機械学習ガイド

その他のソースコード

1.0.0

ダウンロード

機械学習ガイド

機械学習の開発をより良く効率的に行うためのアプリケーション、ライブラリ、ツールを含む、機械学習について説明したガイド。

注: この便利な拡張機能 Markdown PDF を使用すると、VSCode でこのマークダウンファイルを PDF に簡単に変換できます。

機械学習/深層学習フレームワーク。

ML の学習リソース
- 開発者リソース
- コースと認定資格
- 本
- YouTube チュートリアル
ML フレームワーク、ライブラリ、ツール
- LLM トレーニングフレームワーク
- LLM を展開するためのツール
- 大規模言語モデル (LLM) をローカルで実行する
アルゴリズム
PyTorch 開発
TensorFlow の開発
コア ML 開発
ディープラーニング開発
強化学習の開発
コンピュータビジョン開発
自然言語処理 (NLP) の開発
バイオインフォマティクス
CUDA開発
MATLAB 開発
C/C++開発
Java開発
Python 開発
スカラ開発
R開発
ジュリア開発

ML の学習リソース

トップに戻る

機械学習は人工知能 (AI) の一分野で、データモデルから学習し、プログラムすることなく時間の経過とともに精度を向上させるアルゴリズムを使用してアプリを構築することに重点を置いています。

開発者リソース

トップに戻る

Microsoft による自然言語処理 (NLP) のベストプラクティス
Microsoft による自動運転クックブック
Azure Machine Learning - サービスとしての ML |マイクロソフトアジュール
Azure Machine Learning ワークスペースで Jupyter Notebook を実行する方法
機械学習と人工知能 |アマゾンウェブサービス
Amazon SageMaker 一時インスタンスでの Jupyter ノートブックのスケジュール設定
AI と機械学習 |グーグルクラウド
Google Cloud 上の Apache Spark での Jupyter Notebook の使用
機械学習 |アップル開発者
人工知能と自動操縦 |テスラ
メタ AI ツール |フェイスブック
PyTorch チュートリアル
TensorFlow チュートリアル
ジュピターラボ
Apple Silicon上のCore MLによる安定した拡散

コースと認定資格

トップに戻る

スタンフォード大学による機械学習 by Andrew Ng |コーセラ
AWS の機械学習 (ML) コースのトレーニングと認定
Microsoft Azure 向け機械学習奨学金プログラム |ユダシティ
Microsoft 認定: Azure データサイエンティストアソシエイト
Microsoft 認定: Azure AI エンジニアアソシエイト
Azure Machine Learning のトレーニングとデプロイ
Google Cloud トレーニングによる機械学習と人工知能の学習
Google Cloud の機械学習短期集中コース
オンラインの機械学習コース | Udemy
オンラインの機械学習コース |コーセラ
オンラインコースとクラスで機械学習を学ぶ | edX

本

トップに戻る

機械学習の概要 (PDF)
『人工知能: 現代的なアプローチ』スチュアート・J・ラッセルとピーター・ノーヴィグ著
深層学習 (Ian Goodfellow、Yoshoua Bengio、Aaron Courville 著)
Andriy Burkov 著の 100 ページの機械学習の本
- GitHub 上の 100 ページの機械学習ブック
機械学習 by Tom M. Mitchell
集合知のプログラミング: スマート Web 2.0 アプリケーションの構築 (Toby Segaran 著)
機械学習: アルゴリズムの観点、第 2 版
パターン認識と機械学習 by Christopher M. Bishop
Python による自然言語処理 (Steven Bird、Ewan Klein、Edward Loper 著)
Python 機械学習: 初心者のための機械学習への技術的アプローチ (Leonard Eddison 著)
ベイジアン推論と機械学習 (David Barber著)
まったくの初心者のための機械学習: わかりやすい英語の紹介、オリバー・セオバルド著
機械学習の実践 by Ben Wilson
Scikit-Learn、Keras、TensorFlow を使用した実践的な機械学習: インテリジェントシステムを構築するための概念、ツール、テクニック (Aurélien Géron 著)
Python による機械学習の概要: データサイエンティストのためのガイド (アンドレアス C. ミュラー、サラグイド著)
ハッカーのための機械学習: 始めるためのケーススタディとアルゴリズム (Drew Conway 氏と John Myles White 氏)
『統計学習の要素: データマイニング、推論、予測』 (Trevor Hastie、Robert Tibshirani、Jerome Friedman 著)
分散機械学習パターン - 本 (オンラインで無料で読む) + コード
現実世界の機械学習 [無料の章]
統計学習の入門 - 書籍 + R コード
統計学習の要素 - 本
Think Bayes - 本 + Python コード
大規模なデータセットのマイニング
機械学習との最初の出会い
機械学習の概要 - Alex Smola と SVN Vishwanathan
パターン認識の確率論的理論
情報検索の概要
予測: 原則と実践
機械学習の概要 - アムノン・シャシュア
強化学習
機械学習
AIの探求
データサイエンスのためのRプログラミング
データマイニング - 実用的な機械学習ツールとテクニック
TensorFlow による機械学習
機械学習システム
機械学習の基礎 - Mehryar Mohri、Afshin Rostamizadeh、Ameet Talwalkar
AI を活用した検索 - トレイ・グレインジャー、ダグ・ターンブル、マックス・アーウィン -
機械学習のためのアンサンブル手法 - Gautam Kunapuli
機械学習エンジニアリングの実践 - Ben Wilson
プライバシーを保護する機械学習 - J. Morris Chang、Di Zhuang、G. Dumindu Samaraweera
自動機械学習の実践 - Qingquan Song、Haifeng Jin、Xia Hu
分散型機械学習パターン - Yuan Tang
機械学習プロジェクトの管理: 設計から導入まで - Simon Thompson
因果的機械学習 - ロバート・ネス
ベイズ最適化の実践 - Quan Nguyen
機械学習アルゴリズムの詳細) - Vadim Smolyakov
最適化アルゴリズム - Alaa Khamis
実用的な勾配ブースティング (Guillaume Saupin 著)

YouTube チュートリアル

トップに戻る

ML フレームワーク、ライブラリ、ツール

トップに戻る

TensorFlow は、機械学習用のエンドツーエンドのオープンソースプラットフォームです。ツール、ライブラリ、コミュニティリソースの包括的で柔軟なエコシステムがあり、研究者は ML の最先端を推進し、開発者は ML を利用したアプリケーションを簡単に構築してデプロイできます。

Keras は、Python で書かれ、TensorFlow、CNTK、または Theano 上で実行できる高レベルのニューラルネットワーク API です。高速な実験を可能にすることに重点を置いて開発されました。 TensorFlow、Microsoft Cognitive Toolkit、R、Theano、または PlaidML 上で実行できます。

PyTorch は、グラフ、点群、多様体などの不規則な入力データを深層学習するためのライブラリです。主に Facebook の AI 研究所によって開発されました。

Amazon SageMaker は、すべての開発者とデータサイエンティストに、機械学習 (ML) モデルを迅速に構築、トレーニング、デプロイする機能を提供するフルマネージドサービスです。 SageMaker は、機械学習プロセスの各ステップから重労働を取り除き、高品質のモデルの開発を容易にします。

Azure Databricks は、データサイエンスとデータエンジニアリング向けに設計された、高速かつ協調的な Apache Spark ベースのビッグデータ分析サービスです。 Azure Databricks は、Apache Spark 環境を数分でセットアップし、自動スケールし、対話型ワークスペースで共有プロジェクトで共同作業します。 Azure Databricks は、Python、Scala、R、Java、SQL に加えて、TensorFlow、PyTorch、scikit-learn などのデータサイエンスフレームワークとライブラリをサポートしています。

Microsoft Cognitive Toolkit (CNTK) は、商用グレードの分散ディープラーニング用のオープンソースツールキットです。これは、ニューラルネットワークを有向グラフを介した一連の計算ステップとして記述します。 CNTK を使用すると、ユーザーはフィードフォワード DNN、畳み込みニューラルネットワーク (CNN)、リカレントニューラルネットワーク (RNN/LSTM) などの一般的なモデルタイプを簡単に実現し、組み合わせることができます。 CNTK は、複数の GPU とサーバーにわたる自動微分および並列化を使用した確率的勾配降下法 (SGD、誤差逆伝播) 学習を実装します。

Apple CoreML は、機械学習モデルをアプリに統合するのに役立つフレームワークです。 Core ML は、すべてのモデルに統一された表現を提供します。アプリは Core ML API とユーザーデータを使用して予測を行い、モデルのトレーニングや微調整をすべてユーザーのデバイス上で行います。モデルは、機械学習アルゴリズムを一連のトレーニングデータに適用した結果です。モデルを使用して、新しい入力データに基づいて予測を行います。

Apache OpenNLP は、自然言語テキストの処理に使用される機械学習ベースのツールキットのオープンソースライブラリです。固有表現認識、文章検出、POS (品詞) タグ付け、トークン化特徴抽出、チャンキング、解析、および相互参照解決などのユースケース用の API を備えています。

Apache Airflow は、ワークフローをプログラムで作成、スケジュール、監視するためにコミュニティによって作成されたオープンソースのワークフロー管理プラットフォームです。インストール。原則。スケーラブル。 Airflow はモジュール型アーキテクチャを採用しており、メッセージキューを使用して任意の数のワーカーを調整します。気流は無限大に拡張する準備ができています。

Open Neural Network Exchange (ONNX) は、AI 開発者がプロジェクトの進化に応じて適切なツールを選択できるようにするオープンエコシステムです。 ONNX は、ディープラーニングと従来の ML の両方の AI モデルのオープンソース形式を提供します。これは、拡張可能な計算グラフモデルを定義するだけでなく、組み込み演算子と標準データ型の定義も定義します。

Apache MXNet は、効率と柔軟性の両方を考慮して設計された深層学習フレームワークです。シンボリックプログラミングと命令型プログラミングを組み合わせて、効率と生産性を最大化できます。 MXNet の中核には、シンボリック操作と命令型操作の両方をオンザフライで自動的に並列化する動的依存関係スケジューラーが含まれています。その上のグラフ最適化レイヤーにより、シンボリック実行が高速になり、メモリが効率的になります。 MXNet はポータブルで軽量であり、複数の GPU や複数のマシンに効果的に拡張できます。 Python、R、Julia、Scala、Go、JavaScript などをサポートします。

AutoGluon は、機械学習タスクを自動化する深層学習用のツールキットで、アプリケーションで強力な予測パフォーマンスを簡単に実現できるようにします。わずか数行のコードで、表形式、画像、テキストデータに対して高精度の深層学習モデルをトレーニングしてデプロイできます。

Anaconda は、ユーザーがモデルを開発、トレーニング、デプロイできるようにする、機械学習と深層学習用の非常に人気のあるデータサイエンスプラットフォームです。

PlaidML は、ラップトップ、組み込みデバイス、または利用可能なコンピューティングハードウェアが十分にサポートされていない、または利用可能なソフトウェアスタックに不快なライセンス制限が含まれているその他のデバイス上でディープラーニングを可能にする、高度でポータブルなテンソルコンパイラーです。

