Добро пожаловать в Pyverse от Tushar Aggarwal, вашего окончательного руководства по изучению и освоению Python Frameworks! Этот репозиторий предназначен для того, чтобы помочь вам ориентироваться в обширном ландшафте рамок Python и понять их функции, варианты использования и лучшие практики.
Python стал одним из самых популярных языков программирования в последние годы благодаря своей простоте, универсальности и обширной экосистеме. Одним из ключевых факторов, способствующих успеху Python, является его богатая коллекция рамок, которые обслуживают различные области и цели. Pyverse стремится предоставить всесторонний обзор этих структур, позволяя вам принимать обоснованные решения и использовать правильные инструменты для ваших проектов.
Pyverse охватывает широкий спектр рамок Python, включая веб -структуры, структуры машинного обучения, фреймворки анализа данных, фреймворки разработки игр и многое другое. Вы найдете подробную информацию, учебные пособия и примеры кода для каждой структуры.
Каждая структура в Pyverse сопровождается комплексной документацией, предоставляя обзор своих основных концепций, инструкций по установке, примеров использования и советов по эффективной разработке.
Pyverse выходит за рамки теории, предлагая практические примеры и образцы проектов, которые демонстрируют возможности различных рамок Python. Вы можете изучить эти примеры, чтобы получить практический опыт и узнать, как применять рамки в реальных сценариях.
Мы верим в силу сотрудничества, и Pyverse приветствует вклад сообщества. Независимо от того, хотите ли вы исправить ошибку, улучшить документацию или добавить новую структуру, ваши взносы высоко ценятся. Пожалуйста, обратитесь к нашим руководящим принципам вклада, чтобы начать работу.
Чтобы начать с Pyverse, следуйте этим шагам:
У нас запланирована захватывающая дорожная карта для Pyverse:
Следите за обновлениями!
Присоединяйтесь к сообществу Pyverse, чтобы связаться с другими разработчиками, задавать вопросы, поделиться своим опытом и оставаться в курсе последних событий. Свяжитесь с @ [email protected]
| Сб. | Используется для | Lib, Framework & Tech |
|---|---|---|
| 1 | Наука данных | Панды |
| 2 | Наука данных | Numpy |
| 3 | Наука данных | Морской |
| 4 | Наука данных | Scipy |
| 5 | Наука данных | Matplotlib |
| 6 | Машинное обучение | Scikit-learn |
| 7 | Машинное обучение | Пирог |
| 8 | Машинное обучение | Tensorflow |
| 9 | Машинное обучение | XGBOOST |
| 10 | Машинное обучение | Lightgbm |
| 12 | Машинное обучение | Керас |
| 13 | Машинное обучение | Пикарет |
| 14 | Млопс | Mlflow |
| 15 | Млопс | Kubeflow |
| 16 | Млопс | Zenml |
| 17 | Объясняемый ИИ | Форма |
| 18 | Объясняемый ИИ | Лайм |
| 19 | Объясняемый ИИ | Интерпретация |
| 20 | Текстовая обработка | Шпажина |
| 21 | Текстовая обработка | Nltk |
| 22 | Текстовая обработка | TextBlob |
| 23 | Текстовая обработка | Corenlp |
| 24 | Текстовая обработка | Генсим |
| 25 | Текстовая обработка | Регулярно |
| 26 | Обработка изображений | OpenCV |
| 27 | Обработка изображений | Scikit-Image |
| 28 | Обработка изображений | Подушка |
| 29 | Обработка изображений | Махотас |
| 30 | Обработка изображений | Simpleitk |
| 31 | Веб -структура | Колба |
| 32 | Веб -структура | FASTAPI |
| 33 | Веб -структура | Джанго |
| 34 | Веб -структура | Бросаться |
| 35 | Веб -структура | Пирамида |
| 36 | Интернет | BeautifulSoup |
| 37 | Интернет | Скрара |
| 38 | Интернет | Селен |
| 39 | Визуализация данных | Сюжет |
| 40 | Визуализация данных | Таблица |
| 41 | Визуализация данных | Боке |
| 42 | Визуализация данных | Ggplot |
| 43 | Обработка естественного языка | Трансформатор |
| 44 | Обработка естественного языка | БЕРТ |
| 45 | Обработка естественного языка | Word2VEC |
| 46 | Обработка естественного языка | Перчатка |
| 47 | Обработка естественного языка | Эльмо |
