dan mesin yang dioptimalkan yang mendukung grafik komputasi umum untuk analisis data. Ini juga mendukung serangkaian alat tingkat tinggi termasuk Spark SQL untuk SQL dan DataFrames, MLlib untuk pembelajaran mesin, GraphX untuk pemrosesan grafik, dan Streaming Terstruktur untuk pemrosesan aliran.
Konektor Apache Spark untuk SQL Server dan Azure SQL adalah konektor berkinerja tinggi yang memungkinkan Anda menggunakan data transaksional dalam analisis data besar dan mempertahankan hasil untuk kueri atau pelaporan ad-hoc. Konektor ini memungkinkan Anda menggunakan database SQL apa pun, lokal atau di cloud, sebagai sumber data input atau sink data output untuk pekerjaan Spark.
Apache PredictionIO adalah kerangka pembelajaran mesin sumber terbuka untuk pengembang, ilmuwan data, dan pengguna akhir. Ini mendukung pengumpulan peristiwa, penerapan algoritme, evaluasi, menanyakan hasil prediktif melalui REST API. Hal ini didasarkan pada layanan sumber terbuka yang dapat diskalakan seperti Hadoop, HBase (dan DB lainnya), Elasticsearch, Spark dan mengimplementasikan apa yang disebut Arsitektur Lambda.
Cluster Manager untuk Apache Kafka (CMAK) adalah alat untuk mengelola cluster Apache Kafka.
BigDL adalah perpustakaan pembelajaran mendalam yang didistribusikan untuk Apache Spark. Dengan BigDL, pengguna dapat menulis aplikasi pembelajaran mendalam mereka sebagai program Spark standar, yang dapat langsung dijalankan di atas klaster Spark atau Hadoop yang ada.
Eclipse Deeplearning4J (DL4J) adalah serangkaian proyek yang dimaksudkan untuk mendukung semua kebutuhan aplikasi pembelajaran mendalam berbasis JVM (Scala, Kotlin, Clojure, dan Groovy). Hal ini berarti memulai dengan data mentah, memuat dan memprosesnya terlebih dahulu dari mana saja dan dalam format apa pun, hingga membangun dan menyempurnakan beragam jaringan pembelajaran mendalam yang sederhana dan kompleks.
Tensorman adalah utilitas untuk memudahkan pengelolaan container Tensorflow yang dikembangkan oleh System76. Tensorman memungkinkan Tensorflow beroperasi di lingkungan terisolasi yang terkandung dari seluruh sistem. Lingkungan virtual ini dapat beroperasi secara independen dari sistem dasar, sehingga Anda dapat menggunakan versi Tensorflow apa pun pada versi distribusi Linux apa pun yang mendukung runtime Docker.
Numba adalah kompiler pengoptimalan NumPy-aware open source untuk Python yang disponsori oleh Anaconda, Inc. Numba menggunakan proyek kompiler LLVM untuk menghasilkan kode mesin dari sintaksis Python. Numba dapat mengkompilasi sebagian besar Python yang berfokus pada numerik, termasuk banyak fungsi NumPy. Selain itu, Numba memiliki dukungan untuk paralelisasi loop otomatis, pembuatan kode yang dipercepat GPU, dan pembuatan panggilan balik ufuncs dan C.
Chainer adalah kerangka pembelajaran mendalam berbasis Python yang bertujuan untuk fleksibilitas. Ini menyediakan API diferensiasi otomatis berdasarkan pendekatan definisikan demi proses (grafik komputasi dinamis) serta API tingkat tinggi berorientasi objek untuk membangun dan melatih jaringan saraf. Ini juga mendukung CUDA/cuDNN menggunakan CuPy untuk pelatihan dan inferensi kinerja tinggi.
XGBoost adalah pustaka peningkat gradien terdistribusi yang dioptimalkan dan dirancang agar sangat efisien, fleksibel, dan portabel. Ini mengimplementasikan algoritma pembelajaran mesin di bawah kerangka Gradient Boosting. XGBoost menyediakan peningkatan pohon paralel (juga dikenal sebagai GBDT, GBM) yang memecahkan banyak masalah ilmu data dengan cara yang cepat dan akurat. Ini mendukung pelatihan terdistribusi di beberapa mesin, termasuk klaster AWS, GCE, Azure, dan Yarn. Selain itu, dapat diintegrasikan dengan Flink, Spark, dan sistem aliran data cloud lainnya.
cuML adalah rangkaian perpustakaan yang mengimplementasikan algoritma pembelajaran mesin dan fungsi primitif matematika yang berbagi API yang kompatibel dengan proyek RAPIDS lainnya. cuML memungkinkan ilmuwan data, peneliti, dan insinyur perangkat lunak menjalankan tugas ML tabular tradisional pada GPU tanpa mempelajari detail pemrograman CUDA. Dalam kebanyakan kasus, API Python cuML cocok dengan API dari scikit-learn.
Emu adalah perpustakaan GPGPU untuk Rust dengan fokus pada portabilitas, modularitas, dan kinerja. Ini adalah abstraksi komputasi khusus mirip CUDA melalui WebGPU yang menyediakan fungsionalitas khusus untuk membuat WebGPU terasa lebih seperti CUDA.
Scalene adalah profiler CPU, GPU, dan memori berkinerja tinggi untuk Python yang melakukan sejumlah hal yang tidak dan tidak dapat dilakukan oleh profiler Python lainnya. Ini berjalan jauh lebih cepat daripada banyak profiler lainnya sambil memberikan informasi yang jauh lebih rinci.
