PyVerse Exploring Python Frameworks
1.0.0
Willkommen bei Pyverse von Tushar Aggarwal, Ihrem ultimativen Leitfaden zur Erkundung und Beherrschung von Python -Frameworks! Dieses Repository soll Ihnen helfen, die riesige Landschaft von Python -Frameworks zu steuern und ihre Funktionen, Anwendungsfälle und Best Practices zu verstehen.
Python hat sich dank seiner Einfachheit, Vielseitigkeit und einem riesigen Ökosystem zu einer der beliebtesten Programmiersprachen in den letzten Jahren entwickelt. Einer der Schlüsselfaktoren, die zum Erfolg von Python beitragen, ist die reichhaltige Sammlung von Rahmenbedingungen, die verschiedene Bereiche und Zwecke bedienen. Pyverse zielt darauf ab, einen umfassenden Überblick über diese Frameworks zu geben und Sie zu befähigen, fundierte Entscheidungen zu treffen und die richtigen Tools für Ihre Projekte zu nutzen.
Pyverse deckt eine breite Palette von Python -Frameworks ab, einschließlich Webrahmen, maschinelles Lernrahmen, Datenanalyse -Frameworks, Spieleentwicklungsrahmen und vielem mehr. Für jedes Framework finden Sie detaillierte Informationen, Tutorials und Codebeispiele.
Jeder Rahmen in Pyverse wird von umfassenden Dokumentationen begleitet und bietet einen Überblick über die Kernkonzepte, Installationsanweisungen, Verwendungsbeispiele und Tipps für eine effektive Entwicklung.
Pyverse geht über die Theorie hinaus, indem es praktische Beispiele und Beispielprojekte anbietet, die die Fähigkeiten verschiedener Python -Frameworks demonstrieren. Sie können diese Beispiele untersuchen, um praktische Erfahrungen zu sammeln und zu erfahren, wie Sie die Frameworks in realen Szenarien anwenden können.
Wir glauben an die Macht der Zusammenarbeit, und Pyverse begrüßt Beiträge der Gemeinschaft. Unabhängig davon, ob Sie einen Fehler beheben, die Dokumentation verbessern oder ein neues Framework hinzufügen, sind Ihre Beiträge hoch geschätzt. Weitere Informationen finden Sie in unseren Beitragsrichtlinien, um loszulegen.
Befolgen Sie die folgenden Schritte, um mit Pyverse zu beginnen:
Wir haben eine aufregende Roadmap für Pyverse:
Bleiben Sie auf dem Laufenden für Updates!
Treten Sie der Pyverse Community bei, um sich mit anderen Entwicklern zu verbinden, Fragen zu stellen, Ihre Erfahrungen zu teilen und mit den neuesten Entwicklungen auf dem Laufenden zu bleiben. Kontaktieren Sie @ [email protected]
| S.no. | Verwendet für | Lib, Framework & Tech |
|---|---|---|
| 1 | Datenwissenschaft | Pandas |
| 2 | Datenwissenschaft | Numpy |
| 3 | Datenwissenschaft | Seeborn |
| 4 | Datenwissenschaft | Scipy |
| 5 | Datenwissenschaft | Matplotlib |
| 6 | Maschinelles Lernen | Scikit-Learn |
| 7 | Maschinelles Lernen | Pytorch |
| 8 | Maschinelles Lernen | Tensorflow |
| 9 | Maschinelles Lernen | Xgboost |
| 10 | Maschinelles Lernen | Lightgbm |
| 12 | Maschinelles Lernen | Keras |
| 13 | Maschinelles Lernen | Pykarett |
| 14 | Mlops | Mlflow |
| 15 | Mlops | Kubeflow |
| 16 | Mlops | Zenml |
| 17 | Erklärbare AI | Form |
| 18 | Erklärbare AI | Kalk |
| 19 | Erklärbare AI | Interpretieren |
| 20 | Textverarbeitung | Spacy |
| 21 | Textverarbeitung | NLTK |
| 22 | Textverarbeitung | Textblob |
| 23 | Textverarbeitung | Coreenlp |
| 24 | Textverarbeitung | Gensim |
| 25 | Textverarbeitung | Regex |
| 26 | Bildverarbeitung | Opencv |
| 27 | Bildverarbeitung | Scikit-Image |
| 28 | Bildverarbeitung | Kissen |
| 29 | Bildverarbeitung | Mahotas |
| 30 | Bildverarbeitung | Simpleitk |
| 31 | Web Framework | Flasche |
| 32 | Web Framework | Fastapi |
| 33 | Web Framework | Django |
| 34 | Web Framework | Bindestrich |
| 35 | Web Framework | Pyramide |
| 36 | Web -Scraping | Schöne Gruppe |
| 37 | Web -Scraping | Scrapy |
| 38 | Web -Scraping | Selen |
| 39 | Datenvisualisierung | Handlung |
| 40 | Datenvisualisierung | Tableau |
| 41 | Datenvisualisierung | Bokeh |
| 42 | Datenvisualisierung | Ggplot |