| 48 | Подкрепление обучения | Openai Gym |
| 49 | Подкрепление обучения | Дофамин |
| 50 | Подкрепление обучения | Пибуллет |
| 51 | Подкрепление обучения | Стабильные базовые линии3 |
| 52 | Облачные вычисления | AWS |
| 53 | Облачные вычисления | Google Cloud |
| 54 | Облачные вычисления | Microsoft Azure |
| 55 | Облачные вычисления | IBM Cloud |
| 56 | Облачные вычисления | Хероку |
| 57 | Управление базой данных | Mysql |
| 58 | Управление базой данных | Postgresql |
| 59 | Управление базой данных | Mongodb |
| 60 | Управление базой данных | SQLite |
| 61 | Управление базой данных | База данных Oracle |
| 62 | Глубокое обучение | Сверточные нейронные сети (CNN) |
| 63 | Глубокое обучение | Повторяющиеся нейронные сети (RNN) |
| 64 | Глубокое обучение | Генеративные состязательные сети (Gans) |
| 65 | Глубокое обучение | Автокодеры |
| 66 | Глубокое обучение | Передача обучения |
| 67 | Анализ временных рядов | Арима |
| 68 | Анализ временных рядов | Пророк |
| 69 | Анализ временных рядов | Экспоненциальное сглаживание |
| 70 | Анализ временных рядов | Сарима |
| 71 | Анализ временных рядов | Сезонное разложение временных рядов (STL) |
| 72 | Статистика | Гипотеза тестирование |
| 73 | Статистика | Регрессионный анализ |
| 74 | Статистика | Anova |
| 75 | Статистика | Байесовский вывод |
| 76 | Статистика | Анализ основных компонентов (PCA) |
| 77 | Компьютерное зрение | Обнаружение объекта |
| 78 | Компьютерное зрение | Сегментация изображения |
| 79 | Компьютерное зрение | Распознавание лица |
| 80 | Компьютерное зрение | Оптическое распознавание персонажа (OCR) |
| 81 | Компьютерное зрение | Сегментация экземпляра |
| 82 | Рекомендованные системы | Совместная фильтрация |
| 83 | Рекомендованные системы | Фильтрация на основе контента |
| 84 | Рекомендованные системы | Матричная факторизация |
| 85 | Рекомендованные системы | Ассоциация Правила |
| 86 | Рекомендованные системы | Глубокое обучение для рекомендательных систем |
| 87 | Неконтролируемое обучение | Кластеризация K-средних |
| 88 | Неконтролируемое обучение | Иерархическая кластеризация |
| 89 | Неконтролируемое обучение | Сокращение размерности |
| 90 | Неконтролируемое обучение | Ассоциация правил добычи |
| 91 | Неконтролируемое обучение | Гауссовые модели смеси (GMM) |
| 92 | Сетевой анализ | Теория графика |
| 93 | Сетевой анализ | Анализ социальной сети |
| 94 | Сетевой анализ | Обнаружение сообщества |
| 95 | Сетевой анализ | Прогноз ссылки |
| 96 | Сетевой анализ | Меры центральности |
| 97 | Облачные вычисления | Amazon S3 |
| 98 | Облачные вычисления | Докер |
| 99 | Облачные вычисления | Kubernetes |
| 100 | Облачные вычисления | Без серверные вычисления |
| 101 | Обработка естественного языка | Названное признание сущности (NER) |
| 102 | Обработка естественного языка | Анализ настроений |
| 103 | Обработка естественного языка | Тематическое моделирование |
| 104 | Обработка естественного языка | Расположение зависимости |
| 105 | Обработка естественного языка | Текстовая классификация |
| 106 | Рекомендованные системы | Гибридные рекомендательные системы |
| 107 | Рекомендованные системы | Контекстуальные рекомендательные системы |
| 108 | Рекомендованные системы | Последовательные рекомендательные системы |
| 109 | Рекомендованные системы | Машины факторизации |
| 110 | Рекомендованные системы | Глубокое обучение подкреплению для систем рекомендаций |
| 111 | Оптимизация | Линейное программирование |
| 112 | Оптимизация | Нелинейное программирование |
| 113 | Оптимизация | Целочисленное программирование |
| 114 | Оптимизация | Выпуклая оптимизация |
| 115 | Оптимизация | Эвристическая оптимизация |
| 116 | Распределенные системы | Apache Hadoop |
| 117 | Распределенные системы | Apache Spark |
| 118 | Распределенные системы | Апач Кафка |