MLpack adalah pustaka pembelajaran mesin C++ yang cepat dan fleksibel yang ditulis dalam C++ dan dibangun di atas pustaka aljabar linier Armadillo, pustaka pengoptimalan numerik yang diperkecil, dan bagian dari Boost.
Netron adalah penampil model jaringan saraf, pembelajaran mendalam, dan pembelajaran mesin. Mendukung ONNX, TensorFlow Lite, Caffe, Keras, Darknet, PaddlePaddle, ncnn, MNN, Core ML, RKNN, MXNet, MindSpore Lite, TNN, Barracuda, Tengine, CNTK, TensorFlow.js, Caffe2 dan UFF.
Lightning adalah alat yang membuat dan melatih model PyTorch dan menghubungkannya ke siklus hidup ML menggunakan template Aplikasi Lightning, tanpa menangani infrastruktur DIY, manajemen biaya, penskalaan, dll.
OpenNN adalah perpustakaan jaringan saraf sumber terbuka untuk pembelajaran mesin. Ini berisi algoritma dan utilitas canggih untuk menangani banyak solusi kecerdasan buatan.
H20 adalah platform AI Cloud yang memecahkan masalah bisnis yang kompleks dan mempercepat penemuan ide-ide baru dengan hasil yang dapat Anda pahami dan percayai.
Gensim adalah perpustakaan Python untuk pemodelan topik, pengindeksan dokumen, dan pengambilan kesamaan dengan corpora besar. Target audiensnya adalah komunitas pemrosesan bahasa alami (NLP) dan pengambilan informasi (IR).
llama.cpp adalah Port model LLaMA Facebook di C/C++.
hmmlearn adalah sekumpulan algoritme untuk pembelajaran tanpa pengawasan dan inferensi Model Markov Tersembunyi.
Nextjournal adalah buku catatan untuk penelitian yang dapat direproduksi. Ini menjalankan apa pun yang dapat Anda masukkan ke dalam wadah Docker. Tingkatkan alur kerja Anda dengan buku catatan poliglot, pembuatan versi otomatis, dan kolaborasi waktu nyata. Hemat waktu dan uang dengan penyediaan on-demand, termasuk dukungan GPU.
IPython menyediakan arsitektur yang kaya untuk komputasi interaktif dengan:
Veles adalah platform terdistribusi untuk pengembangan aplikasi pembelajaran mendalam yang cepat yang saat ini dikembangkan oleh Samsung.
DyNet adalah perpustakaan jaringan saraf yang dikembangkan oleh Universitas Carnegie Mellon dan banyak lainnya. Itu ditulis dalam C++ (dengan pengikatan dalam Python) dan dirancang agar efisien ketika dijalankan pada CPU atau GPU, dan untuk bekerja dengan baik dengan jaringan yang memiliki struktur dinamis yang berubah untuk setiap contoh pelatihan. Jaringan semacam ini sangat penting dalam tugas pemrosesan bahasa alami, dan DyNet telah digunakan untuk membangun sistem canggih untuk penguraian sintaksis, terjemahan mesin, infleksi morfologi, dan banyak area aplikasi lainnya.
Ray adalah kerangka kerja terpadu untuk menskalakan aplikasi AI dan Python. Ini terdiri dari runtime inti yang terdistribusi dan toolkit perpustakaan (Ray AIR) untuk mempercepat beban kerja ML.
Whisper.cpp adalah inferensi performa tinggi dari model pengenalan ucapan otomatis (ASR) Whisper OpenAI.
ChatGPT Plus adalah paket berlangganan percontohan ( $20/bulan ) untuk ChatGPT, AI percakapan yang dapat mengobrol dengan Anda, menjawab pertanyaan lanjutan, dan menantang asumsi yang salah.
Auto-GPT adalah "agen AI" yang memiliki tujuan dalam bahasa alami, dapat berupaya mencapainya dengan memecahnya menjadi beberapa subtugas dan menggunakan internet serta alat lainnya dalam putaran otomatis. Aplikasi ini menggunakan API GPT-4 atau GPT-3.5 OpenAI, dan merupakan salah satu contoh pertama aplikasi yang menggunakan GPT-4 untuk melakukan tugas otonom.
Chatbot UI oleh mckaywrigley adalah kit chatbot tingkat lanjut untuk model obrolan OpenAI yang dibangun di atas Chatbot UI Lite menggunakan Next.js, TypeScript, dan Tailwind CSS. Versi ChatBot UI ini mendukung model GPT-3.5 dan GPT-4. Percakapan disimpan secara lokal di dalam browser Anda. Anda dapat mengekspor dan mengimpor percakapan untuk melindungi dari kehilangan data. Lihat demonya.
Chatbot UI Lite oleh mckaywrigley adalah starter kit chatbot sederhana untuk model obrolan OpenAI menggunakan Next.js, TypeScript, dan Tailwind CSS. Lihat demonya.
MiniGPT-4 adalah Peningkatan Pemahaman Bahasa Vision dengan Model Bahasa Besar Tingkat Lanjut.
GPT4All adalah ekosistem chatbot sumber terbuka yang dilatih tentang kumpulan besar data asisten yang bersih termasuk kode, cerita, dan dialog berdasarkan LLaMa.
