AutoX:高效的自动化 #机器学习 #工具 ,主要针对表格类型的数据挖掘竞赛。特点包括:

●效果出色: AutoX在多个kaggle数据集上,效果显著优于其他解决方案(见效果对比)。
●简单易用: AutoX的接口和sklearn类似,方便上手使用。
●通用: 适用于分类和回归问题。
●自动化: 无需人工干预,全自动的数据清洗、特征工程、模型调参等步骤。
●灵活性: 各组件解耦合,能单独使用,对于自动机器学习效果不满意的地方,可以结合专家知识,AutoX提供灵活的接口。
●比赛上分点总结:整理并公开历史比赛的上分点。
Tangram:让程序员训练、部署和监控机器学习模型更容易的自动化 #命令行 #工具
Media is too big
VIEW IN TELEGRAM
QuaPy 是一个用 Python 编写的开源 #框架 ,用于量化(又名监督流行率估计,或学习量化)。

QuaPy 基于“数据样本”的概念,提供量化工作流最重要方面的实现,例如(基线和高级)量化方法、面向量化的模型选择机制、评估措施和评估协议用于评估量化方法。QuaPy 还提供常用数据集,并提供可视化工具以促进实验结果的分析和解释
Kaggle推出Community Competitions社区竞赛:任何人都可以为自己的学校、企业或社区创建和举办竞赛,无需支付任何费用
YY 在 GitHub 开源的一款高性能、轻量级神经网络部署 #框架VNN

可将真实人脸快速转换为迪士尼、3D 游戏、油画画像风格的人脸外形,并提供了适配多场景的目标检测、物品分割、对象识别等功能。

已为 Hago、VOO、VFlyCloud、VFly、 马克水印相机等 App 提供 20 余种 AI 能力的支持,覆盖直播、短视频、视频编辑等泛娱乐场景和工程场景
动手学深度学习 2.0》中文 beta 版本近日已在 GitHub 开源,内容将持续更新。是一本面向中文读者的能运行、可讨论的深度学习教科书,含 NumPy/MXNet、PyTorch 和 TensorFlow 实现,已被全球 55 个国家 300 所大学用于教学 #深度学习
开源技术书籍:《现代 CPU 性能分析与调优》。

此书是一本 170 页的 #指南 ,结合了多个不同行业的专家知识,讲解CPU微体系结构、性能分析技巧,以及相关的工具与建议参考等内容
Back to Top