| 119 | Распределенные системы | Apache Flink |
| 120 | Распределенные системы | Апач Кассандра |
| 121 | Генерация естественного языка | Шаблон, основанный на поколении |
| 122 | Генерация естественного языка | Основанное на правилах поколение |
| 123 | Генерация естественного языка | Статистическое поколение языка |
| 124 | Генерация естественного языка | Генерация нейронного языка |
| 125 | Генерация естественного языка | Планирование контента |
| 126 | Подкрепление обучения | Монте -Карло Методы |
| 127 | Подкрепление обучения | Q-обучение |
| 128 | Подкрепление обучения | Методы градиента политики |
| 129 | Подкрепление обучения | Актер-критические методы |
| 130 | Подкрепление обучения | Основанное на модели обучение |
| 131 | Робототехника | ROS (операционная система робота) |
| 132 | Робототехника | Удар (одновременная локализация и картирование) |
| 133 | Робототехника | Обратная кинематика |
| 134 | Робототехника | Подкрепление обучения для робототехники |
| 135 | Робототехника | Планирование движения |
| 136 | Обработка больших данных | Apache Hive |
| 137 | Обработка больших данных | Apache Pig |
| 138 | Обработка больших данных | Apache Storm |
| 139 | Обработка больших данных | Apache Beam |
| 140 | Обработка больших данных | Apache Flume |
| 141 | Генеративные модели | Вариационные автоэкодоры (VAE) |
| 142 | Генеративные модели | Генеративные состязательные сети (Gans) |
| 143 | Генеративные модели | Модели на основе потока |
| 144 | Генеративные модели | Авторегрессивные модели |
| 145 | Генеративные модели | Генеративные состязательные сети (Gans) |
| 146 | Блокчейн | Биткойн |
| 147 | Блокчейн | Ethereum |
| 148 | Блокчейн | Умные контракты |
| 149 | Блокчейн | Технология распределенной книги |
| 150 | Блокчейн | Алгоритмы консенсуса |
| 151 | Обработка естественного языка | Слово встраивание |
| 152 | Обработка естественного языка | Механизмы внимания |
| 153 | Обработка естественного языка | Модели последовательности к последовательности |
| 154 | Обработка естественного языка | Языковой перевод |
| 155 | Обработка естественного языка | Ответ на вопрос |
| 156 | Модели интерпретируемость | Особенность важности |
| 157 | Модели интерпретируемость | Частичные графики зависимости |
| 158 | Модели интерпретируемость | Градиент повышает интерпретацию |
| 159 | Модели интерпретируемость | Местные интерпретируемые модель-агростические объяснения (известь) |
| 160 | Модели интерпретируемость | Аддитивные объяснения Shapley (Shap) |
| 161 | Байесовские методы | Байесовские сети |
| 162 | Байесовские методы | Гиббс выборка |
| 163 | Байесовские методы | Алгоритм мегаполиса-гастингса |
| 164 | Байесовские методы | Вариационный вывод |
| 165 | Байесовские методы | Байесовская оптимизация |
| 166 | Геопространственный анализ | ГИС (географическая информационная система) |
| 167 | Геопространственный анализ | Пространственная визуализация данных |
| 168 | Геопространственный анализ | Пространственная кластеризация |
| 169 | Геопространственный анализ | Пространственная регрессия |
| 170 | Геопространственный анализ | Пространственная интерполяция |
| 171 | Облачные вычисления | OpenStack |
| 172 | Облачные вычисления | Rackspace Cloud |
| 173 | Облачные вычисления | VMware Vcloud |
| 174 | Облачные вычисления | Alibaba Cloud |
| 175 | Облачные вычисления | Red Hat OpenShift |
| 176 | Обработка естественного языка | Расположение зависимости |
| 177 | Обработка естественного языка | Названное признание сущности (NER) |
| 178 | Обработка естественного языка | Семантическая роль маркировки |
| 179 | Обработка естественного языка | Анализ настроений |
| 180 | Обработка естественного языка | Резолюция Coreference |
| 181 | График нейронные сети | Графические сверточные сети (GCNS) |
| 182 | График нейронные сети | Графические сети внимания (GATS) |