GPT4All UI adalah aplikasi web Flask yang menyediakan UI chat untuk berinteraksi dengan chatbot GPT4All.
Alpaca.cpp adalah model mirip ChatGPT yang cepat secara lokal di perangkat Anda. Ini menggabungkan model dasar LLaMA dengan reproduksi terbuka Stanford Alpaca, penyempurnaan model dasar untuk mematuhi instruksi (mirip dengan RLHF yang digunakan untuk melatih ChatGPT) dan serangkaian modifikasi pada llama.cpp untuk menambahkan antarmuka obrolan.
llama.cpp adalah Port model LLaMA Facebook di C/C++.
OpenPlayground adalah tempat bermain untuk menjalankan model mirip ChatGPT secara lokal di perangkat Anda.
Vicuna adalah chatbot sumber terbuka yang dilatih dengan menyempurnakan LLaMA. Tampaknya mencapai lebih dari 90% kualitas chatgpt dan biaya pelatihan $300.
Yeagar ai adalah pembuat Agen Langchain yang dirancang untuk membantu Anda membangun, membuat prototipe, dan menerapkan agen bertenaga AI dengan mudah.
Vicuna dibuat dengan menyempurnakan model dasar LLaMA menggunakan sekitar 70 ribu percakapan bersama pengguna yang dikumpulkan dari ShareGPT.com dengan API publik. Untuk memastikan kualitas data, ini mengubah HTML kembali ke penurunan harga dan memfilter beberapa sampel yang tidak pantas atau berkualitas rendah.
ShareGPT adalah tempat untuk berbagi percakapan ChatGPT terliar Anda dengan satu klik. Dengan 198.404 percakapan yang dibagikan sejauh ini.
FastChat adalah platform terbuka untuk melatih, melayani, dan mengevaluasi chatbot berbasis model bahasa besar.
Haystack adalah kerangka kerja NLP sumber terbuka untuk berinteraksi dengan data Anda menggunakan model Transformer dan LLM (GPT-4, ChatGPT, dan sejenisnya). Ini menawarkan alat siap produksi untuk dengan cepat membangun pengambilan keputusan yang kompleks, menjawab pertanyaan, pencarian semantik, aplikasi pembuatan teks, dan banyak lagi.
StableLM (Stability AI Language Models) adalah rangkaian model bahasa StableLM dan akan terus diperbarui dengan pos pemeriksaan baru.
Dolly Databricks adalah model bahasa besar yang mengikuti instruksi yang dilatih pada platform pembelajaran mesin Databricks yang dilisensikan untuk penggunaan komersial.
GPTCach adalah Perpustakaan untuk Membuat Cache Semantik untuk Kueri LLM.
AlaC adalah Generator Infrastruktur sebagai Kode Kecerdasan Buatan.
Adrenalin adalah alat yang memungkinkan Anda berbicara dengan basis kode Anda. Ini didukung oleh analisis statis, pencarian vektor, dan model bahasa besar.
OpenAssistant adalah asisten berbasis obrolan yang memahami tugas, dapat berinteraksi dengan sistem pihak ketiga, dan mengambil informasi secara dinamis untuk melakukannya.
DoctorGPT adalah biner mandiri ringan yang memantau log aplikasi Anda untuk mencari masalah dan mendiagnosisnya.
HttpGPT adalah plugin Unreal Engine 5 yang memfasilitasi integrasi dengan layanan berbasis GPT OpenAI (ChatGPT dan DALL-E) melalui permintaan REST asinkron, sehingga memudahkan pengembang untuk berkomunikasi dengan layanan ini. Ini juga mencakup Alat Editor untuk mengintegrasikan pembuatan gambar Chat GPT dan DALL-E langsung di Mesin.
PaLM 2 adalah model bahasa besar generasi berikutnya yang dibangun berdasarkan penelitian terobosan Google dalam pembelajaran mesin dan AI yang bertanggung jawab. Ini mencakup tugas penalaran tingkat lanjut, termasuk kode dan matematika, klasifikasi dan menjawab pertanyaan, terjemahan dan kemahiran multibahasa, dan pembuatan bahasa alami yang lebih baik daripada LLM kami yang canggih sebelumnya.
Med-PaLM adalah model bahasa besar (LLM) yang dirancang untuk memberikan jawaban berkualitas tinggi atas pertanyaan medis. Hal ini memanfaatkan kekuatan model bahasa besar Google, yang telah kami selaraskan dengan domain medis melalui serangkaian demonstrasi pakar medis yang dikurasi dengan cermat.
Sec-PaLM adalah model bahasa besar (LLM), yang mempercepat kemampuan untuk membantu orang-orang yang bertanggung jawab menjaga keamanan organisasi mereka. Model-model baru ini tidak hanya memberi masyarakat cara yang lebih alami dan kreatif untuk memahami dan mengelola keamanan.
Kembali ke Atas
Kembali ke Atas
Kembali ke Atas
LocalAI adalah API lokal yang kompatibel dengan OpenAI yang dihosting sendiri, berbasis komunitas. Penggantian drop-in untuk OpenAi menjalankan LLMS pada perangkat keras kelas konsumen tanpa diperlukan GPU. Ini adalah API untuk menjalankan model yang kompatibel dengan GGML: llama, gpt4all, rwkv, wisper, vicuna, koala, gpt4all-j, cerebras, falcon, dolly, starcoder, dan banyak lainnya.
llama.cpp adalah port model Llama Facebook di C/C ++.