OpenCV は、リアルタイムコンピュータビジョンアプリケーションに焦点を当てた、高度に最適化されたライブラリです。 C++、Python、および Java インターフェイスは、Linux、MacOS、Windows、iOS、および Android をサポートします。

Scikit-Learn は、SciPy、NumPy、matplotlib 上に構築された機械学習用の Python モジュールで、多くの一般的な機械学習アルゴリズムの堅牢かつシンプルな実装を簡単に適用できるようにします。

Weka は、グラフィカルユーザーインターフェイス、標準のターミナルアプリケーション、または Java API を通じてアクセスできるオープンソースの機械学習ソフトウェアです。これは教育、研究、産業アプリケーションに広く使用されており、標準的な機械学習タスク用の組み込みツールが多数含まれており、さらに scikit-learn、R、Deeplearning4j などのよく知られたツールボックスへの透過的なアクセスを提供します。

Caffe は、表現、速度、モジュール性を念頭に置いて作られた深層学習フレームワークです。これは、Berkeley AI Research (BAIR)/The Berkeley Vision and Learning Center (BVLC) およびコミュニティの貢献者によって開発されました。

Theano は、NumPy との緊密な統合を含め、多次元配列を含む数式を効率的に定義、最適化、評価できる Python ライブラリです。

nGraph は、ディープラーニング用のオープンソースの C++ ライブラリ、コンパイラ、およびランタイムです。 nGraph コンパイラーは、ディープラーニングフレームワークを使用した AI ワークロードの開発と、さまざまなハードウェアターゲットへのデプロイを加速することを目的としています。AI 開発者に自由、パフォーマンス、使いやすさを提供します。

NVIDIA cuDNN は、GPU で高速化されたディープニューラルネットワーク用のプリミティブライブラリです。 cuDNN は、前方および後方畳み込み、プーリング、正規化、およびアクティベーション層などの標準ルーチンに対して高度に調整された実装を提供します。 cuDNN は、Caffe2、Chainer、Keras、MATLAB、MxNet、PyTorch、TensorFlow など、広く使用されている深層学習フレームワークを高速化します。

Huginn は、オンラインで自動タスクを実行するエージェントを構築するための自己ホスト型システムです。 Web を読み取り、イベントを監視し、ユーザーに代わってアクションを実行できます。 Huginn のエージェントはイベントを作成および消費し、有向グラフに沿ってイベントを伝播します。これは、独自のサーバー上の IFTTT または Zapier のハッキング可能なバージョンと考えてください。

Netron は、ニューラルネットワーク、ディープラーニング、機械学習モデル用のビューアです。 ONNX、TensorFlow Lite、Caffe、Keras、Darknet、PaddlePaddle、ncnn、MNN、Core ML、RKNN、MXNet、MindSpore Lite、TNN、Barracuda、Tengine、CNTK、TensorFlow.js、Caffe2、UFF をサポートします。

ドーパミンは、強化学習アルゴリズムの高速プロトタイピングのための研究フレームワークです。

DALI は、深層学習トレーニングと推論アプリケーションを高速化するための、高度に最適化されたビルディングブロックとデータ処理用の実行エンジンを含む GPU 高速化ライブラリです。

MindSpore Lite は、モバイル、エッジ、クラウドのシナリオに使用できる新しいオープンソースの深層学習トレーニング/推論フレームワークです。

Darknet は、C および CUDA で書かれたオープンソースのニューラルネットワークフレームワークです。高速でインストールが簡単で、CPU と GPU の計算をサポートします。

PaddlePaddle は、使いやすく、効率的で、柔軟でスケーラブルなディープラーニングプラットフォームです。これは元々、Baidu の多くの製品にディープラーニングを適用する目的で、Baidu の科学者とエンジニアによって開発されました。

GoogleNotebookLM は、既存のコンテンツと組み合わせた言語モデルの力を利用して、重要な洞察をより迅速に得る実験的な AI ツールです。事実を要約し、複雑なアイデアを説明し、選択した情報源に基づいて新しいつながりをブレインストーミングできる仮想リサーチアシスタントに似ています。

Unilm は、タスク、言語、モダリティにわたる大規模な自己監視型事前トレーニングです。

セマンティックカーネル (SK) は、AI 大規模言語モデル (LLM) と従来のプログラミング言語の統合を可能にする軽量 SDK です。 SK 拡張可能プログラミングモデルは、自然言語セマンティック関数、従来のコードネイティブ関数、および埋め込みベースのメモリを組み合わせて、新しい可能性を解き放ち、AI を使用してアプリケーションに価値を追加します。

Pandas AI は、生成人工知能機能を Pandas に統合し、データフレームを会話型にする Python ライブラリです。

NCNN は、モバイルプラットフォーム用に最適化された高性能ニューラルネットワーク推論フレームワークです。

MNN は、アリババのビジネスクリティカルなユースケースによって徹底的にテストされた、非常に高速で軽量なディープラーニングフレームワークです。

MediaPipe は、幅広いプラットフォーム上でエンドツーエンドのパフォーマンスを実現するために最適化されています。デモを見る詳細はこちら複雑なオンデバイス ML を簡素化オンデバイス ML をカスタマイズ可能にし、本番環境に対応し、プラットフォーム間でアクセスできるようにするための複雑さを抽象化しました。

MegEngine は、高速でスケーラブルでユーザーフレンドリーなディープラーニングフレームワークで、次の 3 つの主要な機能を備えています。トレーニングと推論の両方に対応する統合フレームワーク。

ML.NET は、拡張可能なプラットフォームとして設計された機械学習ライブラリです。これにより、他の一般的な ML フレームワーク (TensorFlow、ONNX、Infer.NET など) を利用して、画像分類などのさらに多くの機械学習シナリオにアクセスできるようになります。物体検出など。

Ludwig は、シンプルで柔軟なデータ駆動型構成システムを使用して機械学習パイプラインを簡単に定義できる宣言型機械学習フレームワークです。

MMdnn は、深層学習 (DL) モデルを変換、視覚化、診断するための包括的なクロスフレームワークツールです。「MM」はモデル管理の略で、「dnn」はディープニューラルネットワークの頭字語です。 Caffe、Keras、MXNet、Tensorflow、CNTK、PyTorch Onnx、CoreML の間でモデルを変換します。

Horovod は、TensorFlow、Keras、PyTorch、および Apache MXNet 用の分散ディープラーニングトレーニングフレームワークです。

Vaex は、大きな表形式のデータセットを視覚化して探索するための、遅延アウトオブコアデータフレーム (Pandas と同様) 用の高性能 Python ライブラリです。

GluonTS は、PyTorch と MXNet に基づく深層学習ベースのモデルに焦点を当てた、確率的時系列モデリングのための Python パッケージです。

MindsDB は、SQL を使用した最も強力なデータベースとデータウェアハウスの機械学習ワークフローを可能にする ML-SQL サーバーです。

Jupyter Notebook は、ライブコード、方程式、ビジュアライゼーション、説明テキストを含むドキュメントを作成および共有できるオープンソース Web アプリケーションです。 Jupyter は、データのクリーニングと変換、数値シミュレーション、統計モデリング、データの視覚化、データサイエンス、機械学習を行う業界で広く使用されています。

Apache Spark は、大規模なデータ処理のための統合分析エンジンです。 Scala、Java、Python、R の高レベル API と、データ分析のための一般的な計算グラフをサポートする最適化されたエンジンを提供します。また、SQL および DataFrame 用の Spark SQL、機械学習用の MLlib、グラフ処理用の GraphX、ストリーム処理用の Structured Streaming など、高度なツールの豊富なセットもサポートしています。

SQL Server および Azure SQL 用の Apache Spark コネクタは、ビッグデータ分析でトランザクションデータを使用し、アドホッククエリまたはレポートの結果を保持できるようにする高性能コネクタです。コネクタを使用すると、オンプレミスまたはクラウドにある任意の SQL データベースを Spark ジョブの入力データソースまたは出力データシンクとして使用できます。

Apache PredictionIO は、開発者、データサイエンティスト、エンドユーザー向けのオープンソースの機械学習フレームワークです。イベント収集、アルゴリズムの展開、評価、REST API を介した予測結果のクエリをサポートします。これは、Hadoop、HBase (およびその他の DB)、Elasticsearch、Spark などのスケーラブルなオープンソースサービスに基づいており、いわゆる Lambda アーキテクチャを実装しています。

Cluster Manager for Apache Kafka(CMAK) は、Apache Kafka クラスターを管理するためのツールです。

BigDL は、Apache Spark の分散ディープラーニングライブラリです。 BigDL を使用すると、ユーザーはディープラーニングアプリケーションを標準の Spark プログラムとして作成でき、既存の Spark または Hadoop クラスター上で直接実行できます。

Eclipse Deeplearning4J (DL4J) は、JVM ベース (Scala、Kotlin、Clojure、および Groovy) の深層学習アプリケーションのすべてのニーズをサポートすることを目的としたプロジェクトのセットです。これは、生データから始めて、どこからでもどんな形式であってもロードして前処理し、単純で複雑なさまざまな深層学習ネットワークを構築して調整することを意味します。

Tensorman は、System76 によって開発された Tensorflow コンテナを簡単に管理するためのユーティリティです。Tensorman を使用すると、Tensorflow がシステムの他の部分から隔離された隔離された環境で動作できるようになります。この仮想環境はベースシステムから独立して動作できるため、Docker ランタイムをサポートする Linux ディストリビューションの任意のバージョンで Tensorflow の任意のバージョンを使用できます。

Numba は、Anaconda, Inc. がスポンサーとなっているオープンソースの NumPy 対応 Python 用最適化コンパイラーです。LLVM コンパイラープロジェクトを使用して、Python 構文からマシンコードを生成します。 Numba は、多くの NumPy 関数を含む、数値に重点を置いた Python の大規模なサブセットをコンパイルできます。さらに、Numba は、ループの自動並列化、GPU アクセラレーションコードの生成、ufuncs および C コールバックの作成をサポートしています。

Chainer は、柔軟性を目的とした Python ベースの深層学習フレームワークです。 Define-by-Run アプローチ (動的計算グラフ) に基づく自動微分 API と、ニューラルネットワークを構築およびトレーニングするためのオブジェクト指向の高レベル API を提供します。また、高パフォーマンスのトレーニングと推論のために CuPy を使用した CUDA/cuDNN もサポートしています。

XGBoost は、効率性、柔軟性、移植性に優れるように設計された、最適化された分散勾配ブースティングライブラリです。 Gradient Boosting フレームワークの下で機械学習アルゴリズムを実装します。 XGBoost は、多くのデータサイエンスの問題を高速かつ正確な方法で解決する並列ツリーブースティング (GBDT、GBM とも呼ばれる) を提供します。 AWS、GCE、Azure、Yarn クラスターなどの複数のマシンでの分散トレーニングをサポートします。また、Flink、Spark、その他のクラウドデータフローシステムと統合することもできます。

cuML は、他の RAPIDS プロジェクトと互換性のある API を共有する機械学習アルゴリズムと数学的プリミティブ関数を実装するライブラリのスイートです。 cuML を使用すると、データサイエンティスト、研究者、ソフトウェアエンジニアは、CUDA プログラミングの詳細に立ち入ることなく、従来の表形式の ML タスクを GPU で実行できます。ほとんどの場合、cuML の Python API は scikit-learn の API と一致します。