| 43 | Verarbeitung natürlicher Sprache | Transformator |
| 44 | Verarbeitung natürlicher Sprache | Bert |
| 45 | Verarbeitung natürlicher Sprache | Word2Vec |
| 46 | Verarbeitung natürlicher Sprache | Handschuh |
| 47 | Verarbeitung natürlicher Sprache | Elmo |
| 48 | Verstärkungslernen | Openai Fitnessstudio |
| 49 | Verstärkungslernen | Dopamin |
| 50 | Verstärkungslernen | Pybullet |
| 51 | Verstärkungslernen | Stabile Baselines3 |
| 52 | Cloud Computing | AWS |
| 53 | Cloud Computing | Google Cloud |
| 54 | Cloud Computing | Microsoft Azure |
| 55 | Cloud Computing | IBM Cloud |
| 56 | Cloud Computing | Heroku |
| 57 | Datenbankverwaltung | Mysql |
| 58 | Datenbankverwaltung | PostgreSQL |
| 59 | Datenbankverwaltung | MongoDb |
| 60 | Datenbankverwaltung | Sqlite |
| 61 | Datenbankverwaltung | Oracle -Datenbank |
| 62 | Tiefes Lernen | Faltungsnetzwerke (CNN) |
| 63 | Tiefes Lernen | Wiederkehrende neuronale Netzwerke (RNN) |
| 64 | Tiefes Lernen | Generative kontroverse Netzwerke (Gans) |
| 65 | Tiefes Lernen | Autoencoder |
| 66 | Tiefes Lernen | Übertragungslernen |
| 67 | Zeitreihenanalyse | Arima |
| 68 | Zeitreihenanalyse | Prophet |
| 69 | Zeitreihenanalyse | Exponentielle Glättung |
| 70 | Zeitreihenanalyse | Sarima |
| 71 | Zeitreihenanalyse | Saisonale Zersetzung von Zeitreihen (STL) |
| 72 | Statistiken | Hypothesentest |
| 73 | Statistiken | Regressionsanalyse |
| 74 | Statistiken | Anova |
| 75 | Statistiken | Bayes'sche Inferenz |
| 76 | Statistiken | Hauptkomponentenanalyse (PCA) |
| 77 | Computer Vision | Objekterkennung |
| 78 | Computer Vision | Bildsegmentierung |
| 79 | Computer Vision | Gesichtserkennung |
| 80 | Computer Vision | Optische Charaktererkennung (OCR) |
| 81 | Computer Vision | Instanzsegmentierung |
| 82 | Empfehlungssysteme | Kollaborative Filterung |
| 83 | Empfehlungssysteme | Inhaltsbasierte Filterung |
| 84 | Empfehlungssysteme | Matrixfaktorisierung |
| 85 | Empfehlungssysteme | Verbandsregeln |
| 86 | Empfehlungssysteme | Deep Learning für Empfehlungssysteme |
| 87 | Unbeaufsichtigtes Lernen | K-Means Clustering |
| 88 | Unbeaufsichtigtes Lernen | Hierarchische Clustering |
| 89 | Unbeaufsichtigtes Lernen | Dimensionsreduzierung |
| 90 | Unbeaufsichtigtes Lernen | Assoziationsregeln Mining |
| 91 | Unbeaufsichtigtes Lernen | Gaußsche Mischungsmodelle (GMM) |
| 92 | Netzwerkanalyse | Graphentheorie |
| 93 | Netzwerkanalyse | Analyse des sozialen Netzwerks |
| 94 | Netzwerkanalyse | Gemeinschaftserkennung |
| 95 | Netzwerkanalyse | Verbindungsvorhersage |
| 96 | Netzwerkanalyse | Zentralitätsmaßnahmen |
| 97 | Cloud Computing | Amazon S3 |
| 98 | Cloud Computing | Docker |
| 99 | Cloud Computing | Kubernetes |
| 100 | Cloud Computing | Serverloses Computer |
| 101 | Verarbeitung natürlicher Sprache | Genannte Entitätserkennung (NER) |
| 102 | Verarbeitung natürlicher Sprache | Stimmungsanalyse |
| 103 | Verarbeitung natürlicher Sprache | Themenmodellierung |
| 104 | Verarbeitung natürlicher Sprache | Abhängigkeits Parsen |
| 105 | Verarbeitung natürlicher Sprache | Textklassifizierung |
| 106 | Empfehlungssysteme | Hybrid -Empfehlungssysteme |
| 107 | Empfehlungssysteme | Kontext -Empfehlungssysteme |
| 108 | Empfehlungssysteme | Sequentielle Empfehlungssysteme |
| 109 | Empfehlungssysteme | Faktorisierungsmaschinen |
| 110 | Empfehlungssysteme | Tiefe Verstärkungslernen für Empfehlungssysteme |
| 111 | Optimierung | Lineare Programmierung |
| 112 | Optimierung | Nichtlineare Programmierung |
| 113 | Optimierung | Ganzzahlprogrammierung |
| 114 | Optimierung | Konvexe Optimierung |
| 115 | Optimierung | Heuristische Optimierung |
| 116 | Verteilte Systeme | Apache Hadoop |
| 117 | Verteilte Systeme | Apache Funken |
| 118 | Verteilte Systeme | Apache Kafka |
| 119 | Verteilte Systeme | Apache Flink |
| 120 | Verteilte Systeme | Apache Cassandra |