| 183 | График нейронные сети | График |
| 184 | График нейронные сети | Сопротиционные сети реляционного графика (RGCNS) |
| 185 | График нейронные сети | График автоэкодоров |
| 186 | Функциональная инженерия | Масштабирование функций |
| 187 | Функциональная инженерия | Выбор функций |
| 188 | Функциональная инженерия | Извлечение функций |
| 189 | Функциональная инженерия | Функция кодирования |
| 190 | Функциональная инженерия | Функция пересечения |
| 191 | Конфиденциальность и безопасность | Федеративное обучение |
| 192 | Конфиденциальность и безопасность | Дифференциальная конфиденциальность |
| 193 | Конфиденциальность и безопасность | Зашифровано ML |
| 194 | Конфиденциальность и безопасность | Сохранение конфиденциальности |
| 195 | Конфиденциальность и безопасность | Состязательные атаки и защита |
| 196 | Причинный вывод | Причинные графики |
| 197 | Причинный вывод | Структура причинного вывода Перл |
| 198 | Причинный вывод | Инструментальные переменные |
| 199 | Причинный вывод | Сопоставление баллов склонности |
| 200 | Причинный вывод | Причинно -следственные леса |
| 201 | Автоматизированный Ml | Автомат |
| 202 | Автоматизированный Ml | Выбор модели |
| 203 | Автоматизированный Ml | Функция машиностроения автоматизации |
| 204 | Автоматизированный Ml | Оптимизация гиперпараметра |
| 205 | Автоматизированный Ml | Ансамблевые методы |
| 206 | Обнаружение мошенничества | Аналитика мошенничества |
| 207 | Обнаружение мошенничества | Обнаружение аномалии |
| 208 | Обнаружение мошенничества | Анализ социальной сети для обнаружения мошенничества |
| 209 | Обнаружение мошенничества | Поведенческая аналитика |
| 210 | Обнаружение мошенничества | ML для обнаружения мошенничества |
| 211 | Настройка гиперпараметра | Поиск сетки |
| 212 | Настройка гиперпараметра | Случайный поиск |
| 213 | Настройка гиперпараметра | Байесовская оптимизация |
| 214 | Настройка гиперпараметра | Генетические алгоритмы |
| 215 | Настройка гиперпараметра | Оптуна |
| 216 | Состязательный Ml | Состязательные атаки |
| 217 | Состязательный Ml | Состязательная защита |
| 218 | Состязательный Ml | Генеративные состязательные сети (GAN) для состязательного обучения |
| 219 | Состязательный Ml | Переносность состязательных примеров |
| 220 | Состязательный Ml | Тестирование на устойчивость к состязанию |
| 221 | Прогнозирование временных рядов | Арима |
| 222 | Прогнозирование временных рядов | Экспоненциальное сглаживание |
| 223 | Прогнозирование временных рядов | Пророк |
| 224 | Прогнозирование временных рядов | Длинная кратковременная память (LSTM) |
| 225 | Прогнозирование временных рядов | Сезонная авторегрессивная интегрированная скользящая средняя (сарима) |
| 226 | Причинность открытия | Основанное на ограничениях причинно-следственное обнаружение |
| 227 | Причинность открытия | Информационная теоретическая причинно-следственная связь |
| 228 | Причинность открытия | Грейнджер причинность |
| 229 | Причинность открытия | Структурное уравнение моделирование |
| 230 | Причинность открытия | Контрфактивные рассуждения |
| 231 | Рекомендованные системы | Глубокое обучение подкреплению для систем рекомендаций |
| 232 | Рекомендованные системы | Основанные на знаниях системы рекомендации |
| 233 | Рекомендованные системы | Контекстные рекомендательные системы |
| 234 | Рекомендованные системы | Последовательность-рекомендательные системы |
| 235 | Рекомендованные системы | Мета-обучение для рекомендательных систем |
| 236 | Передача обучения | Доменная адаптация |
| 237 | Передача обучения | Модель дистилляции |
| 238 | Передача обучения | Прогрессивные нейронные сети |
| 239 | Передача обучения | TaskOnomy |
| 240 | Передача обучения | Передача знаний в междомене |
| 241 | Объясняемый ИИ | Контрфактивные объяснения |
| 242 | Объясняемый ИИ | Модель-агростические объяснения |