Emu は、移植性、モジュール性、パフォーマンスに重点を置いた Rust 用の GPGPU ライブラリです。これは、WebGPU に対する CUDA 風のコンピューティング固有の抽象化であり、WebGPU を CUDA のように感じさせる特定の機能を提供します。

Scalene は、Python 用の高性能 CPU、GPU、メモリプロファイラーであり、他の Python プロファイラーでは実行できない、または実行できない多くのことを実行します。他の多くのプロファイラーよりも桁違いに高速に実行され、より詳細な情報を提供します。

MLpack は、C++ で書かれた高速で柔軟な C++ 機械学習ライブラリであり、Armadillo 線形代数ライブラリ、ensmallen 数値最適化ライブラリ、および Boost の一部に基づいて構築されています。

Netron は、ニューラルネットワーク、ディープラーニング、機械学習モデル用のビューアです。 ONNX、TensorFlow Lite、Caffe、Keras、Darknet、PaddlePaddle、ncnn、MNN、Core ML、RKNN、MXNet、MindSpore Lite、TNN、Barracuda、Tengine、CNTK、TensorFlow.js、Caffe2、UFF をサポートします。

Lightning は、DIY インフラストラクチャ、コスト管理、スケーリングなどを扱うことなく、PyTorch モデルを構築およびトレーニングし、Lightning アプリケーションテンプレートを使用してそれらを ML ライフサイクルに接続するツールです。

OpenNN は、機械学習用のオープンソースニューラルネットワークライブラリです。多くの人工知能ソリューションに対処するための高度なアルゴリズムとユーティリティが含まれています。

H20 は、複雑なビジネス上の問題を解決し、理解して信頼できる結果をもたらす新しいアイデアの発見を加速する AI クラウドプラットフォームです。

Gensim は、トピックのモデリング、ドキュメントのインデックス作成、および大規模なコーパスの類似性検索のための Python ライブラリです。対象読者は、自然言語処理 (NLP) および情報検索 (IR) コミュニティです。

llama.cpp は、C/C++ での Facebook の LLaMA モデルのポートです。

hmmlearn は、隠れマルコフモデルの教師なし学習と推論のためのアルゴリズムのセットです。

Nextjournal は再現可能な研究のためのノートブックです。 Docker コンテナに入れられるものはすべて実行されます。多言語ノートブック、自動バージョン管理、リアルタイムコラボレーションによりワークフローを改善します。 GPU サポートを含むオンデマンドプロビジョニングにより、時間とコストを節約します。

IPython は、以下を備えたインタラクティブコンピューティングのための豊富なアーキテクチャを提供します。

強力な対話型シェル。
Jupyter のカーネル。
インタラクティブなデータ視覚化と GUI ツールキットの使用のサポート。
独自のプロジェクトにロードできる柔軟な埋め込み可能なインタープリター。
使いやすく、並列コンピューティングのための高性能ツール。

Veles は、現在 Samsung によって開発されている、迅速な深層学習アプリケーション開発のための分散プラットフォームです。

DyNet は、カーネギーメロン大学およびその他の多くの大学によって開発されたニューラルネットワークライブラリです。これは C++ (Python のバインディングを使用) で書かれており、CPU または GPU で実行した場合に効率的であり、トレーニングインスタンスごとに変化する動的構造を持つネットワークで適切に動作するように設計されています。この種のネットワークは、自然言語処理タスクにおいて特に重要であり、DyNet は、構文解析、機械翻訳、形態変化、その他多くのアプリケーション分野のための最先端のシステムを構築するために使用されています。

Ray は、AI および Python アプリケーションをスケーリングするための統合フレームワークです。これは、ML ワークロードを高速化するためのコア分散ランタイムとライブラリのツールキット (Ray AIR) で構成されます。

Whisper.cpp は、OpenAI の Whisper 自動音声認識 (ASR) モデルの高性能推論です。

ChatGPT Plus は、ChatGPT のパイロットサブスクリプションプラン (月額 20 ドル) です。ChatGPT は、あなたとチャットし、フォローアップの質問に答え、誤った仮定に異議を唱えることができる会話型 AI です。

Auto-GPT は、自然言語で目標を与え、それをサブタスクに分割し、インターネットやその他のツールを自動ループで使用することで目標の達成を試みることができる「AI エージェント」です。これは OpenAI の GPT-4 または GPT-3.5 API を使用しており、GPT-4 を使用して自律タスクを実行するアプリケーションの最初の例の 1 つです。

mckaywrigley の Chatbot UI は、Next.js、TypeScript、Tailwind CSS を使用して Chatbot UI Lite 上に構築された OpenAI のチャットモデル用の高度なチャットボットキットです。このバージョンの ChatBot UI は、GPT-3.5 モデルと GPT-4 モデルの両方をサポートします。会話はブラウザ内にローカルに保存されます。データ損失を防ぐために、会話をエクスポートおよびインポートできます。デモをご覧ください。

mckaywrigley の Chatbot UI Lite は、Next.js、TypeScript、Tailwind CSS を使用した OpenAI のチャットモデル用のシンプルなチャットボットスターターキットです。デモをご覧ください。

MiniGPT-4 は、高度な大規模言語モデルを使用して視覚言語の理解を強化します。

GPT4All は、LLaMa に基づいたコード、ストーリー、ダイアログなどのクリーンなアシスタントデータの膨大なコレクションでトレーニングされたオープンソースチャットボットのエコシステムです。

GPT4All UI は、GPT4All チャットボットと対話するためのチャット UI を提供する Flask Web アプリケーションです。

Alpaca.cpp は、デバイス上でローカルに動作する高速な ChatGPT のようなモデルです。これは、LLaMA 基礎モデルと Stanford Alpaca の公開複製、指示 (ChatGPT のトレーニングに使用される RLHF に似た) に従うための基本モデルの微調整、およびチャットインターフェイスを追加するための llama.cpp への一連の変更を組み合わせています。

llama.cpp は、C/C++ での Facebook の LLaMA モデルのポートです。

OpenPlayground は、ChatGPT のようなモデルをデバイス上でローカルに実行するためのプレイグラウンドです。

Vicuna は、LLaMA の微調整によってトレーニングされたオープンソースのチャットボットです。明らかに、chatgpt の 90% 以上の品質を達成しており、トレーニングには 300 ドルかかります。

Yeagar ai は、AI を活用したエージェントを簡単に構築、プロトタイプ、展開できるように設計された Langchain Agent 作成者です。

Vicuna は、パブリック API を使用して ShareGPT.com から収集された約 70,000 人のユーザー共有会話を使用して、LLaMA ベースモデルを微調整することによって作成されます。データの品質を確保するために、HTML をマークダウンに変換し、不適切なサンプルや低品質のサンプルを除外します。

ShareGPT は、最もワイルドな ChatGPT 会話をワンクリックで共有できる場所です。これまでに 198,404 件の会話が共有されました。

FastChat は、大規模な言語モデルベースのチャットボットをトレーニング、提供、評価するためのオープンプラットフォームです。

Haystack は、Transformer モデルと LLM (GPT-4、ChatGPT など) を使用してデータを操作するためのオープンソース NLP フレームワークです。複雑な意思決定、質問応答、セマンティック検索、テキスト生成アプリケーションなどを迅速に構築するための、本番環境に対応したツールを提供します。

StableLM (Stability AI Language Models) は、StableLM シリーズの言語モデルであり、新しいチェックポイントで継続的に更新されます。

Databricks の Dolly は、商用利用が許可されている Databricks 機械学習プラットフォームでトレーニングされた命令に従う大規模な言語モデルです。

GPTCach は、LLM クエリのセマンティックキャッシュを作成するためのライブラリです。

AlaC は、コードとしての人工知能のインフラストラクチャジェネレーターです。

Adrenaline は、コードベースと対話できるツールです。静的解析、ベクトル検索、大規模な言語モデルを利用しています。

OpenAssistant は、タスクを理解し、サードパーティシステムと対話し、そのために情報を動的に取得できるチャットベースのアシスタントです。

DoctorGPT は、アプリケーションログの問題を監視し、診断する軽量の自己完結型バイナリです。

HttpGPT は、非同期 REST リクエストを通じて OpenAI の GPT ベースのサービス (ChatGPT および DALL-E) との統合を促進する Unreal Engine 5 プラグインで、開発者がこれらのサービスと簡単に通信できるようにします。また、チャット GPT と DALL-E イメージ生成をエンジンに直接統合するためのエディターツールも含まれています。

PaLM 2 は、機械学習と責任ある AI における画期的な研究という Google の遺産に基づいて構築された次世代の大規模言語モデルです。これには、コードと数学、分類と質問応答、翻訳と多言語の熟練度、および以前の最先端の LLM よりも優れた自然言語生成などの高度な推論タスクが含まれています。

Med-PaLM は、医療上の質問に対して高品質な回答を提供するように設計された大規模言語モデル (LLM) です。これは、Google の大規模な言語モデルの力を活用しており、慎重に精選された一連の医療専門家によるデモンストレーションを医療分野に合わせて調整しています。

Sec-PaLM は、組織の安全を保つ責任を負う人々を支援する機能を加速する大規模言語モデル (LLM) です。これらの新しいモデルは、セキュリティを理解し、管理するためのより自然で創造的な方法を人々に提供するだけではありません。

LLM トレーニングフレームワーク

トップに戻る

Alpa は、大規模なニューラルネットワークをトレーニングおよび提供するためのシステムです。
BayLing - 高度な言語調整機能を備えた英語/中国語 LLM で、英語/中国語の生成、指示に従って、マルチターンインタラクションで優れた機能を示します。
BLOOM - BigScience 大規模オープンサイエンスオープンアクセス多言語言語モデル BLOOM-LoRA
Cerebras-GPT - オープンで計算効率の高い大規模言語モデルのファミリー。
DeepSpeed は、分散トレーニングと推論を簡単、効率的、効果的に行う深層学習最適化ライブラリです。
FairScale は、高パフォーマンスで大規模なトレーニング用の PyTorch 拡張ライブラリです。このライブラリは、新しい SOTA スケーリング技術を追加しながら、基本的な PyTorch 機能を拡張します。
GLM-GLM は、自己回帰的な空白埋めの目的で事前トレーニングされた一般言語モデルであり、さまざまな自然言語の理解および生成タスクに合わせて微調整できます。
OpenFlamingo は、大規模なマルチモーダルモデルをトレーニングするための DeepMind の Flamingo のオープンソースフレームワーク実装です。
OPT - 事前トレーニング済みの Transformer 言語モデルを開きます。
StarCoder - コード用のハグフェイス LLM
UltraLM - 大規模で有益な、多様なマルチラウンドチャットモデル。
UL2 - データセットおよびセットアップ全体で普遍的に効果的なモデルを事前トレーニングするための統一フレームワーク。