| 121 | Generation der natürlichen Sprache | Vorlagenbasierte Generation |
| 122 | Generation der natürlichen Sprache | Regelbasierte Generation |
| 123 | Generation der natürlichen Sprache | Statistische Sprachgenerierung |
| 124 | Generation der natürlichen Sprache | Generation der neuronalen Sprache |
| 125 | Generation der natürlichen Sprache | Inhaltsplanung |
| 126 | Verstärkungslernen | Monte Carlo -Methoden |
| 127 | Verstärkungslernen | Q-Learning |
| 128 | Verstärkungslernen | Richtliniengradientenmethoden |
| 129 | Verstärkungslernen | Schauspieler-kritische Methoden |
| 130 | Verstärkungslernen | Modellbasiertes Verstärkungslernen |
| 131 | Robotik | ROS (Roboter -Betriebssystem) |
| 132 | Robotik | Slam (gleichzeitige Lokalisierung und Zuordnung) |
| 133 | Robotik | Inverse Kinematik |
| 134 | Robotik | Verstärkungslernen für Robotik |
| 135 | Robotik | Bewegungsplanung |
| 136 | Big -Data -Verarbeitung | Apache Bienenstock |
| 137 | Big -Data -Verarbeitung | Apache Schwein |
| 138 | Big -Data -Verarbeitung | Apache Sturm |
| 139 | Big -Data -Verarbeitung | Apache Strahl |
| 140 | Big -Data -Verarbeitung | Apache -Flume |
| 141 | Generative Modelle | Variations Autoencoder (VAES) |
| 142 | Generative Modelle | Generative kontroverse Netzwerke (Gans) |
| 143 | Generative Modelle | Aufflussbasierte Modelle |
| 144 | Generative Modelle | Automatisch angrenzende Modelle |
| 145 | Generative Modelle | Generative kontroverse Netzwerke (Gans) |
| 146 | Blockchain | Bitcoin |
| 147 | Blockchain | Ethereum |
| 148 | Blockchain | Intelligente Verträge |
| 149 | Blockchain | Verteilte Ledger -Technologie |
| 150 | Blockchain | Konsensalgorithmen |
| 151 | Verarbeitung natürlicher Sprache | Worteinbettungen |
| 152 | Verarbeitung natürlicher Sprache | Aufmerksamkeitsmechanismen |
| 153 | Verarbeitung natürlicher Sprache | Sequenz-zu-Sequenz-Modelle |
| 154 | Verarbeitung natürlicher Sprache | Sprachübersetzung |
| 155 | Verarbeitung natürlicher Sprache | Frage Beantwortung |
| 156 | Modellinterpretierbarkeit | Wichtigkeit aufweisen |
| 157 | Modellinterpretierbarkeit | Partielle Abhängigkeitsdiagramme |
| 158 | Modellinterpretierbarkeit | Gradienten -Boosting -Interpretation |
| 159 | Modellinterpretierbarkeit | Lokale interpretierbare Modell-agnostische Erklärungen (Kalk) |
| 160 | Modellinterpretierbarkeit | Shapley additive Erklärungen (Shap) |
| 161 | Bayes'sche Methoden | Bayes'sche Netzwerke |
| 162 | Bayes'sche Methoden | Gibbs -Probenahme |
| 163 | Bayes'sche Methoden | Metropolis-Hastings-Algorithmus |
| 164 | Bayes'sche Methoden | Variationsinferenz |
| 165 | Bayes'sche Methoden | Bayes'sche Optimierung |
| 166 | Geospatial Analysis | GIS (geografisches Informationssystem) |
| 167 | Geospatial Analysis | Räumliche Datenvisualisierung |
| 168 | Geospatial Analysis | Räumliche Clustering |
| 169 | Geospatial Analysis | Räumliche Regression |
| 170 | Geospatial Analysis | Räumliche Interpolation |
| 171 | Cloud Computing | OpenStack |
| 172 | Cloud Computing | Rackspace Cloud |
| 173 | Cloud Computing | Vmware vcloud |
| 174 | Cloud Computing | Alibaba Cloud |
| 175 | Cloud Computing | Red Hat OpenShift |
| 176 | Verarbeitung natürlicher Sprache | Abhängigkeits Parsen |
| 177 | Verarbeitung natürlicher Sprache | Genannte Entitätserkennung (NER) |
| 178 | Verarbeitung natürlicher Sprache | Semantische Rollenkennzeichnung |
| 179 | Verarbeitung natürlicher Sprache | Stimmungsanalyse |
| 180 | Verarbeitung natürlicher Sprache | Koreferenzauflösung |
| 181 | Grafik neuronale Netze | Graph Faltungsnetzwerke (GCNs) |
| 182 | Grafik neuronale Netze | Graph Achtungsnetzwerke (GATS) |
| 183 | Grafik neuronale Netze | Graphsage |
| 184 | Grafik neuronale Netze | Relationale Graph -Faltungsnetzwerke (RGCNs) |
| 185 | Grafik neuronale Netze | Graph AutoCoders |
| 186 | Feature Engineering | Feature Scaling |