| 243 | Объясняемый ИИ | Основанные на правилах объяснения |
| 244 | Объясняемый ИИ | Якоря |
| 245 | Объясняемый ИИ | Причинные объяснения |
| 246 | Обнаружение аномалий временных рядов | Один класс SVM |
| 247 | Обнаружение аномалий временных рядов | Изоляционный лес |
| 248 | Обнаружение аномалий временных рядов | Автокодеры для обнаружения аномалий |
| 249 | Обнаружение аномалий временных рядов | Обнаружение точки изменения |
| 250 | Обнаружение аномалий временных рядов | Сезонный гибридный ESD (SH-ESD) |
| 251 | Кибербезопасность | Обнаружение вторжения сети |
| 252 | Кибербезопасность | Обнаружение вредоносных программ |
| 253 | Кибербезопасность | Поведенческая аналитика для кибербезопасности |
| 254 | Кибербезопасность | Оценка уязвимости |
| 255 | Кибербезопасность | Информация о безопасности и управление событиями (SIEM) |
| 256 | Обучение состязанию подкрепления | Состязательные среды |
| 257 | Обучение состязанию подкрепления | Оптимизация состязательной политики |
| 258 | Обучение состязанию подкрепления | Обучение обратному подкреплению |
| 259 | Обучение состязанию подкрепления | Совместные многоагентные системы |
| 260 | Обучение состязанию подкрепления | Надежное обучение подкреплению |
| 261 | Генеративные состязательные сети | Условные ганс |
| 262 | Генеративные состязательные сети | Вассерштейн Ганс |
| 263 | Генеративные состязательные сети | Цикл |
| 264 | Генеративные состязательные сети | Стильган |
| 265 | Генеративные состязательные сети | Скрытая интерполяция |
| 266 | Федеративное обучение | Федеративное усреднение |
| 267 | Федеративное обучение | Дифференциальная конфиденциальность в федеративном обучении |
| 268 | Федеративное обучение | Вертикальное федеральное обучение |
| 269 | Федеративное обучение | Федеративное обучение передачи |
| 270 | Федеративное обучение | Федеративное мета-обучение |
| 271 | Федеративное обучение | Федеративное обучение на устройствах Edge |
| 272 | Квант -мл | Квантовые основы вычислений |
| 273 | Квант -мл | Квантовые нейронные сети |
| 274 | Квант -мл | Вариационные квантовые алгоритмы |
| 275 | Квант -мл | Квантовые векторные машины |
| 276 | Квант -мл | Квантовые данные кодирования |
| 277 | Подкрепление обучения для робототехники | Учиться на демонстрациях |
| 278 | Подкрепление обучения для робототехники | Перенос SIM2REAL |
| 279 | Подкрепление обучения для робототехники | Обучение на основе моделей для робототехники |
| 280 | Подкрепление обучения для робототехники | Имитационное обучение |
| 281 | Подкрепление обучения для робототехники | Роботизированные манипуляции |
| 282 | Генеративные модели для текста | Трансформаторные языковые модели |
| 283 | Генеративные модели для текста | GPT (генеративный предварительно обученный трансформатор) |
| 284 | Генеративные модели для текста | Языковые модели на основе LSTM |
| 285 | Генеративные модели для текста | Берт (двунаправленные представления энкодера от трансформаторов) |
| 286 | Генеративные модели для текста | Vae (вариационный автоэкодер) для генерации текста |
| 287 | Многомодальное обучение | Мультимодальный слияние |
| 288 | Многомодальное обучение | Кросс-модальный поиск |
| 289 | Многомодальное обучение | Многомодальные генеративные модели |
| 290 | Многомодальное обучение | Многомодальное обучение подкреплению |
| 291 | Многомодальное обучение | Мультимодальный анализ настроений |
| 292 | Модель сжатия | Обрезка |
| 293 | Модель сжатия | Квантование |
| 294 | Модель сжатия | Дистилляция |
| 295 | Модель сжатия | Распределение веса |
| 296 | Модель сжатия | Знания дистилляция |
| 297 | Автоматизированное планирование | и планирование |
| 298 | Автоматизированное планирование | и планирование |
| 299 | Автоматизированное планирование | и планирование |
| 300 | Автоматизированное планирование | и планирование |