Ollama adalah alat untuk bangun dan berjalan dengan Llama 2 dan model bahasa besar lainnya secara lokal.
Localai adalah API Openai-Compatible yang disembunyikan oleh masyarakat, yang digerakkan oleh masyarakat. Penggantian drop-in untuk OpenAi menjalankan LLMS pada perangkat keras kelas konsumen tanpa diperlukan GPU. Ini adalah API untuk menjalankan model yang kompatibel dengan GGML: llama, gpt4all, rwkv, wisper, vicuna, koala, gpt4all-j, cerebras, falcon, dolly, starcoder, dan banyak lainnya.
Serge adalah antarmuka web untuk mengobrol dengan Alpaca melalui llama.cpp. Sepenuhnya diselenggarakan sendiri & berlabuh, dengan API yang mudah digunakan.
OpenLLM adalah platform terbuka untuk mengoperasikan model bahasa besar (LLM) dalam produksi. Menyaring, melayani, menggunakan, dan memantau LLM dengan mudah.
Llama-GPT adalah chatbot yang diselenggarakan sendiri, offline, seperti chatgpt. Didukung oleh Llama 2. 100% Pribadi, tanpa data meninggalkan perangkat Anda.
LLAMA2 WEBUI adalah alat untuk menjalankan Llama 2 secara lokal dengan Gradio UI di GPU atau CPU dari mana saja (Linux/Windows/Mac). Gunakan llama2-wrapper sebagai backend llama2 lokal Anda untuk agen/aplikasi generatif.
LLAMA2.C adalah alat untuk melatih arsitektur LLAMA 2 LLM di Pytorch kemudian menyimpulkannya dengan satu file C 700 baris sederhana (Run.c).
Alpaca.cpp adalah model chatgpt yang cepat secara lokal di perangkat Anda. Ini menggabungkan model Llama Foundation dengan reproduksi terbuka Stanford Alpaca, penyesuaian model dasar untuk mematuhi instruksi (mirip dengan RLHF yang digunakan untuk melatih chatgpt) dan serangkaian modifikasi ke llama.cpp untuk menambahkan antarmuka obrolan.
GPT4ALL adalah ekosistem chatbots open-source yang dilatih pada koleksi besar data asisten bersih termasuk kode, cerita, dan dialog berdasarkan Llama.
Minigpt-4 adalah pemahaman penglihatan-penglihatan yang meningkatkan dengan model bahasa besar canggih
Lollms WebUi adalah hub untuk model LLM (model bahasa besar). Ini bertujuan untuk menyediakan antarmuka yang ramah pengguna untuk mengakses dan memanfaatkan berbagai model LLM untuk berbagai tugas. Apakah Anda memerlukan bantuan dalam menulis, mengkode, mengatur data, menghasilkan gambar, atau mencari jawaban atas pertanyaan Anda.
LM Studio adalah alat untuk menemukan, mengunduh, dan menjalankan LLM lokal.
Gradio Web UI adalah alat untuk model bahasa besar. Mendukung Transformers, GPTQ, Llama.cpp (GGML/GGUF), model Llama.
Openplayground adalah playfround untuk menjalankan model chatgpt seperti secara lokal di perangkat Anda.
Vicuna adalah chatbot open source yang dilatih oleh fine tuning llama. Tampaknya mencapai lebih dari 90% kualitas chatgpt dan biaya $ 300 untuk berlatih.
Yeargar AI adalah pencipta agen Langchain yang dirancang untuk membantu Anda membangun, membuat prototipe, dan menggunakan agen bertenaga AI dengan mudah.
KoboldCPP adalah perangkat lunak generasi teks AI yang mudah digunakan untuk model GGML. Ini adalah satu -satunya yang dapat didistribusikan sendiri dari kebetulan, yang membangun llama.cpp, dan menambahkan titik akhir API kobold serbaguna, dukungan format tambahan, kompatibilitas ke belakang, serta UI mewah dengan cerita yang persisten, alat pengeditan, format simpan, memori, dunia Info, catatan penulis, karakter, dan skenario.
Kembali ke Atas
Fuzzy Logic adalah pendekatan heuristik yang memungkinkan pemrosesan pohon keputusan yang lebih maju dan integrasi yang lebih baik dengan pemrograman berbasis aturan.
Arsitektur sistem logika fuzzy. Sumber: ResearchGate
Dukungan Vector Machine (SVM) adalah model pembelajaran mesin yang diawasi yang menggunakan algoritma klasifikasi untuk masalah klasifikasi dua kelompok.
Dukungan Mesin Vektor (SVM). Sumber: OpenClipart
Jaringan saraf adalah subset dari pembelajaran mesin dan merupakan jantung dari algoritma pembelajaran yang mendalam. Nama/struktur diilhami oleh otak manusia yang menyalin proses bahwa neuron biologis/node memberi sinyal satu sama lain.
Jaringan saraf yang dalam. Sumber: IBM
Convolutional Neural Networks (R-CNN) adalah algoritma deteksi objek yang pertama kali segmen gambar untuk menemukan kotak pembatas yang relevan potensial dan kemudian menjalankan algoritma deteksi untuk menemukan objek yang paling mungkin di dalam kotak pembatas tersebut.
Jaringan saraf konvolusional. Sumber: CS231N
Recurrent Neural Networks (RNNS) adalah jenis jaringan saraf buatan yang menggunakan data berurutan atau data deret waktu.