| 187 | Feature Engineering | Feature -Auswahl |
| 188 | Feature Engineering | Feature -Extraktion |
| 189 | Feature Engineering | Feature -Codierung |
| 190 | Feature Engineering | Feature Crossing |
| 191 | Privatsphäre und Sicherheit | Föderierte Lernen |
| 192 | Privatsphäre und Sicherheit | Differentielle Privatsphäre |
| 193 | Privatsphäre und Sicherheit | Verschlüsselt ml |
| 194 | Privatsphäre und Sicherheit | Datenschutzdatenabbau |
| 195 | Privatsphäre und Sicherheit | Kontroverse Angriffe und Verteidigung |
| 196 | Kausale Inferenz | Kausalgraphen |
| 197 | Kausale Inferenz | Pearls kausaler Inferenzgerüst |
| 198 | Kausale Inferenz | Instrumentalvariablen |
| 199 | Kausale Inferenz | Neigungsbewertung Matching |
| 200 | Kausale Inferenz | Kausalwälder |
| 201 | Automatisierte ML | Automl |
| 202 | Automatisierte ML | Modellauswahl |
| 203 | Automatisierte ML | Feature Engineering Automation |
| 204 | Automatisierte ML | Hyperparameteroptimierung |
| 205 | Automatisierte ML | Ensemble -Methoden |
| 206 | Betrugserkennung | Betrugsanalyse |
| 207 | Betrugserkennung | Anomalieerkennung |
| 208 | Betrugserkennung | Analyse des sozialen Netzwerks zur Betrugserkennung |
| 209 | Betrugserkennung | Verhaltensanalyse |
| 210 | Betrugserkennung | ML zur Betrugserkennung |
| 211 | Hyperparameterabstimmung | Gittersuche |
| 212 | Hyperparameterabstimmung | Zufällige Suche |
| 213 | Hyperparameterabstimmung | Bayes'sche Optimierung |
| 214 | Hyperparameterabstimmung | Genetische Algorithmen |
| 215 | Hyperparameterabstimmung | Optuna |
| 216 | Gegner ml | Gegentliche Angriffe |
| 217 | Gegner ml | Gegentliche Abwehrkräfte |
| 218 | Gegner ml | Generative kontroverse Netzwerke (GANS) für das kontroverse Lernen |
| 219 | Gegner ml | Übertragbarkeit von kontroversen Beispielen |
| 220 | Gegner ml | Gegentliche Robustheitstests |
| 221 | Zeitreihenprognose | Arima |
| 222 | Zeitreihenprognose | Exponentielle Glättung |
| 223 | Zeitreihenprognose | Prophet |
| 224 | Zeitreihenprognose | Langes Kurzzeitgedächtnis (LSTM) |
| 225 | Zeitreihenprognose | Saisonal autoregressive integrierte gleitende Durchschnitt (Sarima) |
| 226 | Kausalitätserdeckung | Einschränkende kausale Entdeckung |
| 227 | Kausalitätserdeckung | Informationstheoretische kausale Entdeckung |
| 228 | Kausalitätserdeckung | Granger -Kausalität |
| 229 | Kausalitätserdeckung | Strukturgleichungsmodellierung |
| 230 | Kausalitätserdeckung | Kontrafaktische Argumentation |
| 231 | Empfehlungssysteme | Tiefe Verstärkungslernen für Empfehlungssysteme |
| 232 | Empfehlungssysteme | Wissensbasierte Empfehlungssysteme |
| 233 | Empfehlungssysteme | Kontextbewusstliche Empfehlungssysteme |
| 234 | Empfehlungssysteme | Sequenzbewusste Empfehlungssysteme |
| 235 | Empfehlungssysteme | Meta-Learning für Empfehlungssysteme |
| 236 | Übertragungslernen | Domänenanpassung |
| 237 | Übertragungslernen | Modelldestillation |
| 238 | Übertragungslernen | Progressive neuronale Netzwerke |
| 239 | Übertragungslernen | Taskonomie |
| 240 | Übertragungslernen | Cross-Domänen-Wissenstransfer |
| 241 | Erklärbare AI | Kontrafaktische Erklärungen |
| 242 | Erklärbare AI | Modell-agnostische Erklärungen |
| 243 | Erklärbare AI | Regelbasierte Erklärungen |
| 244 | Erklärbare AI | Anker |
| 245 | Erklärbare AI | Kausale Erklärungen |
| 246 | Erkennung von Zeitreihen Anomalie | Ein-Klassen-SVM |
| 247 | Erkennung von Zeitreihen Anomalie | Isolationswald |
| 248 | Erkennung von Zeitreihen Anomalie | Autoencoder zur Erkennung von Anomalie |
| 249 | Erkennung von Zeitreihen Anomalie | Wechselpunkterkennung |
| 250 | Erkennung von Zeitreihen Anomalie | Saisonaler Hybrid-ESD (SH-ESD) |
| 251 | Cybersicherheit | Erkennung von Netzwerkeindrückung |
| 252 | Cybersicherheit | Malware -Erkennung |
| 253 | Cybersicherheit | Verhaltensanalyse für Cybersicherheit |
| 254 | Cybersicherheit | Sicherheitsbewertung |