LLM を導入するためのツール

トップに戻る

Agenta - LLM を利用したアプリを簡単に構築、バージョン管理、評価、展開します。
LLM ベースのアプリケーション用の BentoML。
CometLLM - LLM プロンプトとチェーンを記録、管理、視覚化するためのオープンソース LLMOps プラットフォーム。プロンプトテンプレート、プロンプト変数、プロンプト期間、トークンの使用状況、およびその他のメタデータを追跡します。プロンプト出力をスコアリングし、チャット履歴をすべて単一の UI 内で視覚化します。
FastChat - Web UI と OpenAI 互換の RESTful API を備えた分散マルチモデル LLM サービスシステム。
Embedchain - データセット上に ChatGPT のようなボットを作成するフレームワーク。
IntelliServer - 複数の AI モデルにアクセスしてテストするための統合されたマイクロサービスを提供することで、LLM の評価を簡素化します。
Haystack - Hugging Face、OpenAI、Cohere の LLM およびトランスフォーマーベースのモデルを使用して独自のデータを操作できるようにするオープンソースの NLP フレームワーク。
Langroid - マルチエージェントプログラミングで LLM を利用します。
LangChain - コンポーザビリティを通じて LLM を使用してアプリケーションを構築します。
LiteChain - LLM を構成するための LangChain に代わる軽量の代替品。
Magentic - LLM を Python 関数としてシームレスに統合します。
Promptfoo - プロンプトをテストします。 LLM 出力を評価および比較し、回帰を捕捉し、プロンプトの品質を向上させます。
Openllmは、生産で大規模な言語モデル（LLMS）を操作するためのオープンプラットフォームです。 LLMSを簡単に微調整、提供、展開、監視します。
Serge-アルパカモデルを実行するためにllama.cppで作成されたチャットインターフェイス。 APIキーはなく、完全に自己ホストされています！
Skypilot-クラウドでLLMSとバッチジョブを実行します。最大コストの節約、最高のGPUの可用性、および管理された実行 - すべてが簡単なインターフェイスを備えています。
テキスト生成の推論 - テキスト生成の推論のための錆、Python、GRPCサーバー。 HuggingfaceでLLMS API-Inferenceウィジェットに電力を供給するために生産で使用されます。
VLLM- LLMSのハイスループットとメモリ効率の高い推論とサービングエンジン。

LLMをローカルに実行します

トップに戻ります

Llama 2をローカルに実行するための包括的なガイド
lmsys.orgによるリーダーボード
LLM-Leaderboard
顔を抱きしめてLLMリーダーボードを開きます
言語モデルのホリスティック評価（ヘルム）
TextSynthサーバーベンチマーク

Localaiは、自己ホスト、コミュニティ主導の地元のOpenai互換APIです。 GPUを必要としない消費者グレードのハードウェアでLLMを実行しているOpenAIのドロップイン交換。 GGML互換モデルを実行するAPIです：Llama、Gpt4all、RWKV、Whisper、Vicuna、Koala、Gpt4all-J、Cerebras、Falcon、Dolly、Starcoderなど。

llama.cppは、C/C ++のFacebookのLlamaモデルのポートです。

Ollamaは、Llama 2やその他の大規模な言語モデルをローカルに稼働させるためのツールです。

Localaiは、自己ホスト、コミュニティ主導の地元のOpenai互換APIです。 GPUを必要としない消費者グレードのハードウェアでLLMを実行しているOpenAIのドロップイン交換。 GGML互換モデルを実行するAPIです：Llama、Gpt4all、RWKV、Whisper、Vicuna、Koala、Gpt4all-J、Cerebras、Falcon、Dolly、Starcoderなど。

Sergeは、llama.cppを介してAlpacaとチャットするためのWebインターフェイスです。使いやすいAPIを備えた、完全に自己ホストおよびドッカー化されています。

Openllmは、生産で大規模な言語モデル（LLMS）を操作するためのオープンプラットフォームです。 LLMSを簡単に微調整、提供、展開、監視します。

Llama-Gptは、自己ホストのオフラインのChatGptのようなチャットボットです。 llama2。100％プライベートで駆動し、デバイスを離れるデータはありません。

Llama2 WebUIは、GPUまたはCPUのGradio UI（Linux/Windows/Mac）を使用して、Llama 2をローカルに実行するツールです。生成エージェント/アプリのローカルllama2バックエンドとしてllama2-wrapper使用します。

Llama2.cは、PytorchでLlama 2 LLMアーキテクチャをトレーニングするツールであり、1つの単純な700ラインCファイル（run.c）で推論します。

Alpaca.cppは、デバイス上の局所的に高速ChatGPTのようなモデルです。 Llama Foundation ModelとStanford Alpacaのオープンな複製を組み合わせて、基本モデルを微調整して指示（ChatGPTのトレーニングに使用されるRLHFに似ています）とLlama.cppの変更のセットを組み合わせて、チャットインターフェイスを追加します。

GPT4allは、Llamaに基づいたコード、ストーリー、対話など、クリーンなアシスタントデータの大規模なコレクションでトレーニングされたオープンソースのチャットボットのエコシステムです。

Minigpt-4は、高度な大手言語モデルを使用したビジョン言語の理解を高める

Lollms WebUIは、LLM（大規模な言語モデル）モデルのハブです。これは、幅広いタスクにさまざまなLLMモデルにアクセスして利用するためのユーザーフレンドリーなインターフェイスを提供することを目的としています。執筆、コーディング、データの整理、画像の生成、または質問に対する回答の探求に関するサポートが必要かどうか。

LM Studioは、ローカルLLMSを発見、ダウンロード、および実行するツールです。

Gradio Web UIは、大規模な言語モデルのツールです。トランス、GPTQ、llama.cpp（GGML/GGUF）、llamaモデルをサポートします。

OpenPlaygroundは、デバイスでChatGptのようなモデルをローカルに実行するためのプレイフローです。

Vicunaは、Llamaを微調整することで訓練されたオープンソースのチャットボットです。明らかに90％以上の品質のChatGPTを達成し、トレーニングに300ドルかかります。

Yeagar AIは、AI駆動のエージェントの構築、プロトタイプ、および展開を簡単に展開するのに役立つように設計されたLangchainエージェントクリエーターです。

Koboldcppは、GGMLモデル向けの使いやすいAIテキストジェネレーションソフトウェアです。これは、llama.cppを構築し、多用途のKobold APIエンドポイント、追加の形式サポート、後方互換性、および永続的なストーリーを備えた派手なUI、編集ツール、フォーマット、メモリ、メモリ、ワールドを保存する派手なUIを追加して、llama.cppを構築する単一の自己抑制可能なものです。情報、著者のメモ、キャラクター、シナリオ。

アルゴリズム

トップに戻ります

ファジーロジックは、より高度な意思決定ツリー処理を可能にし、ルールベースのプログラミングとのより良い統合を可能にするヒューリスティックなアプローチです。

ファジーロジックシステムのアーキテクチャ。出典：ResearchGate

サポートベクターマシン（SVM）は、2グループの分類問題に分類アルゴリズムを使用する監視された機械学習モデルです。

サポートベクターマシン（SVM）。出典：OpenClipart

ニューラルネットワークは機械学習のサブセットであり、深い学習アルゴリズムの中心にあります。名前/構造は、生物学的ニューロン/ノードが互いに信号を送るプロセスをコピーする人間の脳に触発されています。

深いニューラルネットワーク。出典：IBM

畳み込みニューラルネットワーク（R-CNN）は、最初に画像をセグメント化して潜在的な関連する境界ボックスを見つけてから、検出アルゴリズムを実行して、それらの境界ボックスで最も可能性の高いオブジェクトを見つけるオブジェクト検出アルゴリズムです。

畳み込みニューラルネットワーク。出典：CS231N

Recurrent Neural Networks（RNNS）は、シーケンシャルデータまたは時系列データを使用する人工ニューラルネットワークの一種です。

再発性ニューラルネットワーク。出典：Slideteam

多層パーセプトロン（MLP）は、しきい値の活性化を伴うパーセプトロンの複数の層で構成される多層ニューラルネットワークです。

多層パーセプロン。出典：Deepai

ランダムフォレストは、一般的に使用される機械学習アルゴリズムであり、複数の決定ツリーの出力を組み合わせて単一の結果に達します。森林内の決定ツリーは、サンプリングのために剪定することはできません。したがって、予測の選択。使いやすさと柔軟性は、分類と回帰の両方の問題を処理するため、採用を促進しました。

ランダムフォレスト。出典：Wikimedia

決定ツリーは、分類と回帰のためのツリー構造モデルです。

**決定木。出典：CMU

ナイーブベイズは、使用されたcalssificationの問題を解決する機械学習アルゴリズムです。これは、機能の間に強い独立性の仮定を持つベイズの定理を適用することに基づいています。

ベイズの定理。出典：Mathisfun

Pytorch開発

トップに戻ります

Pytorch学習リソース

Pytorchは、コンピュータービジョンや自然言語処理などのアプリケーションに使用される研究から生産までのパスを加速するオープンソースのディープラーニングフレームワークです。 Pytorchは、FacebookのAI Research Labによって開発されています。

Pytorchを始めましょう

Pytorchドキュメント

Pytorchディスカッションフォーラム

オンラインでトップPytorchコース| Coursera

オンラインでトップPytorchコース|ウデミー

オンラインコースとクラスでPytorchを学びます| edX

Pytorch Fundamentals -Learn | Microsoft Docs

Pytorchを使用した深い学習への紹介| udacity

Visual StudioコードのPytorch開発

AzureのPytorch -Pytorchを使用した深い学習|マイクロソフトアジュール

Pytorch -Azure Databricks | Microsoft Docs

Pytorchを使用した深い学習|アマゾンウェブサービス (AWS)

Google CloudでPytorchを開始します

Pytorchツール、ライブラリ、およびフレームワーク

Pytorch Mobileは、トレーニングからiOSおよびAndroidモバイルデバイスの展開まで、エンドツーエンドのMLワークフローです。

Torchscriptは、Pytorchコードからシリアル化可能で最適化可能なモデルを作成する方法です。これにより、TorchscriptプログラムをPythonプロセスから保存し、Python依存関係がないプロセスでロードできます。

TorchServeは、Pytorchモデルを提供するための柔軟で使いやすいツールです。

Kerasは高レベルのニューラルネットワークAPIで、Pythonで書かれ、Tensorflow、CNTK、またはTheano.itの上で走ることができます。 Tensorflow、Microsoft Cognitive Toolkit、R、Theano、またはPlaidMlの上で走ることができます。

ONNXランタイムは、クロスプラットフォーム、高性能ML推論およびトレーニングアクセラレータです。 PytorchやTensorflow/Kerasなどのディープラーニングフレームワークのモデルと、Scikit-Learn、LightGBM、Xgboostなどの古典的な機械学習ライブラリをサポートします。

Korniaは、一般的なCV（コンピュータービジョン）の問題を解決するための一連のルーチンと微分可能なモジュールで構成される微分可能なコンピュータービジョンライブラリです。

Pytorch-NLPは、Pythonの自然言語処理（NLP）のライブラリです。最新の研究を念頭に置いて構築されており、迅速なプロトタイピングをサポートするために初日から設計されました。 Pytorch-NLPには、事前に訓練された埋め込み、サンプラー、データセットローダー、メトリック、ニューラルネットワークモジュール、テキストエンコーダが付属しています。