Jaringan saraf berulang. Sumber: SlideTeam
Perceptrons multilayer (MLP) adalah jaringan saraf multi-lapisan yang terdiri dari beberapa lapisan perceptron dengan aktivasi ambang batas.
Perceptrons multilayer. Sumber: Deepai
Random Forest adalah algoritma pembelajaran mesin yang biasa digunakan, yang menggabungkan output dari beberapa pohon keputusan untuk mencapai satu hasil. Pohon keputusan di hutan tidak dapat dipangkas untuk pengambilan sampel dan oleh karena itu, pemilihan prediksi. Kemudahan penggunaan dan fleksibilitasnya telah memicu adopsi, karena menangani masalah klasifikasi dan regresi.
Hutan acak. Sumber: wikimedia
Pohon keputusan adalah model terstruktur pohon untuk klasifikasi dan regresi.
** Pohon Keputusan. Sumber: CMU
Naive Bayes adalah algoritma pembelajaran mesin yang digunakan masalah calssification yang diselesaikan. Ini didasarkan pada penerapan teorema Bayes dengan asumsi kemandirian yang kuat antara fitur.
Teorema Bayes. Sumber: Mathisfun
Kembali ke Atas
Pytorch adalah kerangka pembelajaran mendalam sumber terbuka yang mempercepat jalan dari penelitian ke produksi, digunakan untuk aplikasi seperti visi komputer dan pemrosesan bahasa alami. Pytorch dikembangkan oleh Lab Penelitian AI Facebook.
Memulai dengan Pytorch
Dokumentasi Pytorch
Forum Diskusi Pytorch
Kursus Pytorch Top Online | Kursus
Kursus Pytorch Top Online | Udemy
Pelajari Pytorch dengan kursus dan kelas online | edX
Fundamental Pytorch - Pelajari | Microsoft Docs
Intro ke Deep Learning dengan Pytorch | kota Uda
Pengembangan Pytorch dalam kode studio visual
Pytorch on Azure - Pembelajaran mendalam dengan Pytorch | Microsoft Azure
Pytorch - Azure Databricks | Microsoft Docs
Pembelajaran mendalam dengan Pytorch | Layanan Web Amazon (AWS)
Memulai dengan Pytorch di Google Cloud
Pytorch Mobile adalah alur kerja ML ujung ke ujung dari pelatihan hingga penyebaran untuk perangkat seluler iOS dan Android.
Torchscript adalah cara untuk membuat model yang dapat di -serial dan dapat dioptimalkan dari kode Pytorch. Ini memungkinkan program Torchscript apa pun disimpan dari proses Python dan dimuat dalam proses di mana tidak ada ketergantungan Python.
Torchserve adalah alat yang fleksibel dan mudah digunakan untuk menyajikan model Pytorch.
Keras adalah API jaringan saraf tingkat tinggi, yang ditulis dalam Python dan mampu berjalan di atas TensorFlow, CNTK, atau Theano.it dikembangkan dengan fokus pada memungkinkan eksperimen cepat. Ini mampu berjalan di atas TensorFlow, Microsoft Cognitive Toolkit, R, Theano, atau PlaidML.
Onnx Runtime adalah cross-platform, inferencing ml berkinerja tinggi dan akselerator pelatihan. Ini mendukung model dari kerangka pembelajaran yang mendalam seperti Pytorch dan TensorFlow/keras serta pustaka pembelajaran mesin klasik seperti Scikit-Learn, LightGBM, XGBoost, dll.
Kornia adalah perpustakaan visi komputer yang dapat dibedakan yang terdiri dari serangkaian rutinitas dan modul yang dapat dibedakan untuk menyelesaikan masalah CV (visi komputer) generik.
Pytorch-NLP adalah perpustakaan untuk pemrosesan bahasa alami (NLP) di Python. Ini dibangun dengan penelitian terbaru dalam pikiran, dan dirancang sejak hari pertama untuk mendukung prototipe cepat. Pytorch-NLP hadir dengan embeddings pra-terlatih, sampler, dataset loader, metrik, modul jaringan saraf dan encoder teks.
Ignite adalah perpustakaan tingkat tinggi untuk membantu pelatihan dan mengevaluasi jaringan saraf di Pytorch secara fleksibel dan transparan.
Hummingbird adalah perpustakaan untuk menyusun model ML tradisional yang terlatih menjadi perhitungan tensor. Ini memungkinkan pengguna untuk memanfaatkan kerangka kerja jaringan saraf yang mulus (seperti Pytorch) untuk mempercepat model ML tradisional.
Deep Graph Library (DGL) adalah paket Python yang dibangun untuk implementasi mudah dari keluarga model Neural Network, di atas Pytorch dan kerangka kerja lainnya.
Tensorly adalah API tingkat tinggi untuk metode tensor dan jaringan saraf yang tarik dalam di Python yang bertujuan untuk membuat pembelajaran tensor menjadi sederhana.
GPYTORCH adalah perpustakaan proses Gaussian yang diimplementasikan menggunakan Pytorch, yang dirancang untuk membuat model proses Gaussian yang dapat diskalakan dan fleksibel.
Poutyne adalah kerangka kerja seperti keras untuk Pytorch dan menangani banyak kode boilerplating yang diperlukan untuk melatih jaringan saraf.