| 255 | Cybersicherheit | Sicherheitsinformationen und Eventmanagement (SIEM) |
| 256 | Konverselverstärkungslernen | Gegentliche Umgebungen |
| 257 | Konverselverstärkungslernen | Gegentliche Politikoptimierung |
| 258 | Konverselverstärkungslernen | Inverse Verstärkungslernen |
| 259 | Konverselverstärkungslernen | Gegentliche Multi-Agent-Systeme |
| 260 | Konverselverstärkungslernen | Robustes Verstärkungslernen |
| 261 | Generative kontroverse Netzwerke | Bedingte Gans |
| 262 | Generative kontroverse Netzwerke | Wasserstein Gans |
| 263 | Generative kontroverse Netzwerke | Cyclegan |
| 264 | Generative kontroverse Netzwerke | Stylegan |
| 265 | Generative kontroverse Netzwerke | Latente Rauminterpolation |
| 266 | Föderierte Lernen | Föderierte Mittelung |
| 267 | Föderierte Lernen | Differentielle Privatsphäre im Föderierten Lernen |
| 268 | Föderierte Lernen | Vertikales Föderierte Lernen |
| 269 | Föderierte Lernen | Föderierte Transferlernen |
| 270 | Föderierte Lernen | Föderierte Meta-Learning |
| 271 | Föderierte Lernen | Verbesserte Lernen für Kantengeräte |
| 272 | Quantenml | Quantencomputer -Grundlagen |
| 273 | Quantenml | Quanten neuronale Netze |
| 274 | Quantenml | Variationsquantenalgorithmen |
| 275 | Quantenml | Quantenstütze -Vektormaschinen |
| 276 | Quantenml | Quantendatencodierung |
| 277 | Verstärkungslernen für Robotik | Aus Demonstrationen lernen |
| 278 | Verstärkungslernen für Robotik | SIM2REAL -Übertragung |
| 279 | Verstärkungslernen für Robotik | Modellbasiertes Verstärkungslernen für Robotik |
| 280 | Verstärkungslernen für Robotik | Nachahmung lernen |
| 281 | Verstärkungslernen für Robotik | Robotermanipulation |
| 282 | Generative Modelle für Text | Transformator-basierte Sprachmodelle |
| 283 | Generative Modelle für Text | GPT (generative vorgebildete Transformator) |
| 284 | Generative Modelle für Text | LSTM-basierte Sprachmodelle |
| 285 | Generative Modelle für Text | Bert (bidirektionale Encoder -Darstellungen von Transformatoren) |
| 286 | Generative Modelle für Text | VAE (Variationsautoencoder) für die Textgenerierung |
| 287 | Multimodales Lernen | Multimodale Fusion |
| 288 | Multimodales Lernen | Cross-Modal Abruf |
| 289 | Multimodales Lernen | Multimodale generative Modelle |
| 290 | Multimodales Lernen | Multimodales Verstärkungslernen |
| 291 | Multimodales Lernen | Multimodale Stimmungsanalyse |
| 292 | Modellkomprimierung | Beschneidung |
| 293 | Modellkomprimierung | Quantisierung |
| 294 | Modellkomprimierung | Destillation |
| 295 | Modellkomprimierung | Gewichtsaustausch |
| 296 | Modellkomprimierung | Wissensdestillation |
| 297 | Automatisierte Planung | und Planung |
| 298 | Automatisierte Planung | und Planung |
| 299 | Automatisierte Planung | und Planung |
| 300 | Automatisierte Planung | und Planung |
| 301 | Automatisierte Planung | und Planung |
| 302 | Domänenanpassung | Domain-Adverarial-Training |
| 303 | Domänenanpassung | Cyclegan für die Domänenanpassung |
| 304 | Domänenanpassung | Transferlernen für Domänenanpassung übertragen |
| 305 | Domänenanpassung | Unüberwachte Domänenanpassung |
| 306 | Domänenanpassung | Partielle Domänenanpassung |
| 307 | Aktives Lernen | Unsicherheitsabtastung |
| 308 | Aktives Lernen | Abfragetechnik |
| 309 | Aktives Lernen | Erwartete Modelländerung |
| 310 | Aktives Lernen | Diversitätsabtastung |
| 311 | Aktives Lernen | Budgetiert aktives Lernen |
| 312 | Automatisierte Feature Engineering | Featuretools |
| 313 | Automatisierte Feature Engineering | Tiefe Merkmalsynthese |
| 314 | Automatisierte Feature Engineering | Genetische Programmierung |
| 315 | Automatisierte Feature Engineering | Automatisierte Feature -Extraktion |
| 316 | Automatisierte Feature Engineering | Feature -Codierung |
| 317 | Gegentliche Angriffe | White-Box-Angriffe |
| 318 | Gegentliche Angriffe | Black-Box-Angriffe |