Igniteは、Pytorchのニューラルネットワークのトレーニングと評価を柔軟かつ透過的に評価するための高レベルライブラリです。

Hummingbirdは、訓練された従来のMLモデルをテンソル計算にコンパイルするライブラリです。これにより、ユーザーはニューラルネットワークフレームワーク（Pytorchなど）をシームレスに活用して、従来のMLモデルを加速できます。

Deep Graph Library（DGL）は、Pytorchやその他のフレームワークの上に、グラフニューラルネットワークモデルファミリーを簡単に実装するために構築されたPythonパッケージです。

Tensorlyは、テンソルメソッドの高レベルAPIであり、Pythonの深いテンソーゼーションニューラルネットワークであり、テンソル学習をシンプルにすることを目的としています。

GPYTORCHは、スケーラブルで柔軟なガウスプロセスモデルを作成するために設計されたPytorchを使用して実装されたガウスプロセスライブラリです。

Poutyneは、PytorchのKerasのようなフレームワークであり、ニューラルネットワークのトレーニングに必要なボイラー沈着コードの多くを処理します。

Forteは、構成可能なコンポーネント、便利なデータインターフェイス、およびクロスタスクインタラクションを備えたNLPパイプラインを構築するためのツールキットです。

Torchmetricsは、分散型のスケーラブルなPytorchアプリケーションの機械学習メトリックです。

Captumは、Pytorchに基づいて構築されたモデル解釈可能性のための拡張可能なライブラリであるオープンソースです。

トランスは、Pytorch、Tensorflow、およびJaxの最先端の自然言語処理です。

Hydraは、複雑なアプリケーションをエレガントに構成するためのフレームワークです。

Accelerateは、マルチGPU、TPU、混合精度でPytorchモデルをトレーニングおよび使用する簡単な方法です。

Rayは、分散アプリケーションを構築および実行するための高速でシンプルなフレームワークです。

Parlaiは、多くのタスクでダイアログモデルを共有、トレーニング、評価するための統一されたプラットフォームです。

Pytorchvideoは、ビデオを理解するための深い学習ライブラリです。さまざまなビデオ中心のモデル、データセット、トレーニングパイプラインなどをホストしています。

Opacusは、プライバシーが異なるPytorchモデルのトレーニングを可能にするライブラリです。

Pytorch Lightningは、PytorchのKerasのようなMLライブラリです。コアトレーニングと検証ロジックをあなたに残し、残りを自動化します。

Pytorch Geometric時間は、Pytorch幾何学の時間的（動的）拡張ライブラリです。

Pytorch Geometricは、グラフ、ポイントクラウド、マニホールドなどの不規則な入力データを深く学習するためのライブラリです。

Raster Visionは、衛星と空中画像に関する深い学習のためのオープンソースフレームワークです。

Cryptenは、MLを保存するプライバシーのフレームワークです。その目標は、ML実践者が安全なコンピューティング技術にアクセスできるようにすることです。

Optunaは、ハイパーパラメーター検索を自動化するためのオープンソースハイパーパラメーター最適化フレームワークです。

Pyroは、Pythonで書かれ、バックエンドでPytorchによってサポートされている普遍的な確率的プログラミング言語（PPL）です。

オルビュメントは、分類、セグメンテーション、オブジェクト検出、ポーズ推定など、さまざまなCVタスクのための高速で拡張可能な画像増強ライブラリです。

Skorchは、完全なScikit-Learnの互換性を提供するPytorchの高レベルライブラリです。

MMFは、Facebook AI Research（FAIR）のビジョンと言語のマルチモーダル研究のモジュール式フレームワークです。

AdaptDLは、リソースに適合したディープラーニングトレーニングとスケジューリングフレームワークです。

Polyaxonは、大規模な深い学習アプリケーションを構築、トレーニング、監視するためのプラットフォームです。

TextBrewerは、自然言語処理のためのPytorchベースの知識蒸留ツールキットです

Advertorchは、敵対的な堅牢性研究のためのツールボックスです。敵対的な例を生成し、攻撃に対する防御のためのモジュールが含まれています。

Nemoは、会話AIのAAツールキットです。

ClinicAdlは、アルツハイマー病の再現可能な分類の枠組みです

Stable Baselines3（SB3）は、Pytorchの強化学習アルゴリズムの信頼できる実装のセットです。

Torchioは、Pytorchで書かれたディープラーニングアプリケーションで3D医療画像を効率的に読み、前処理、サンプル、増強、および作成するための一連のツールです。

Pysyftは、暗号化されたプライバシーを保存するプライバシーのためのPythonライブラリです。

Flairは、最先端の自然言語処理（NLP）の非常にシンプルなフレームワークです。

Glowは、さまざまなハードウェアプラットフォーム上のディープラーニングフレームワークのパフォーマンスを加速するMLコンパイラです。

Fairscaleは、1つまたは複数のマシン/ノードでの高性能トレーニングと大規模なトレーニング用のPytorch拡張ライブラリです。

Monaiは、ヘルスケアイメージングトレーニングワークフローを開発するためのドメイン最適化された基礎能力を提供する深い学習フレームワークです。

PFRLは、Pytorchを使用してPythonのさまざまな最先端の深い強化アルゴリズムを実装する、深い強化学習ライブラリです。

Einopsは、読みやすく信頼性の高いコードのための柔軟で強力なテンソル操作です。

Pytorch3dは、Pytorchを使用した3Dコンピュータービジョン研究のための効率的で再利用可能なコンポーネントを提供する深い学習ライブラリです。

Ensemble Pytorchは、Pytorchが深い学習モデルのパフォーマンスと堅牢性を向上させるための統一されたアンサンブルフレームワークです。

軽くは、自己教師の学習のためのコンピュータービジョンフレームワークです。

Highterは、任意に複雑な勾配ベースのメタ学習アルゴリズムと、Near-Vanilla Pytorchを使用したネストされた最適化ループの実装を促進するライブラリです。

Horovodは、ディープラーニングフレームワークのための分散トレーニングライブラリです。 Horovodは、分散DLを迅速かつ使いやすくすることを目指しています。

Pennylaneは、ハイブリッド量子クラシック計算の量子ml、自動分化、および最適化のライブラリです。

Detectron2は、オブジェクトの検出とセグメンテーションのためのFAIRの次世代プラットフォームです。

Fastaiは、現代のベストプラクティスを使用して、トレーニングを高速で正確なニューラルネットを簡素化するライブラリです。

Tensorflow開発

トップに戻ります

Tensorflow学習リソース

Tensorflowは、機械学習用のエンドツーエンドのオープンソースプラットフォームです。ツール、ライブラリ、コミュニティリソースの包括的な柔軟なエコシステムがあり、研究者がMLの最先端をプッシュし、開発者がMLパワーアプリケーションを簡単に構築および展開できるようにします。

Tensorflowを始めます

Tensorflowチュートリアル

Tensorflow開発者証明書| TensorFlow

Tensorflowコミュニティ

Tensorflowモデルとデータセット

Tensorflowクラウド

機械学習教育| TensorFlow

トップテンソルフローコースオンライン| Coursera

トップテンソルフローコースオンライン|ウデミー

Tensorflowを使用した深い学習|ウデミー

Tensorflowを使用した深い学習| edX

深い学習のためのTensorflowの紹介| udacity

Tensorflowのイントロ：機械学習クラッシュコース| Google開発者

Tensorflowモデルのトレーニングと展開-Azure Machine Learning

PythonとTensorflowを使用してAzure関数で機械学習モデルを適用します|マイクロソフトアジュール

Tensorflowを使用した深い学習|アマゾンウェブサービス (AWS)

Tensorflow -Amazon EMR | AWSドキュメント

Tensorflow Enterprise |グーグルクラウド

Tensorflowツール、ライブラリ、およびフレームワーク

Tensorflow Liteは、モバイルおよびIoTデバイスに機械学習モデルを展開するためのオープンソースの深い学習フレームワークです。

Tensorflow.jsはJavaScriptライブラリであり、JavaScriptでMLモデルを開発または実行でき、ブラウザクライアント側でMLを直接使用できます。Node.jsを介してサーバー側、Reactネイティブ経由のモバイルネイティブ、電子を介したデスクトップネイティブ、さらにはIoTでも使用できます。 raspberry piのnode.js経由のデバイス。

Tensorflow_macosは、AppleのML Computeフレームワークを使用して加速されたMacOS 11.0+のTensorflowおよびTensorflowアドオンのMac最適化バージョンです。

Google Colaboratoryは、セットアップを必要とせず、クラウドで完全に実行される無料のJupyterノートブック環境であり、ブラウザでTensorflowコードを1回クリックして実行できます。

what-ifツールは、モデルの理解、デバッグ、公平性に役立つ、機械学習モデルのコードフリープローブのツールです。 TensorboardおよびJupyterまたはColab Notebookで利用できます。

Tensorboardは、Tensorflowプログラムを理解、デバッグ、および最適化するための視覚化ツールのスイートです。

Kerasは高レベルのニューラルネットワークAPIで、Pythonで書かれ、Tensorflow、CNTK、またはTheano.itの上で走ることができます。 Tensorflow、Microsoft Cognitive Toolkit、R、Theano、またはPlaidMlの上で走ることができます。

XLA（加速線形代数）は、Tensorflow計算を最適化する線形代数のドメイン固有のコンパイラです。結果は、サーバープラットフォームとモバイルプラットフォームでの速度、メモリ使用量、および移植性の改善です。

ML Perfは、MLソフトウェアフレームワーク、MLハードウェアアクセラレータ、およびMLクラウドプラットフォームのパフォーマンスを測定するための幅広いMLベンチマークスイートです。

Tensorflow Playgroundは、ブラウザにニューラルネットワークをいじくり回すための開発環境です。

TPU Research Cloud（TRC）は、研究者が次の研究ブレークスルーの波を加速するのに役立つ1,000を超えるクラウドTPUのクラスターへのアクセスを無料で申請できるようにするプログラムです。

MLIRは、新しい中間表現およびコンパイラフレームワークです。

Latticeは、常識的な形状の制約を備えた柔軟で制御された解釈可能なMLソリューションのライブラリです。

Tensorflow Hubは、再利用可能な機械学習のライブラリです。最小限のコードで最新のトレーニングモデルをダウンロードして再利用します。

Tensorflow Cloudは、ローカル環境をGoogle Cloudに接続するライブラリです。

Tensorflow Model Optimization Toolkitは、展開と実行のためにMLモデルを最適化するためのツールスイートです。

Tensorflow推奨事項は、推奨システムモデルを構築するためのライブラリです。

Tensorflowテキストは、Tensorflow 2で使用できるテキストおよびNLP関連のクラスとOPSのコレクションです。

Tensorflow Graphicsは、カメラ、ライト、素材からレンダラーに至るまでのコンピューターグラフィック機能のライブラリです。

Tensorflow Federatedは、機械学習のためのオープンソースフレームワークと分散型データに関するその他の計算です。

Tensorflow確率は、確率的推論と統計分析のためのライブラリです。

TENSOR2TENSORは、ディープラーニングをよりアクセスしやすくし、MLの研究を加速させるように設計された深い学習モデルとデータセットのライブラリです。

Tensorflow Privacyは、プライバシーが異なる機械学習モデルをトレーニングするためのTensorflowオプティマイザーの実装を含むPythonライブラリです。

