ダウンロードと新規登録
無料で$5のクーポンをゲット
日本語
入門ガイド 特徴紹介

大人気のGithub機械学習アイテムをご紹介 5選 - ScrapeStorm

2021-01-11 20:04:33
89 views

摘要:この記事は七つの人気があるGitHub機械学習アイテムを紹介します。これらのアイテムは、自然言語処理(NLP)、コンピュータービジョン、ビッグデータなど、さまざまな機械学習の分野を含まれています。 ScrapeStorm無料ダウンロード

この記事は七つの人気があるGitHub機械学習アイテムを紹介します。これらのアイテムは、自然言語処理(NLP)、コンピュータービジョン、ビッグデータなど、さまざまな機械学習の分野を含まれています。

1.PyTorch-Transformers

リンク:https://github.com/huggingface/pytorch-transformers

NLPはテキストの処理方式を変えて、その強さは言葉で説明できないほどです。

PyTorch-Tirans formersが最も遅く出現しましたが、各種NLPタスクに既にある基準を打ち破りました。PyTorchの実装などその他の需要な要素を含めて、初心者の入門を助けます。

下記の記事はPyTorch-Transformersを詳しく分析します。ご参照ください。

①https://www.analyticsvidhya.com/blog/2019/07/pytorch-transformers-nlp-python/?utm_source=blog&utm_medium=7-innovative-machine-learning-github-projects-in-python

②https://www.analyticsvidhya.com/blog/2019/03/pretrained-models-get-started-nlp/?utm_source=blog&utm_medium=7

-innovative-machine-learning-github-projects-in-python

③https://www.analyticsvidhya.com/blog/2018/02/pytorch-tutorial/?utm_source=blog&utm_medium=7-innovative-machine-learning-github-projects-in-python

2. TDEngine

リンク:https://github.com/taosdata/TDengine

TDEngineデータベースは、ほぼ1か月足らずで10,000近くのStarを蓄積しています。

TDEngineは、オープンソースビッグデータプラットフォームです。下記の分野に注目しています。

・モノのインターネット(IoT)

・車両のインターネット

・ITインフラストラクチャなど。

現在、注意すべき点が1つあります。TDEngineはLinuxのみをサポートしています。データエンジニア向けのリソースガイドを読むことをお勧めします。

https://www.analyticsvidhya.com/blog/2018/11/data-engineer-comprehensive-list-resources-get-started/?utm_source=blog&utm_medium=7-innovative-machine-learning-github-projects-in-python

3.Video Object Removal

リンク:https://github.com/zllrunning/video-object-removal

コンピュータビジョンは画像を操作して処理するためのものであり、非常に先進的な技術です。コンピュータビジョンの専門家になるには、画像の目標検出が必須とされています。ビデオはどうですか? 複数のビデオでターゲットの境界ボックスを描画する場合、それは単純に見えますが、実際の難易度はそれよりはるかに高く、ターゲットの動的な性質によりタスクがより複雑になります。

したがって、Video Object Removalは優れています。ビデオ内のターゲットの周囲に境界ボックスを描画する限り、それを削除できます。

下記の記事は素早く入門に役たちます。

https://courses.analyticsvidhya.com/courses/computer-vision-using-deep-learning-version2/?utm_source=blog&utm_medium=7-innovative-machine-learning-github-projects-in-python

4.Python Autocomplete

リンク:https://github.com/vpj/python_autocomplete

データ科学者の大部分の仕事は各種アルゴリズムを試験することです。Python AutocompleteはLSTMの簡単なモデルを使って自動的にPythonコードを書き上げることができます。

LSTMの詳細は下記の記事をご参照ください。

https://www.analyticsvidhya.com/blog/2017/12/fundamentals-of-deep-learning-introduction-to-lstm/?utm_source=blog&utm_medium=7-innovative-machine-learning-github-projects-in-python

5.MedicalNet

MedicalNetは、医療データセットをさまざまなモダリティ、ターゲット臓器、および病状と組み合わせて、より大きなデータセットを構築します。

ご存知のとおり、モデル学習モデルは大量のトレーニングデータが必要ですが、TenCentが発表したMedicalNetは素晴らしいオープンソースプロジェクトです。ぜひ試してみてください。

下記の記事をご参照になれば幸いです。

Https://www.analyticsvidhya.com/blog/2017/06/transfer-learning-the-art-of-fine-tuning-a-pre-trained-model/?utm_source=blog&utm_medium=7-innovative-machine-learning-github-projects-in-python

免責事項: 本文はユーザーが提供して、侵害がありましたら、ご連絡してすぐに削除します。ScrapeStormは、ユーザーが本ソフトウェアを使って行うすべての行為に対して、一切責任を負いません。

关闭