| 319 | Gegentliche Angriffe | Körperliche Angriffe |
| 320 | Gegentliche Angriffe | Übertragungsangriffe |
| 321 | Gegentliche Angriffe | Ausweichenangriffe |
| 322 | Föderierte Verstärkungslernen | Föderierte Q-Learning |
| 323 | Föderierte Verstärkungslernen | Federated Policy Gradient |
| 324 | Föderierte Verstärkungslernen | Federated Actor-Critic |
| 325 | Föderierte Verstärkungslernen | Föderierte proximale Politikoptimierung (PPO) |
| 326 | Föderierte Verstärkungslernen | Verbesserte Verstärkungslernen mit mehreren Agenten |
| 327 | Föderierte Verstärkungslernen | Föderierte inverse Verstärkungslernen |
| 328 | Grafikeinbettung | Deepwalk |
| 329 | Grafikeinbettung | Node2Vec |
| 330 | Grafikeinbettung | Einbettung von Graph Feprolutional Network (GCN) |
| 331 | Grafikeinbettung | Tensorfaktorisierung |
| 332 | Grafikeinbettung | Heterogene Graph -Einbettung |
| 333 | Anomalie -Erkennung in Diagramme | Graph-basierte Ausreißererkennung |
| 334 | Anomalie -Erkennung in Diagramme | Spektrales Clustering |
| 335 | Anomalie -Erkennung in Diagramme | Isolationswald für Grafiken |
| 336 | Anomalie -Erkennung in Diagramme | Erkennung kollektiver Anomalie |
| 337 | Anomalie -Erkennung in Diagramme | Erkennung von strukturbasierter Gemeinschaftsanomalie |
| 338 | Interpretierbares ml | Partielle Abhängigkeitsdiagramme (PDP) |
| 339 | Interpretierbares ml | Wichtiges Ranking |
| 340 | Interpretierbares ml | Interpretierbare regelbasierte Modelle |
| 341 | Interpretierbares ml | Lokale interpretierbare Modell-agnostische Erklärungen (Kalk) |
| 342 | Interpretierbares ml | Shapley -Werte |
| 343 | Generative Modelle für Bilder | DCGAN (Deep Falthy Gan) |
| 344 | Generative Modelle für Bilder | Stylegan2 |
| 345 | Generative Modelle für Bilder | Cyclegan für die Bildübersetzung |
| 346 | Generative Modelle für Bilder | Variations -Autoencoder (VAES) für die Bilderzeugung |
| 347 | Generative Modelle für Bilder | Progressives Anbau von Gans (Pggan) |
| 348 | Modellauswahl | Train-Validationstest geteilt |
| 349 | Modellauswahl | Kreuzvalidierung |
| 350 | Modellauswahl | Holdout -Validierung |
| 351 | Modellauswahl | Grid-Suche Kreuzvalidierung |
| 352 | Modellauswahl | Randomisierte Suche Kreuzvalidierung |
| 353 | Modellauswahl | Modellauswahl unter Verwendung von Informationskriterien |
| 354 | Modellauswahl | Auswahl der Ensemble -Modell |
| 355 | Kontinuierliches Lernen | Lebenslanges Lernen |
| 356 | Kontinuierliches Lernen | Inkrementelles Lernen |
| 357 | Kontinuierliches Lernen | Online -Lernen |
| 358 | Kontinuierliches Lernen | Dynamische Modellausdehnung |
| 359 | Kontinuierliches Lernen | Konzeptdrifterkennung |
| 360 | Kontinuierliches Lernen | Übertragen Sie das Lernen in dynamischen Umgebungen |
| 361 | Föderierte Lernen für das Gesundheitswesen | Föderierte Lernen für elektronische Gesundheitsakten (EHR) |
| 362 | Föderierte Lernen für das Gesundheitswesen | Privatsphäre Präsentierende ML im Gesundheitswesen |
| 363 | Föderierte Lernen für das Gesundheitswesen | Föderierte Lernen für klinische Entscheidungsunterstützungssysteme |
| 364 | Föderierte Lernen für das Gesundheitswesen | Föderiertes Lernen für die Krankheitsvorhersage |
| 365 | Föderierte Lernen für das Gesundheitswesen | Föderiertes Lernen für medizinische Bildgebungsanalysen |
| 366 | Modelldestillation | Für leichte Modelle |
| 367 | Modelldestillation | Für leichte Modelle |
| 368 | Modelldestillation | Für leichte Modelle |
| 369 | Modelldestillation | Für leichte Modelle |
| 370 | Modelldestillation | Für leichte Modelle |
| 371 | Zeitreihenanalyse für die Prognose | Saisonaler Arima |
| 372 | Zeitreihenanalyse für die Prognose | Vektorautoregression (Var) |
| 373 | Zeitreihenanalyse für die Prognose | Langes Kurzzeitgedächtnis (LSTM) mit Aufmerksamkeit |
| 374 | Zeitreihenanalyse für die Prognose | Prophet mit Feiertagen |