Tensorflowランキングは、Tensorflowプラットフォームでランクトゥランク（LTR）テクニックを学習するためのライブラリです。

Tensorflowエージェントは、Tensorflowでの強化学習のライブラリです。

Tensorflow Addonsは、確立されたAPIパターンに準拠しているが、SIGアドオンによって維持されているコアTensorflowで利用できない新しい機能を実装する貢献のリポジトリです。 Tensorflowは、多数のオペレーター、レイヤー、メトリック、損失、およびオプティマイザーをネイティブにサポートします。

Tensorflow I/Oは、SIG IOによって維持されているデータセット、ストリーミング、およびファイルシステム拡張機能です。

Tensorflow Quantumは、ハイブリッド量子古典MLモデルの迅速なプロトタイピングのための量子機械学習ライブラリです。

ドーパミンは、強化学習アルゴリズムの高速プロトタイピングのための研究フレームワークです。

TRFLは、DeepMindによって作成された補強学習ビルディングブロックのライブラリです。

Mesh Tensorflowは、分散した深い学習の言語であり、分散テンソル計算の広範なクラスを指定できます。

RaggedTensorsは、テキスト（単語、文章、文字）、可変長のバッチなど、不均一な形状のデータを簡単に保存および操作できるAPIです。

Unicode Opsは、TensorflowでUnicodeテキストの連携をサポートするAPIです。

マゼンタは、アートと音楽の作成プロセスにおける機械学習の役割を探る研究プロジェクトです。

Nucleusは、SAMやVCFなどの一般的なゲノミクスファイル形式のデータを簡単に読み取り、書き込み、分析できるように設計されたPythonおよびC ++コードのライブラリです。

Sonnetは、ニューラルネットワークを構築するためのDeepMindのライブラリです。

ニューラル構造化学習は、機能入力に加えて構造化された信号を活用することにより、ニューラルネットワークをトレーニングする学習フレームワークです。

モデル修復は、基礎となるパフォーマンスバイアスから生じるユーザーの危害を減らすか排除する方法でモデルの作成と訓練を支援するライブラリです。

フェアネスインジケーターは、バイナリおよびマルチクラス分類器の一般的に特定された公正メトリックの簡単な計算を可能にするライブラリです。

Decision Forestsは、分類、回帰、およびランキングに決定森林を使用するモデルをトレーニング、提供、および解釈するための最先端のアルゴリズムです。

コアML開発

トップに戻ります

コアML学習リソース

Core MLは、機械学習モデルをAppleデバイス（iOS、WatchOS、MacOS、TVOを含む）で実行しているアプリに統合するためのAppleフレームワークです。 Core MLは、ディープニューラルネットワーク（畳み込みと再発の両方）、ブースト付きツリーアンサンブル、および一般化された線形モデルを含む幅広いMLメソッドのパブリックファイル形式（.MLModel）を導入します。この形式のモデルは、Xcodeを介してアプリに直接統合できます。

コアMLの紹介

コアMLモデルをアプリに統合します

コアMLモデル

コアML APIリファレンス

コアML仕様

Core MLのApple開発者フォーラム

オンラインでトップコアMLコース|ウデミー

オンラインでトップコアMLコース| Coursera

コアMLのIBMワトソンサービス| IBM

IBM Maximo目視検査を使用して、コアMLアセットを生成| IBM

コアMLツール、ライブラリ、およびフレームワーク

Core ML Toolsは、コアMLモデルの変換、編集、および検証のためのサポートツールを含むプロジェクトです。

Create MLは、Macで機械学習モデルをトレーニングする新しい方法を提供するツールです。強力なコアMLモデルを生産しながら、モデルトレーニングの複雑さを取り除きます。

Tensorflow_macosは、AppleのML Computeフレームワークを使用して加速されたMacOS 11.0+のTensorflowおよびTensorflowアドオンのMac最適化バージョンです。

Apple Visionは、顔と顔の画期的な検出、テキスト検出、バーコード認識、画像登録、および一般的な機能追跡を実行するフレームワークです。 Visionは、分類やオブジェクト検出などのタスクにカスタムコアMLモデルを使用することもできます。

Kerasは高レベルのニューラルネットワークAPIで、Pythonで書かれ、Tensorflow、CNTK、またはTheano.itの上で走ることができます。 Tensorflow、Microsoft Cognitive Toolkit、R、Theano、またはPlaidMlの上で走ることができます。

XGBoostは、非常に効率的で柔軟性があり、ポータブルになるように設計された最適化された分散グラデーションブーストライブラリです。グラデーションブーストフレームワークの下で機械学習アルゴリズムを実装します。 Xgboostは、多くのデータサイエンスの問題を高速かつ正確な方法で解決する並列ツリーブースト（GBDT、GBMとも呼ばれます）を提供します。 AWS、GCE、Azure、Yarnクラスターなど、複数のマシンでの分散トレーニングをサポートしています。また、Flink、Spark、およびその他のクラウドデータフローシステムと統合できます。

LIBSVMは、サポートベクター分類（C-SVC、NU-SVC）、回帰（Epsilon-SVR、NU-SVR）および分布推定（1クラスSVM）の統合ソフトウェアです。マルチクラスの分類をサポートします。

Scikit-Learnは、データマイニングとデータ分析のためのシンプルで効率的なツールです。 Numpy、Scipy、Mathplotlibの上に構築されています。

Xcodeには、開発者がMac、iPhone、iPad、Apple TV、Apple Watchに優れたアプリケーションを作成するために必要なすべてのものが含まれています。 Xcodeは、開発者にユーザーインターフェイスの設計、コーディング、テスト、デバッグ用の統一されたワークフローを提供します。 Xcodeは、IntelベースのCPUおよびAppleシリコンで100％ネイティブに実行されるユニバーサルアプリとして構築されています。これには、AppleシリコンとIntel X86_64 CPUでネイティブに実行されるアプリを構築するために必要なすべてのフレームワーク、コンパイラ、デバッガー、およびその他のツールを備えたUnified MacOS SDKが含まれています。

Swiftuiは、アプリのユーザーインターフェイスを宣言するためのビュー、コントロール、およびレイアウト構造を提供するユーザーインターフェイスツールキットです。 SwiftUIフレームワークは、アプリケーションにタップ、ジェスチャー、その他の種類の入力を配信するためのイベントハンドラーを提供します。

UIKITは、iOSまたはTVOSアプリに必要なインフラストラクチャを提供するフレームワークです。インターフェイスを実装するためのウィンドウとビューアーキテクチャ、アプリにマルチタッチやその他の種類の入力を配信するためのイベント処理インフラストラクチャ、およびユーザー、システム、アプリ間のインタラクションを管理するために必要なメインの実行ループが提供されます。

AppKitは、Windows、パネル、ボタン、メニュー、スクラー、テキストフィールドなどのMacOSアプリにユーザーインターフェイスを実装するために必要なすべてのオブジェクトを含むグラフィカルユーザーインターフェイスツールキットです。画面に描画し、ハードウェアデバイスと画面バッファーと通信し、描画する前に画面の領域をクリアし、ビューをクリップします。

Arkitは、Appleが開発したiOS向けに開発者が拡張現実アプリを構築できるようにするソフトウェア開発ツールのセットです。最新バージョンのArkit 3.5は、iPad Pro（2020）の新しいLidarスキャナーと深度センシングシステムを利用して、シーンジオメトリを使用してシーンの理解とオブジェクトの閉塞を使用する新しい世代のARアプリをサポートしています。

RealityKitは、ARKITフレームワークが提供する情報を使用して、仮想オブジェクトを現実世界にシームレスに統合するために、高性能の3Dシミュレーションとレンダリングを実装するフレームワークです。

SceneKitは、iOSアプリで3Dアニメーションシーンとエフェクトを作成するのに役立つ高レベルの3Dグラフィックスフレームワークです。

Instrumentsは、Xcodeツールセットの一部である強力で柔軟なパフォーマンス分析およびテストツールです。 iOS、WatchOS、TVOS、およびMACOSアプリ、プロセス、およびデバイスのプロファイルを提供して、動作とパフォーマンスをよりよく理解して最適化するのに役立つように設計されています。

Cocoapodsは、Xcodeプロジェクトで使用されるSwiftおよびObjective-Cの依存マネージャーであり、プロジェクトの依存関係を単純なテキストファイルで指定します。その後、ココアポッドはライブラリ間の依存関係を再帰的に解決し、すべての依存関係のソースコードを取得し、プロジェクトを構築するためのXcodeワークスペースを作成および維持します。

AppCodeは、コードの品質を常に監視しています。エラーや匂いを警告し、自動的に解決するためにクイックフィックスを提案します。 AppCodeは、Objective-C、Swift、C/C ++のコード検査、および他のサポートされている言語のコード検査を多数提供しています。

深い学習開発

トップに戻ります

深い学習学習リソース

ディープラーニングは機械学習のサブセットであり、本質的に3つ以上の層を持つニューラルネットワークです。しかし、これらのニューラルネットワークは、人間の脳の挙動をシミュレートしようとしますが、その能力とはほど遠いものです。これにより、ニューラルネットワークは大量のデータから「学習」できます。学習は、監督、半教師、または監視なしで監督することができます。

ディープラーニングオンラインコース|エヌビディア

オンラインでトップディープラーニングコース| Coursera

オンラインでトップディープラーニングコース|ウデミー

オンラインコースとレッスンで深い学習を学ぶ| edX

ディープラーニングオンラインコースnanodegree | udacity

Andrew Ng |による機械学習コースCoursera

Andrew NgによるMachine Learning Engineering（MLOPS）コース| Coursera

データサイエンス：Pythonの深い学習とニューラルネットワーク|ウデミー

Pythonで機械学習を理解する|複数lalsight

機械学習アルゴリズムについて考える方法|複数lalsight

ディープラーニングコース|スタンフォードオンライン

ディープラーニング-UWプロフェッショナル教育と継続教育

ディープラーニングオンラインコース|ハーバード大学

すべてのコースのための機械学習|データキャンプ

人工知能エキスパートコース：プラチナエディション|ウデミー

オンラインでトップの人工知能コース| Coursera

オンラインコースとレッスンで人工知能を学びます| edX

人工知能のためのコンピューターサイエンスの専門的な証明書| edX

人工知能ナノデグリープログラム

人工知能（AI）オンラインコース| udacity

人工知能コースへのイントロ| udacity

IoT DevelopersコースのエッジAI | udacity

推論：ゴールツリーとルールベースのエキスパートシステム| MIT OpenCourseware

専門家システムと適用された人工知能

自律システム-MicrosoftAI

Microsoft Project Bonsaiの紹介

Microsoft Autonomous Systems Platformを使用したマシンティーチング

自律的な海上システムトレーニング| AMC検索

オンラインでトップ自律車コース|ウデミー

適用制御システム1：自動運転車：Math + PID + MPC |ウデミー

オンラインコースとレッスンで自律的なロボット工学を学ぶ| edX

人工知能ナノデグリープログラム

自律システムオンラインコースとプログラム| udacity

IoT開発者のエッジAIコース| udacity

自律システムMOOCおよび無料のオンラインコース| MOOCリスト

ロボット工学と自律システム大学院プログラム|スタンフォードオンライン

モバイル自律システム研究所| MIT OpenCourseware

ディープラーニングツール、ライブラリ、フレームワーク

Nvidia Cudnnは、深いニューラルネットワーク用のPrimitivesのGPU加速ライブラリです。 Cudnnは、前方および後方の畳み込み、プーリング、正規化、活性化層などの標準的なルーチンに高度に調整された実装を提供します。 Cudnnは、Caffe2、Chainer、Keras、Matlab、Mxnet、Pytorch、Tensorflowなど、広く使用されている深い学習フレームワークを加速します。