Forte adalah toolkit untuk membangun jaringan pipa NLP yang menampilkan komponen yang dapat dikomposisi, antarmuka data yang nyaman, dan interaksi lintas tugas.
Torchmetrics adalah metrik pembelajaran mesin untuk aplikasi Pytorch yang didistribusikan dan dapat diskalakan.
Captum adalah source open, perpustakaan yang dapat diperluas untuk interpretabilitas model yang dibangun di Pytorch.
Transformer adalah pemrosesan bahasa alami yang canggih untuk Pytorch, TensorFlow, dan Jax.
Hydra adalah kerangka kerja untuk mengkonfigurasi aplikasi yang kompleks secara elegan.
Accelerate adalah cara sederhana untuk melatih dan menggunakan model Pytorch dengan multi-GPU, TPU, presisi campuran.
Ray adalah kerangka kerja yang cepat dan sederhana untuk membangun dan menjalankan aplikasi terdistribusi.
Parlai adalah platform terpadu untuk berbagi, melatih, dan mengevaluasi model dialog di banyak tugas.
Pytorchvideo adalah perpustakaan pembelajaran yang mendalam untuk penelitian pemahaman video. Host berbagai model yang berfokus pada video, dataset, pipa pelatihan dan banyak lagi.
Opacus adalah perpustakaan yang memungkinkan pelatihan model Pytorch dengan privasi diferensial.
Pytorch Lightning adalah perpustakaan ML seperti keras untuk Pytorch. Ini meninggalkan pelatihan inti dan logika validasi untuk Anda dan mengotomatiskan sisanya.
Pytorch Geometric Temporal adalah perpustakaan ekstensi temporal (dinamis) untuk Pytorch Geometric.
Pytorch Geometric adalah perpustakaan untuk pembelajaran yang mendalam pada data input yang tidak teratur seperti grafik, awan titik, dan manifold.
Raster Vision adalah kerangka kerja open source untuk pembelajaran yang mendalam pada citra satelit dan udara.
Crypten adalah kerangka kerja untuk pelestarian privasi ML. Tujuannya adalah untuk membuat teknik komputasi yang aman dapat diakses oleh praktisi ML.
Optuna adalah kerangka optimasi hyperparameter open source untuk mengotomatisasi pencarian hiperparameter.
Pyro adalah bahasa pemrograman probabilistik universal (PPL) yang ditulis dalam Python dan didukung oleh Pytorch di backend.
Albumentation adalah perpustakaan augmentasi gambar yang cepat dan dapat diperluas untuk berbagai tugas CV seperti klasifikasi, segmentasi, deteksi objek dan estimasi pose.
Skorch adalah perpustakaan tingkat tinggi untuk Pytorch yang menyediakan kompatibilitas scikit-learn penuh.
MMF adalah kerangka kerja modular untuk penelitian multimodal visi & bahasa dari Facebook AI Research (Fair).
AdaptDL adalah pelatihan pembelajaran mendalam dan adaptif sumber daya dan kerangka penjadwalan.
Polyaxon adalah platform untuk membangun, melatih, dan memantau aplikasi pembelajaran mendalam skala besar.
TextBrewer adalah toolkit distilasi pengetahuan berbasis pytorch untuk pemrosesan bahasa alami
Advertorch adalah kotak alat untuk penelitian ketahanan permusuhan. Ini berisi modul untuk menghasilkan contoh -contoh permusuhan dan bertahan melawan serangan.
Nemo adalah AA Toolkit untuk percakapan AI.
Clinicadl adalah kerangka kerja untuk klasifikasi penyakit Alzheimer yang dapat direproduksi
Stable Baselines3 (SB3) adalah seperangkat implementasi algoritma pembelajaran penguatan yang andal di Pytorch.
Torchio adalah seperangkat alat untuk membaca secara efisien, preprocess, sampel, augment, dan menulis gambar medis 3D dalam aplikasi pembelajaran mendalam yang ditulis dalam Pytorch.
Pysyft adalah perpustakaan Python untuk privasi yang dienkripsi dan privasi.
Flair adalah kerangka kerja yang sangat sederhana untuk pemrosesan bahasa alami yang canggih (NLP).
Glow adalah kompiler ML yang mempercepat kinerja kerangka pembelajaran yang mendalam pada platform perangkat keras yang berbeda.
FairScale adalah perpustakaan ekstensi Pytorch untuk pelatihan kinerja tinggi dan skala besar pada satu atau beberapa mesin/node.
Monai adalah kerangka kerja pembelajaran yang mendalam yang menyediakan kemampuan dasar yang dioptimalkan secara domain untuk mengembangkan alur kerja pelatihan pencitraan kesehatan.
PFRL adalah perpustakaan pembelajaran penguatan yang mendalam yang mengimplementasikan berbagai algoritma penguatan mendalam yang canggih di Python menggunakan Pytorch.
Einops adalah operasi tensor yang fleksibel dan kuat untuk kode yang dapat dibaca dan andal.
PyTorch3D adalah perpustakaan pembelajaran mendalam yang menyediakan komponen yang efisien dan dapat digunakan kembali untuk penelitian visi komputer 3D dengan Pytorch.
Ensemble Pytorch adalah kerangka kerja ensemble terpadu untuk Pytorch untuk meningkatkan kinerja dan ketahanan model pembelajaran mendalam Anda.
Lightly adalah kerangka kerja visi komputer untuk pembelajaran yang di-swadaya.