| 375 | Zeitreihenanalyse für die Prognose | Ensemble -Methoden für die Zeitreihenprognose |
| 376 | Privatsphäre Präsentierende ML | Sichere Multi-Party-Berechnung (MPC) |
| 377 | Privatsphäre Präsentierende ML | Homomorphe Verschlüsselung |
| 378 | Privatsphäre Präsentierende ML | Differentielle Datenschutzmechanismen |
| 379 | Privatsphäre Präsentierende ML | Föderiertes Lernen mit unterschiedlicher Privatsphäre |
| 380 | Privatsphäre Präsentierende ML | Verstümmelte Schaltungen |
| 381 | Bildsegmentierung | U-net |
| 382 | Bildsegmentierung | Mask R-CNN |
| 383 | Bildsegmentierung | Vollständige Faltungsnetzwerke (FCN) |
| 384 | Bildsegmentierung | Semantische Segmentierung |
| 385 | Bildsegmentierung | Instanzsegmentierung |
| 386 | Tiefes Verstärkungslernen | DQN (Deep Q-Network) |
| 387 | Tiefes Verstärkungslernen | DDPG (Deep Deterministische politische Gradient) |
| 388 | Tiefes Verstärkungslernen | PPO (proximale Richtlinienoptimierung) |
| 389 | Tiefes Verstärkungslernen | A3C (Asynchronous Advantage Actor-Critic) |
| 390 | Tiefes Verstärkungslernen | SAC (weicher Schauspielerkritiker) |
| 391 | Computer Vision -Aufgaben | Objekterkennung |
| 392 | Computer Vision -Aufgaben | Bildklassifizierung |
| 393 | Computer Vision -Aufgaben | Bildsegmentierung |
| 394 | Computer Vision -Aufgaben | Gesichtserkennung |
| 395 | Computer Vision -Aufgaben | Instanzsegmentierung |
| 396 | Modellbewertung | Mittlerer absoluter Fehler (MAE) |
| 397 | Modellbewertung | Mittlerer quadratischer Fehler (MSE) |
| 398 | Modellbewertung | R-Quadrat (R2) Punktzahl |
| 399 | Modellbewertung | Genauigkeit |
| 400 | Modellbewertung | Präzision und Rückruf |
| 401 | Generation der natürlichen Sprache | Text-to-Text-Transfertransformator (T5) |
| 402 | Generation der natürlichen Sprache | GPT-3 (generativem vorgebildetem Transformator 3) |
| 403 | Generation der natürlichen Sprache | Sprachmodellierung |
| 404 | Generation der natürlichen Sprache | Bedingte Textgenerierung |
| 405 | Generation der natürlichen Sprache | Neuralmaschinenübersetzung |
| 406 | Stimmungsanalyse | Überwachung der Stimmungsanalyse |
| 407 | Stimmungsanalyse | Aspektbasierte Stimmungsanalyse |
| 408 | Stimmungsanalyse | Emotionserkennung |
| 409 | Stimmungsanalyse | Meinungsabbau |
| 410 | Stimmungsanalyse | Stimme der Kundenanalyse |
| 411 | Analyse des sozialen Netzwerks | Visualisierung des sozialen Netzwerks |
| 412 | Analyse des sozialen Netzwerks | Gemeinschaftserkennung |
| 413 | Analyse des sozialen Netzwerks | Einflussanalyse |
| 414 | Analyse des sozialen Netzwerks | Verbindungsvorhersage |
| 415 | Analyse des sozialen Netzwerks | Social -Netzwerk -Simulation |
| 416 | Grafik neuronale Netze | Graph Faltungsnetzwerke (GCNs) |
| 417 | Grafik neuronale Netze | Graph Achtungsnetzwerke (GAT) |
| 418 | Grafik neuronale Netze | Graphsage (Diagrammprobe und aggregiert) |
| 419 | Grafik neuronale Netze | Graph Isomorphism Networks (GIN) |
| 420 | Grafik neuronale Netze | Grafik neuronale Netzwerke für die Knotenklassifizierung |
| 421 | Automatisierte maschinelle Übersetzung | Sequenz-zu-Sequenz-Modelle |
| 422 | Automatisierte maschinelle Übersetzung | Übersetzung der neuronalen Maschine (NMT) |
| 423 | Automatisierte maschinelle Übersetzung | Transformatormodelle für die maschinelle Übersetzung |
| 424 | Automatisierte maschinelle Übersetzung | Statistische maschinelle Übersetzung |
| 425 | Automatisierte maschinelle Übersetzung | Phrase-basierte maschinelle Übersetzung |
| 426 | Automatisierte maschinelle Übersetzung | Bidirektionale Encoder -Darstellungen von Transformatoren (Bert) |
| 427 | Unbeaufsichtigtes Lernen | K-Means Clustering |
| 428 | Unbeaufsichtigtes Lernen | Hierarchische Clustering |
| 429 | Unbeaufsichtigtes Lernen | Hauptkomponentenanalyse (PCA) |
| 430 | Unbeaufsichtigtes Lernen | Generative kontroverse Netzwerke (Gans) |