NVIDIA DLSS（Deep Learning Super Sampling）は、GeForce RTX™GPUの専用テンソルコアAIプロセッサを使用してグラフィックスパフォーマンスを向上させる一時的な画像アップスケーリングAIレンダリングテクノロジーです。 DLSSは、深い学習ニューラルネットワークの力を使用して、フレームレートを上げ、ゲーム用の美しい鋭い画像を生成します。

AMD FidelityFX Super Resolution（FSR）は、低解像度の入力から高解像度フレームを生成するためのオープンソースで高品質のソリューションです。高品質のエッジの作成に特に重点を置いて、最先端の深い学習アルゴリズムのコレクションを使用し、ネイティブの解像度でのレンダリングと比較して、パフォーマンスが大幅に向上します。 FSRは、AMD RDNA™およびAMD RDNA™2アーキテクチャのハードウェアレイトレースなど、費用のかかるレンダリング操作に「実用的なパフォーマンス」を可能にします。

Intel XE Super Sampling（XESS）は、NVIDIAのDLSS（Deep Learning Super Sampling）と同様のグラフィックパフォーマンスを向上させるAIレンダリングテクノロジーをアップスケーリングする一時的な画像です。 IntelのARC GPUアーキテクチャ（2022年初頭）には、XESを実行するための専用のXEコアを特徴とするGPUがあります。 GPUには、ハードウェアアクセラレーションAI処理用のXeマトリックス伸縮マトリックス（XMX）エンジンがあります。 XESSは、統合グラフィックを含むXMXを使用してデバイスで実行できますが、XESSのパフォーマンスはDP4A命令によって搭載されるため、非Intelグラフィックカードでは低くなります。

Jupyter Notebookは、ライブコード、方程式、視覚化、物語テキストを含むドキュメントを作成および共有できるオープンソースWebアプリケーションです。 Jupyterは、データのクリーニングと変換、数値シミュレーション、統計モデリング、データ視覚化、データサイエンス、および機械学習を行う業界で広く使用されています。

Apache Sparkは、大規模なデータ処理のための統一された分析エンジンです。 Scala、Java、Python、およびRで高レベルのAPIを提供し、データ分析のために一般的な計算グラフをサポートする最適化されたエンジンを提供します。 It also supports a rich set of higher-level tools including Spark SQL for SQL and DataFrames, MLlib for machine learning, GraphX for graph processing, and Structured Streaming for stream processing.

Apache Spark Connector for SQL Server and Azure SQL is a high-performance connector that enables you to use transactional data in big data analytics and persists results for ad-hoc queries or reporting. The connector allows you to use any SQL database, on-premises or in the cloud, as an input data source or output data sink for Spark jobs.

Apache PredictionIO is an open source machine learning framework for developers, data scientists, and end users. It supports event collection, deployment of algorithms, evaluation, querying predictive results via REST APIs. It is based on scalable open source services like Hadoop, HBase (and other DBs), Elasticsearch, Spark and implements what is called a Lambda Architecture.

Cluster Manager for Apache Kafka(CMAK) is a tool for managing Apache Kafka clusters.

BigDL is a distributed deep learning library for Apache Spark. With BigDL, users can write their deep learning applications as standard Spark programs, which can directly run on top of existing Spark or Hadoop clusters.

Eclipse Deeplearning4J (DL4J) is a set of projects intended to support all the needs of a JVM-based(Scala, Kotlin, Clojure, and Groovy) deep learning application. This means starting with the raw data, loading and preprocessing it from wherever and whatever format it is in to building and tuning a wide variety of simple and complex deep learning networks.

Deep Learning Toolbox™ is a tool that provides a framework for designing and implementing deep neural networks with algorithms, pretrained models, and apps. You can use convolutional neural networks (ConvNets, CNNs) and long short-term memory (LSTM) networks to perform classification and regression on image, time-series, and text data. You can build network architectures such as generative adversarial networks (GANs) and Siamese networks using automatic differentiation, custom training loops, and shared weights. With the Deep Network Designer app, you can design, analyze, and train networks graphically. It can exchange models with TensorFlow™ and PyTorch through the ONNX format and import models from TensorFlow-Keras and Caffe. The toolbox supports transfer learning with DarkNet-53, ResNet-50, NASNet, SqueezeNet and many other pretrained models.

Reinforcement Learning Toolbox™ is a tool that provides an app, functions, and a Simulink® block for training policies using reinforcement learning algorithms, including DQN, PPO, SAC, and DDPG. You can use these policies to implement controllers and decision-making algorithms for complex applications such as resource allocation, robotics, and autonomous systems.

Deep Learning HDL Toolbox™ is a tool that provides functions and tools to prototype and implement deep learning networks on FPGAs and SoCs. It provides pre-built bitstreams for running a variety of deep learning networks on supported Xilinx® and Intel® FPGA and SoC devices. Profiling and estimation tools let you customize a deep learning network by exploring design, performance, and resource utilization tradeoffs.

Parallel Computing Toolbox™ is a tool that lets you solve computationally and data-intensive problems using multicore processors, GPUs, and computer clusters. High-level constructs such as parallel for-loops, special array types, and parallelized numerical algorithms enable you to parallelize MATLAB® applications without CUDA or MPI programming. The toolbox lets you use parallel-enabled functions in MATLAB and other toolboxes. You can use the toolbox with Simulink® to run multiple simulations of a model in parallel. Programs and models can run in both interactive and batch modes.

XGBoost is an optimized distributed gradient boosting library designed to be highly efficient, flexible and portable. It implements machine learning algorithms under the Gradient Boosting framework. XGBoost provides a parallel tree boosting (also known as GBDT, GBM) that solve many data science problems in a fast and accurate way. It supports distributed training on multiple machines, including AWS, GCE, Azure, and Yarn clusters. Also, it can be integrated with Flink, Spark and other cloud dataflow systems.

LIBSVM is an integrated software for support vector classification, (C-SVC, nu-SVC), regression (epsilon-SVR, nu-SVR) and distribution estimation (one-class SVM). It supports multi-class classification.

Scikit-Learn is a simple and efficient tool for data mining and data analysis. It is built on NumPy,SciPy, and mathplotlib.

TensorFlow is an end-to-end open source platform for machine learning. It has a comprehensive, flexible ecosystem of tools, libraries and community resources that lets researchers push the state-of-the-art in ML and developers easily build and deploy ML powered applications.

Keras is a high-level neural networks API, written in Python and capable of running on top of TensorFlow, CNTK, or Theano.It was developed with a focus on enabling fast experimentation. It is capable of running on top of TensorFlow, Microsoft Cognitive Toolkit, R, Theano, or PlaidML.

PyTorch is a library for deep learning on irregular input data such as graphs, point clouds, and manifolds. Primarily developed by Facebook's AI Research lab.

Azure Databricks is a fast and collaborative Apache Spark-based big data analytics service designed for data science and data engineering. Azure Databricks, sets up your Apache Spark environment in minutes, autoscale, and collaborate on shared projects in an interactive workspace. Azure Databricks supports Python, Scala, R, Java, and SQL, as well as data science frameworks and libraries including TensorFlow, PyTorch, and scikit-learn.

Microsoft Cognitive Toolkit (CNTK) is an open-source toolkit for commercial-grade distributed deep learning. It describes neural networks as a series of computational steps via a directed graph. CNTK allows the user to easily realize and combine popular model types such as feed-forward DNNs, convolutional neural networks (CNNs) and recurrent neural networks (RNNs/LSTMs). CNTK implements stochastic gradient descent (SGD, error backpropagation) learning with automatic differentiation and parallelization across multiple GPUs and servers.

Tensorflow_macOS is a Mac-optimized version of TensorFlow and TensorFlow Addons for macOS 11.0+ accelerated using Apple's ML Compute framework.

Apache Airflow is an open-source workflow management platform created by the community to programmatically author, schedule and monitor workflows.インストール。 Principles. Scalable. Airflow has a modular architecture and uses a message queue to orchestrate an arbitrary number of workers. Airflow is ready to scale to infinity.

Open Neural Network Exchange(ONNX) is an open ecosystem that empowers AI developers to choose the right tools as their project evolves. ONNX provides an open source format for AI models, both deep learning and traditional ML. It defines an extensible computation graph model, as well as definitions of built-in operators and standard data types.

Apache MXNet is a deep learning framework designed for both efficiency and flexibility. It allows you to mix symbolic and imperative programming to maximize efficiency and productivity. At its core, MXNet contains a dynamic dependency scheduler that automatically parallelizes both symbolic and imperative operations on the fly. A graph optimization layer on top of that makes symbolic execution fast and memory efficient. MXNet is portable and lightweight, scaling effectively to multiple GPUs and multiple machines. Support for Python, R, Julia, Scala, Go, Javascript and more.

AutoGluon is toolkit for Deep learning that automates machine learning tasks enabling you to easily achieve strong predictive performance in your applications. With just a few lines of code, you can train and deploy high-accuracy deep learning models on tabular, image, and text data.

Anaconda is a very popular Data Science platform for machine learning and deep learning that enables users to develop models, train them, and deploy them.

PlaidML is an advanced and portable tensor compiler for enabling deep learning on laptops, embedded devices, or other devices where the available computing hardware is not well supported or the available software stack contains unpalatable license restrictions.

OpenCV is a highly optimized library with focus on real-time computer vision applications. The C++, Python, and Java interfaces support Linux, MacOS, Windows, iOS, and Android.

Scikit-Learn is a Python module for machine learning built on top of SciPy, NumPy, and matplotlib, making it easier to apply robust and simple implementations of many popular machine learning algorithms.

Weka is an open source machine learning software that can be accessed through a graphical user interface, standard terminal applications, or a Java API. It is widely used for teaching, research, and industrial applications, contains a plethora of built-in tools for standard machine learning tasks, and additionally gives transparent access to well-known toolboxes such as scikit-learn, R, and Deeplearning4j.

Caffe is a deep learning framework made with expression, speed, and modularity in mind. It is developed by Berkeley AI Research (BAIR)/The Berkeley Vision and Learning Center (BVLC) and community contributors.

Theano is a Python library that allows you to define, optimize, and evaluate mathematical expressions involving multi-dimensional arrays efficiently including tight integration with NumPy.

Microsoft Project Bonsai is a low-code AI platform that speeds AI-powered automation development and part of the Autonomous Systems suite from Microsoft. Bonsai is used to build AI components that can provide operator guidance or make independent decisions to optimize process variables, improve production efficiency, and reduce downtime.