| 301 | Автоматизированное планирование | и планирование |
| 302 | Доменная адаптация | Домен-пособое обучение |
| 303 | Доменная адаптация | Cyclegan для доменной адаптации |
| 304 | Доменная адаптация | Перенос обучения для адаптации доменов |
| 305 | Доменная адаптация | Неконтролируемая доменная адаптация |
| 306 | Доменная адаптация | Адаптация частичной области |
| 307 | Активное обучение | Отбор проб неопределенности |
| 308 | Активное обучение | Запрос по комитету |
| 309 | Активное обучение | Ожидаемое изменение модели |
| 310 | Активное обучение | Выборка разнообразия |
| 311 | Активное обучение | Бюджетное активное обучение |
| 312 | Автоматизированная инженерия функций | FeatureTools |
| 313 | Автоматизированная инженерия функций | Глубокий синтез |
| 314 | Автоматизированная инженерия функций | Генетическое программирование |
| 315 | Автоматизированная инженерия функций | Автоматизированное извлечение функций |
| 316 | Автоматизированная инженерия функций | Функция кодирования |
| 317 | Состязательные атаки | Белая ящика атаки |
| 318 | Состязательные атаки | Черные ящики атаки |
| 319 | Состязательные атаки | Физические атаки |
| 320 | Состязательные атаки | Передача атак |
| 321 | Состязательные атаки | Уклонение атаки |
| 322 | Федеральное обучение подкреплению | Федеративное Q-обучение |
| 323 | Федеральное обучение подкреплению | Федеративный градиент политики |
| 324 | Федеральное обучение подкреплению | Федеративный актер-критик |
| 325 | Федеральное обучение подкреплению | Федеративная оптимизация проксимальной политики (PPO) |
| 326 | Федеральное обучение подкреплению | Федеративное многоагентное обучение подкреплению |
| 327 | Федеральное обучение подкреплению | Федеративное обучение обратному подкреплению |
| 328 | График встраивается | DeepWalk |
| 329 | График встраивается | Node2Vec |
| 330 | График встраивается | Графическая сверточная сеть (GCN) встраивание |
| 331 | График встраивается | Тенсорная факторизация |
| 332 | График встраивается | Гетерогенный график встраивается |
| 333 | Обнаружение аномалий на графиках | Графическое обнаружение выбросов |
| 334 | Обнаружение аномалий на графиках | Спектральная кластеризация |
| 335 | Обнаружение аномалий на графиках | Изоляционный лес для графиков |
| 336 | Обнаружение аномалий на графиках | Коллективное обнаружение аномалий |
| 337 | Обнаружение аномалий на графиках | Обнаружение аномалий на основе структуры сообщества |
| 338 | Интерпретируемый ML | Графики частичной зависимости (НДП) |
| 339 | Интерпретируемый ML | Особенность значения рейтинга |
| 340 | Интерпретируемый ML | Интерпретируемые модели на основе правил |
| 341 | Интерпретируемый ML | Местные интерпретируемые модель-агростические объяснения (известь) |
| 342 | Интерпретируемый ML | Шапли значения |
| 343 | Генеративные модели для изображений | Dcgan (глубокий сверток) |
| 344 | Генеративные модели для изображений | Стильган2 |
| 345 | Генеративные модели для изображений | Cyclegan для перевода изображений |
| 346 | Генеративные модели для изображений | Вариационные автоэкодоры (VAE) для генерации изображений |
| 347 | Генеративные модели для изображений | Прогрессивный рост Ганса (PGGAN) |
| 348 | Выбор модели | Транс-тест на поезда |
| 349 | Выбор модели | Перекрестная проверка |
| 350 | Выбор модели | Проверка удержания |
| 351 | Выбор модели | Поиск перекрестной проверки сетки |
| 352 | Выбор модели | Рандомизированный поиск перекрестной проверки |
| 353 | Выбор модели | Выбор модели с использованием информационных критериев |
| 354 | Выбор модели | Выбор модели ансамбля |
| 355 | Непрерывное обучение | Пожизненное обучение |
| 356 | Непрерывное обучение | Постепенное обучение |
| 357 | Непрерывное обучение | Онлайн -обучение |
| 358 | Непрерывное обучение | Динамическое расширение модели |