Tinggi adalah perpustakaan yang memfasilitasi implementasi algoritma belajar meta berbasis gradien yang rumit dan loop optimasi bersarang dengan pytorch dekat-vanilla.
Horovod adalah perpustakaan pelatihan terdistribusi untuk kerangka pembelajaran yang mendalam. Horovod bertujuan untuk membuat DL terdistribusi dengan cepat dan mudah digunakan.
Pennylane adalah perpustakaan untuk kuantum ML, diferensiasi otomatis, dan optimalisasi perhitungan kuantum hibrida.
Detectron2 adalah platform generasi berikutnya yang adil untuk deteksi dan segmentasi objek.
Fastai adalah perpustakaan yang menyederhanakan pelatihan jaring saraf yang cepat dan akurat menggunakan praktik terbaik modern.
Kembali ke Atas
TensorFlow adalah platform sumber terbuka menyeluruh untuk pembelajaran mesin. Ini memiliki ekosistem alat, perpustakaan, dan sumber daya masyarakat yang komprehensif dan fleksibel yang memungkinkan para peneliti mendorong ML yang canggih di ML dan pengembang dengan mudah membangun dan menggunakan aplikasi yang bertenaga ML.
Memulai dengan TensorFlow
Tutorial TensorFlow
Sertifikat Pengembang TensorFlow | Aliran Tensor
Komunitas TensorFlow
Model & Dataset TensorFlow
Tensorflow Cloud
Pendidikan Pembelajaran Mesin | Aliran Tensor
Kursus TensorFlow Top Online | Kursus
Kursus TensorFlow Top Online | Udemy
Pembelajaran mendalam dengan TensorFlow | Udemy
Pembelajaran mendalam dengan TensorFlow | edX
Intro ke TensorFlow untuk Pembelajaran Deep | kota Uda
Intro to TensorFlow: Kursus Kecelakaan Pembelajaran Mesin | Pengembang Google
Latih dan sebarkan model TensorFlow - Azure Machine Learning
Terapkan model pembelajaran mesin dalam fungsi Azure dengan Python dan TensorFlow | Microsoft Azure
Pembelajaran mendalam dengan TensorFlow | Layanan Web Amazon (AWS)
TensorFlow - Amazon Emr | Dokumentasi AWS
TensorFlow Enterprise | Google Awan
TensorFlow Lite adalah kerangka pembelajaran mendalam sumber terbuka untuk menggunakan model pembelajaran mesin pada perangkat seluler dan IoT.
TensorFlow.js adalah perpustakaan JavaScript yang memungkinkan Anda mengembangkan atau menjalankan model ML dalam JavaScript, dan menggunakan ML langsung di sisi klien browser, sisi server melalui Node.js, asli seluler melalui React Native, desktop asli via elektron, dan bahkan di IoT Perangkat melalui Node.js di Raspberry Pi.
TensorFlow_Macos adalah versi yang dioptimalkan Mac dari TensorFlow dan TensorFlow Addons untuk MacOS 11.0+ yang dipercepat menggunakan kerangka komputasi ML Apple.
Google Colaboratory adalah lingkungan notebook Jupyter gratis yang tidak memerlukan pengaturan dan berjalan sepenuhnya di cloud, memungkinkan Anda untuk menjalankan kode TensorFlow di browser Anda dengan satu klik.
Alat What-IF adalah alat untuk menyelidik model pembelajaran mesin bebas kode, berguna untuk pemahaman model, debugging, dan keadilan. Tersedia di Tensorboard dan Jupyter atau Colab Notebooks.
Tensorboard adalah serangkaian alat visualisasi untuk memahami, men -debug, dan mengoptimalkan program TensorFlow.
Keras adalah API jaringan saraf tingkat tinggi, yang ditulis dalam Python dan mampu berjalan di atas TensorFlow, CNTK, atau Theano.it dikembangkan dengan fokus pada memungkinkan eksperimen cepat. Ini mampu berjalan di atas TensorFlow, Microsoft Cognitive Toolkit, R, Theano, atau PlaidML.
XLA (aljabar linier yang dipercepat) adalah kompiler khusus domain untuk aljabar linier yang mengoptimalkan perhitungan tensorflow. Hasilnya adalah peningkatan kecepatan, penggunaan memori, dan portabilitas pada server dan platform seluler.
ML Perf adalah rangkaian benchmark ML yang luas untuk mengukur kinerja kerangka kerja perangkat lunak ML, akselerator perangkat keras ML, dan platform cloud ML.
TensorFlow Playground adalah lingkungan pengembangan untuk bermain -main dengan jaringan saraf di browser Anda.
TPU Research Cloud (TRC) adalah program memungkinkan para peneliti untuk mengajukan akses ke sekelompok lebih dari 1.000 TPU cloud tanpa biaya untuk membantu mereka mempercepat gelombang terobosan penelitian berikutnya.
MLIR adalah representasi perantara baru dan kerangka kerja kompiler.
Lattice adalah perpustakaan untuk solusi ML yang fleksibel, terkontrol, dan dapat ditafsirkan dengan batasan bentuk yang masuk akal.
TensorFlow Hub adalah perpustakaan untuk pembelajaran mesin yang dapat digunakan kembali. Unduh dan gunakan kembali model terlatih terbaru dengan jumlah kode minimal.
TensorFlow Cloud adalah perpustakaan untuk menghubungkan lingkungan lokal Anda ke Google Cloud.