Microsoft AirSim is a simulator for drones, cars and more, built on Unreal Engine (with an experimental Unity release). AirSim is open-source, cross platform, and supports software-in-the-loop simulation with popular flight controllers such as PX4 & ArduPilot and hardware-in-loop with PX4 for physically and visually realistic simulations. It is developed as an Unreal plugin that can simply be dropped into any Unreal environment. AirSim is being developed as a platform for AI research to experiment with deep learning, computer vision and reinforcement learning algorithms for autonomous vehicles.

CARLA is an open-source simulator for autonomous driving research. CARLA has been developed from the ground up to support development, training, and validation of autonomous driving systems. In addition to open-source code and protocols, CARLA provides open digital assets (urban layouts, buildings, vehicles) that were created for this purpose and can be used freely.

ROS/ROS2 bridge for CARLA(package) is a bridge that enables two-way communication between ROS and CARLA. The information from the CARLA server is translated to ROS topics. In the same way, the messages sent between nodes in ROS get translated to commands to be applied in CARLA.

ROS Toolbox is a tool that provides an interface connecting MATLAB® and Simulink® with the Robot Operating System (ROS and ROS 2), enabling you to create a network of ROS nodes. The toolbox includes MATLAB functions and Simulink blocks to import, analyze, and play back ROS data recorded in rosbag files. You can also connect to a live ROS network to access ROS messages.

Robotics Toolbox™ provides a toolbox that brings robotics specific functionality(designing, simulating, and testing manipulators, mobile robots, and humanoid robots) to MATLAB, exploiting the native capabilities of MATLAB (linear algebra, portability, graphics). The toolbox also supports mobile robots with functions for robot motion models (bicycle), path planning algorithms (bug, distance transform, D*, PRM), kinodynamic planning (lattice, RRT), localization (EKF, particle filter), map building (EKF) and simultaneous localization and mapping (EKF), and a Simulink model a of non-holonomic vehicle. The Toolbox also including a detailed Simulink model for a quadrotor flying robot.

Image Processing Toolbox™ is a tool that provides a comprehensive set of reference-standard algorithms and workflow apps for image processing, analysis, visualization, and algorithm development. You can perform image segmentation, image enhancement, noise reduction, geometric transformations, image registration, and 3D image processing.

Computer Vision Toolbox™ is a tool that provides algorithms, functions, and apps for designing and testing computer vision, 3D vision, and video processing systems. You can perform object detection and tracking, as well as feature detection, extraction, and matching. You can automate calibration workflows for single, stereo, and fisheye cameras. For 3D vision, the toolbox supports visual and point cloud SLAM, stereo vision, structure from motion, and point cloud processing.

Robotics Toolbox™ is a tool that provides a toolbox that brings robotics specific functionality(designing, simulating, and testing manipulators, mobile robots, and humanoid robots) to MATLAB, exploiting the native capabilities of MATLAB (linear algebra, portability, graphics). The toolbox also supports mobile robots with functions for robot motion models (bicycle), path planning algorithms (bug, distance transform, D*, PRM), kinodynamic planning (lattice, RRT), localization (EKF, particle filter), map building (EKF) and simultaneous localization and mapping (EKF), and a Simulink model a of non-holonomic vehicle. The Toolbox also including a detailed Simulink model for a quadrotor flying robot.

Model Predictive Control Toolbox™ is a tool that provides functions, an app, and Simulink® blocks for designing and simulating controllers using linear and nonlinear model predictive control (MPC). The toolbox lets you specify plant and disturbance models, horizons, constraints, and weights. By running closed-loop simulations, you can evaluate controller performance.

Predictive Maintenance Toolbox™ is a tool that lets you manage sensor data, design condition indicators, and estimate the remaining useful life (RUL) of a machine. The toolbox provides functions and an interactive app for exploring, extracting, and ranking features using data-based and model-based techniques, including statistical, spectral, and time-series analysis.

Vision HDL Toolbox™ is a tool that provides pixel-streaming algorithms for the design and implementation of vision systems on FPGAs and ASICs. It provides a design framework that supports a diverse set of interface types, frame sizes, and frame rates. The image processing, video, and computer vision algorithms in the toolbox use an architecture appropriate for HDL implementations.

Automated Driving Toolbox™ is a MATLAB tool that provides algorithms and tools for designing, simulating, and testing ADAS and autonomous driving systems. You can design and test vision and lidar perception systems, as well as sensor fusion, path planning, and vehicle controllers. Visualization tools include a bird's-eye-view plot and scope for sensor coverage, detections and tracks, and displays for video, lidar, and maps. The toolbox lets you import and work with HERE HD Live Map data and OpenDRIVE® road networks. It also provides reference application examples for common ADAS and automated driving features, including FCW, AEB, ACC, LKA, and parking valet. The toolbox supports C/C++ code generation for rapid prototyping and HIL testing, with support for sensor fusion, tracking, path planning, and vehicle controller algorithms.

UAV Toolbox is an application that provides tools and reference applications for designing, simulating, testing, and deploying unmanned aerial vehicle (UAV) and drone applications. You can design autonomous flight algorithms, UAV missions, and flight controllers. The Flight Log Analyzer app lets you interactively analyze 3D flight paths, telemetry information, and sensor readings from common flight log formats.

Navigation Toolbox™ is a tool that provides algorithms and analysis tools for motion planning, simultaneous localization and mapping (SLAM), and inertial navigation. The toolbox includes customizable search and sampling-based path planners, as well as metrics for validating and comparing paths. You can create 2D and 3D map representations, generate maps using SLAM algorithms, and interactively visualize and debug map generation with the SLAM map builder app.

Lidar Toolbox™ is a tool that provides algorithms, functions, and apps for designing, analyzing, and testing lidar processing systems. You can perform object detection and tracking, semantic segmentation, shape fitting, lidar registration, and obstacle detection. Lidar Toolbox supports lidar-camera cross calibration for workflows that combine computer vision and lidar processing.

Mapping Toolbox™ is a tool that provides algorithms and functions for transforming geographic data and creating map displays. You can visualize your data in a geographic context, build map displays from more than 60 map projections, and transform data from a variety of sources into a consistent geographic coordinate system.

Reinforcement Learning Development

Back to the Top

Reinforcement Learning Learning Resources

Reinforcement Learning is a subset of machine learning, which is a neural network with three or more layers. These neural networks attempt to simulate the behavior of the human brain,though, far from matching its ability. This allows the neural networks to "learn" from a process in which a model learns to become more accurate for performing an action in an environment based on feedback in order to maximize the reward. The Learning can be supervised, semi-supervised or unsupervised.

Top Reinforcement Learning Courses | Coursera

Top Reinforcement Learning Courses | Udemy

Top Reinforcement Learning Courses | Udacity

Reinforcement Learning Courses | Stanford Online

Deep Learning Online Courses |エヌビディア

Top Deep Learning Courses Online | Coursera

Top Deep Learning Courses Online | Udemy

Learn Deep Learning with Online Courses and Lessons | edX

Deep Learning Online Course Nanodegree | Udacity

Machine Learning Course by Andrew Ng | Coursera

Machine Learning Engineering for Production (MLOps) course by Andrew Ng | Coursera

Data Science: Deep Learning and Neural Networks in Python | Udemy

Understanding Machine Learning with Python | Pluralsight

How to Think About Machine Learning Algorithms | Pluralsight

Deep Learning Courses | Stanford Online

Deep Learning - UW Professional & Continuing Education

Deep Learning Online Courses |ハーバード大学

Machine Learning for Everyone Courses |データキャンプ

Artificial Intelligence Expert Course: Platinum Edition | Udemy

Top Artificial Intelligence Courses Online | Coursera

Learn Artificial Intelligence with Online Courses and Lessons | edX

Professional Certificate in Computer Science for Artificial Intelligence | edX

Artificial Intelligence Nanodegree program

Artificial Intelligence (AI) Online Courses | Udacity

Intro to Artificial Intelligence Course | Udacity

Edge AI for IoT Developers Course | Udacity

Reasoning: Goal Trees and Rule-Based Expert Systems | MIT OpenCourseWare

Expert Systems and Applied Artificial Intelligence

Autonomous Systems - Microsoft AI

Introduction to Microsoft Project Bonsai

Machine teaching with the Microsoft Autonomous Systems platform

Autonomous Maritime Systems Training | AMC Search

Top Autonomous Cars Courses Online | Udemy

Applied Control Systems 1: autonomous cars: Math + PID + MPC | Udemy

Learn Autonomous Robotics with Online Courses and Lessons | edX

Artificial Intelligence Nanodegree program

Autonomous Systems Online Courses & Programs | Udacity

Edge AI for IoT Developers Course | Udacity

Autonomous Systems MOOC and Free Online Courses | MOOC List

Robotics and Autonomous Systems Graduate Program | Standford Online

Mobile Autonomous Systems Laboratory | MIT OpenCourseWare

Reinforcement Learning Tools, Libraries, and Frameworks

OpenAI is an open source Python library for developing and comparing reinforcement learning algorithms by providing a standard API to communicate between learning algorithms and environments, as well as a standard set of environments compliant with that API.

ReinforcementLearning.jl is a collection of tools for doing reinforcement learning research in Julia.

Reinforcement Learning Toolbox™ is a tool that provides an app, functions, and a Simulink® block for training policies using reinforcement learning algorithms, including DQN, PPO, SAC, and DDPG. You can use these policies to implement controllers and decision-making algorithms for complex applications such as resource allocation, robotics, and autonomous systems.

Amazon SageMaker is a fully managed service that provides every developer and data scientist with the ability to build, train, and deploy machine learning (ML) models quickly.

AWS RoboMaker is a service that provides a fully-managed, scalable infrastructure for simulation that customers use for multi-robot simulation and CI/CD integration with regression testing in simulation.

TensorFlow is an end-to-end open source platform for machine learning. It has a comprehensive, flexible ecosystem of tools, libraries and community resources that lets researchers push the state-of-the-art in ML and developers easily build and deploy ML powered applications.

Keras is a high-level neural networks API, written in Python and capable of running on top of TensorFlow, CNTK, or Theano.It was developed with a focus on enabling fast experimentation. It is capable of running on top of TensorFlow, Microsoft Cognitive Toolkit, R, Theano, or PlaidML.

PyTorch is a library for deep learning on irregular input data such as graphs, point clouds, and manifolds. Primarily developed by Facebook's AI Research lab.

Scikit-Learn is a simple and efficient tool for data mining and data analysis. It is built on NumPy,SciPy, and mathplotlib.

NVIDIA cuDNN is a GPU-accelerated library of primitives for deep neural networks. cuDNN provides highly tuned implementations for standard routines such as forward and backward convolution, pooling, normalization, and activation layers. cuDNN accelerates widely used deep learning frameworks, including Caffe2, Chainer, Keras, MATLAB, MxNet, PyTorch, and TensorFlow.

Jupyter Notebook is an open-source web application that allows you to create and share documents that contain live code, equations, visualizations and narrative text. Jupyter is used widely in industries that do data cleaning and transformation, numerical simulation, statistical modeling, data visualization, data science, and machine learning.

Apache Spark is a unified analytics engine for large-scale data processing. It provides high-level APIs in Scala, Java, Python, and R, and an optimized engine that supports general computation graphs for data analysis. It also supports a rich set of higher-level tools including Spark SQL for SQL and DataFrames, MLlib for machine learning, GraphX for graph processing, and Structured Streaming for stream processing.