| 431 | Unbeaufsichtigtes Lernen | Autoencoder |
| 432 | Spracherkennung | Automatische Spracherkennung (ASR) |
| 433 | Spracherkennung | Tiefe Spracherkennungsmodelle |
| 434 | Spracherkennung | Connectionist Temporal Classification (CTC) |
| 435 | Spracherkennung | Wiederkehrende neuronale Netzwerke (RNNs) zur Spracherkennung |
| 436 | Spracherkennung | Transformatormodelle für die Spracherkennung |
| 437 | Empfehlungssysteme | Kollaborative Filterung |
| 438 | Empfehlungssysteme | Inhaltsbasierte Filterung |
| 439 | Empfehlungssysteme | Hybrid -Empfehlungssysteme |
| 440 | Empfehlungssysteme | Wissensbasierte Empfehlungssysteme |
| 441 | Empfehlungssysteme | Verstärkungslernen für Empfehlungssysteme |
| 448 | Modellbereitstellung | Containerisierung |
| 449 | Modellbereitstellung | Serverloses Computer |
| 450 | Modellbereitstellung | Modellüberwachung |
| 451 | Kausale Inferenz | Pearls Kausalmodell |
| 452 | Kausale Inferenz | Neigungsbewertung Matching |
| 453 | Kausale Inferenz | Instrumentalvariableanalyse |
| 454 | Kausale Inferenz | Unterschied in Differenz (DID) |
| 455 | Kausale Inferenz | Regressionsdiskontinuitätsdesign (RDD) |
| 456 | Automatisierte ML | Automl |
| 457 | Automatisierte ML | Suche nach neuronaler Architektur (NAS) |
| 458 | Automatisierte ML | Modellstapel |
| 459 | Automatisierte ML | Feature -Auswahl |
| 460 | Automatisierte ML | Hyperparameteroptimierung |
| 461 | Modellerklärung | Kalk (lokale interpretierbare Modell-agnostische Erklärungen) |
| 462 | Modellerklärung | Shap (Shapley additive Erklärungen) |
| 463 | Modellerklärung | PDP (partielle Abhängigkeitsdiagramme) |
| 464 | Modellerklärung | ELI5 (Erklären Sie, wie ich 5 bin) |
| 465 | Modellerklärung | Anker |
| 466 | Geospatial Analysis | GIS (geografisches Informationssystem) |
| 467 | Geospatial Analysis | Räumliche Datenvisualisierung |
| 468 | Geospatial Analysis | Geoanalytics |
| 469 | Geospatial Analysis | Geostatistik |
| 470 | Geospatial Analysis | Räumliche Regressionsanalyse |
| 471 | Zeitreihenprognose | Exponentielle Glättungsmethoden |
| 472 | Zeitreihenprognose | ARIMA (Autoregressive integrierte gleitende Durchschnitt) |
| 473 | Zeitreihenprognose | Prophet (Zeitreihenprognose) |
| 474 | Zeitreihenprognose | Neuronale Netze für Zeitreihenprognosen |
| 475 | Zeitreihenprognose | Ensemble -Methoden für die Zeitreihenprognose |
| 476 | Datenvergrößerung | Flip und Rotation |
| 477 | Datenvergrößerung | Zufällige Ernte und Größe der Größe |
| 478 | Datenvergrößerung | Geräuschinjektion |
| 479 | Datenvergrößerung | Augmentation mit generativen Modellen |
| 480 | Datenvergrößerung | Verwechseln und Cutmix |
| 481 | Wissensgrafik | Lernen von Wissensgrafikrepräsentation |
| 482 | Wissensgrafik | Wissensgrafikbettdings |
| 483 | Wissensgrafik | Ausrichtung der Wissensgrafik |
| 484 | Wissensgrafik | Knowledge -Graph -Abschluss |
| 485 | Wissensgrafik | Abfragen und Argumentation über Wissensgrafiken |
| 486 | Verteiltes Computer | Apache Hadoop |
| 487 | Verteiltes Computer | Apache Funken |
| 488 | Verteiltes Computer | Verteilt Deep Learning |
| 489 | Verteiltes Computer | Verteilte Datenverarbeitung |
| 490 | Verteiltes Computer | Verteilte Dateisysteme |
| 491 | Gegentliche Verteidigung | Gegentes Training |
| 492 | Gegentliche Verteidigung | Verteidigungsdestillation |
| 493 | Gegentliche Verteidigung | Randomisierte Glättung |
| 494 | Gegentliche Verteidigung | Feature Queting |
| 495 | Gegentliche Verteidigung | Ensemble Konversentraining |
| 496 | Natürliches Sprachverständnis | Entitätserkennung |
| 497 | Natürliches Sprachverständnis | Abhängigkeits Parsen |
| 498 | Natürliches Sprachverständnis | Genannte Entitätserkennung (NER) |
| 499 | Natürliches Sprachverständnis | Stimmungsanalyse |
| 500 | Natürliches Sprachverständnis | Koreferenzauflösung |
Pyverse wird unter der MIT -Lizenz veröffentlicht.