TensorFlow Model Optimization Toolkit adalah serangkaian alat untuk mengoptimalkan model ML untuk penyebaran dan eksekusi.
Rekomendasi TensorFlow adalah perpustakaan untuk membangun model sistem rekomendasi.
TensorFlow Text adalah kumpulan kelas dan OPS terkait teks dan NLP yang siap digunakan dengan TensorFlow 2.
TensorFlow Graphics adalah perpustakaan fungsionalitas grafis komputer mulai dari kamera, lampu, dan bahan hingga renderer.
TensorFlow Federated adalah kerangka kerja open source untuk pembelajaran mesin dan perhitungan lain pada data desentralisasi.
Probabilitas TensorFlow adalah perpustakaan untuk penalaran probabilistik dan analisis statistik.
Tensor2Tensor adalah perpustakaan model pembelajaran mendalam dan kumpulan data yang dirancang untuk membuat pembelajaran mendalam lebih mudah diakses dan mempercepat penelitian ML.
TensorFlow Privacy adalah perpustakaan Python yang mencakup implementasi pengoptimal TensorFlow untuk pelatihan model pembelajaran mesin dengan privasi diferensial.
TensorFlow Ranking adalah teknik Library for Learning-to-Rank (LTR) di platform TensorFlow.
Agen TensorFlow adalah perpustakaan untuk pembelajaran penguatan di TensorFlow.
TensorFlow Addons adalah repositori kontribusi yang sesuai dengan pola API yang mapan, tetapi mengimplementasikan fungsionalitas baru yang tidak tersedia di inti TensorFlow, dikelola oleh SIG Addons. TensorFlow secara asli mendukung sejumlah besar operator, lapisan, metrik, kerugian, dan pengoptimal.
TensorFlow I/O adalah dataset, streaming, dan ekstensi sistem file, dikelola oleh SIG IO.
TensorFlow Quantum adalah pustaka pembelajaran mesin kuantum untuk prototipe cepat model ML kuantum-klasik hibrida.
Dopamin adalah kerangka kerja penelitian untuk prototipe cepat algoritma pembelajaran penguatan.
TRFL adalah perpustakaan untuk penguatan blok bangunan pembelajaran yang dibuat oleh DeepMind.
Mesh TensorFlow adalah bahasa untuk pembelajaran mendalam yang didistribusikan, mampu menentukan kelas luas perhitungan tensor terdistribusi.
RaggedTensors adalah API yang membuatnya mudah untuk menyimpan dan memanipulasi data dengan bentuk yang tidak seragam, termasuk teks (kata, kalimat, karakter), dan batch dengan panjang variabel.
Unicode Ops adalah API yang mendukung bekerja dengan teks Unicode secara langsung di TensorFlow.
Magenta adalah proyek penelitian yang mengeksplorasi peran pembelajaran mesin dalam proses penciptaan seni dan musik.
Nucleus adalah perpustakaan kode Python dan C ++ yang dirancang untuk memudahkan untuk membaca, menulis, dan menganalisis data dalam format file genomik umum seperti SAM dan VCF.
Sonnet adalah perpustakaan dari DeepMind untuk membangun jaringan saraf.
Pembelajaran saraf terstruktur adalah kerangka pembelajaran untuk melatih jaringan saraf dengan memanfaatkan sinyal terstruktur selain input fitur.
Remediasi model adalah perpustakaan untuk membantu membuat dan melatih model dengan cara yang mengurangi atau menghilangkan kerusakan pengguna yang dihasilkan dari bias kinerja yang mendasarinya.
Indikator keadilan adalah perpustakaan yang memungkinkan perhitungan mudah dari metrik keadilan yang umum diidentifikasi untuk pengklasifikasi biner dan multiclass.
Decision Forests adalah algoritma canggih untuk pelatihan, melayani dan menafsirkan model yang menggunakan hutan keputusan untuk klasifikasi, regresi, dan peringkat.
Kembali ke Atas
Core ML adalah kerangka kerja Apple untuk mengintegrasikan model pembelajaran mesin ke dalam aplikasi yang berjalan di perangkat Apple (termasuk iOS, watchOS, macOS, dan TVOS). Core ML memperkenalkan format file publik (.mlmodel) untuk serangkaian metode ML yang luas termasuk jaringan saraf dalam (baik konvolusional dan berulang), ansambel pohon dengan peningkatan, dan model linier umum. Model dalam format ini dapat secara langsung diintegrasikan ke dalam aplikasi melalui Xcode.
Pengantar Core ML
Mengintegrasikan model ML inti ke dalam aplikasi Anda
Model inti ML
Referensi API Inti ML
Spesifikasi Inti ML
Forum Pengembang Apple untuk Inti ML
Kursus ML Inti Top Online | Udemy
Kursus ML Inti Top Online | Kursus
Layanan IBM Watson untuk Core ML | IBM
Hasilkan Aset ML Inti Menggunakan IBM Maximo Visual Inspection | IBM
Core ML Tools adalah proyek yang berisi alat pendukung untuk konversi model Core ML, pengeditan, dan validasi.
Buat ML adalah alat yang menyediakan cara baru untuk melatih model pembelajaran mesin di Mac Anda. Dibutuhkan kompleksitas dari pelatihan model sambil memproduksi model ML inti yang kuat.
Tensorflow_macos adalah versi Tensorfl yang dioptimalkan Mac