| 359 | Непрерывное обучение | Концепция обнаружения дрейфа |
| 360 | Непрерывное обучение | Передача обучения в динамических средах |
| 361 | Федеративное обучение для здравоохранения | Федеративное обучение для электронных медицинских карт (EHR) |
| 362 | Федеративное обучение для здравоохранения | Содержание конфиденциальности ML в здравоохранении |
| 363 | Федеративное обучение для здравоохранения | Федеративное обучение для систем поддержки клинических решений |
| 364 | Федеративное обучение для здравоохранения | Федеративное обучение для прогнозирования заболеваний |
| 365 | Федеративное обучение для здравоохранения | Федеративное обучение для анализа медицинской визуализации |
| 366 | Модель дистилляции | Для легких моделей |
| 367 | Модель дистилляции | Для легких моделей |
| 368 | Модель дистилляции | Для легких моделей |
| 369 | Модель дистилляции | Для легких моделей |
| 370 | Модель дистилляции | Для легких моделей |
| 371 | Анализ временных рядов для прогнозирования | Сезонная Арима |
| 372 | Анализ временных рядов для прогнозирования | Векторная авторегрессия (VAR) |
| 373 | Анализ временных рядов для прогнозирования | Длинная краткосрочная память (LSTM) с вниманием |
| 374 | Анализ временных рядов для прогнозирования | Пророк с праздниками |
| 375 | Анализ временных рядов для прогнозирования | Методы ансамбля для прогнозирования временных рядов |
| 376 | Содержание конфиденциальности ML | Безопасные многопартийные вычисления (MPC) |
| 377 | Содержание конфиденциальности ML | Гомоморфное шифрование |
| 378 | Содержание конфиденциальности ML | Дифференциальные механизмы конфиденциальности |
| 379 | Содержание конфиденциальности ML | Федеративное обучение с дифференциальной конфиденциальностью |
| 380 | Содержание конфиденциальности ML | Искаженные цепи |
| 381 | Сегментация изображения | U-Net |
| 382 | Сегментация изображения | Маска R-CNN |
| 383 | Сегментация изображения | Полностью сверточные сети (FCN) |
| 384 | Сегментация изображения | Семантическая сегментация |
| 385 | Сегментация изображения | Сегментация экземпляра |
| 386 | Глубокое обучение | DQN (глубокая Q-сеть) |
| 387 | Глубокое обучение | DDPG (глубокий детерминированный градиент политики) |
| 388 | Глубокое обучение | PPO (оптимизация проксимальной политики) |
| 389 | Глубокое обучение | A3C (Asynchronous Advantage Actor-Critic) |
| 390 | Глубокое обучение | Мешок (мягкий актер-критик) |
| 391 | Задачи компьютерного зрения | Обнаружение объекта |
| 392 | Задачи компьютерного зрения | Классификация изображений |
| 393 | Задачи компьютерного зрения | Сегментация изображения |
| 394 | Задачи компьютерного зрения | Распознавание лица |
| 395 | Задачи компьютерного зрения | Сегментация экземпляра |
| 396 | Оценка модели | Средняя абсолютная ошибка (MAE) |
| 397 | Оценка модели | Средняя квадратная ошибка (MSE) |
| 398 | Оценка модели | R-Squared (R2) оценка |
| 399 | Оценка модели | Точность |
| 400 | Оценка модели | Точность и отзыв |
| 401 | Генерация естественного языка | Трансформатор передачи текста в текст (T5) |
| 402 | Генерация естественного языка | GPT-3 (генеративный предварительно обученный трансформатор 3) |
| 403 | Генерация естественного языка | Языковое моделирование |
| 404 | Генерация естественного языка | Условное генерация текста |
| 405 | Генерация естественного языка | Нейронная машина перевод |
| 406 | Анализ настроений | Наблюдаемый анализ настроений |
| 407 | Анализ настроений | Анализ настроений на основе аспектов |
| 408 | Анализ настроений | Обнаружение эмоций |
| 409 | Анализ настроений | Добыча мнений |
| 410 | Анализ настроений | Анализ голоса клиентов |
| 411 | Анализ социальной сети | Визуализация социальной сети |
| 412 | Анализ социальной сети | Обнаружение сообщества |
| 413 | Анализ социальной сети | Анализ влияния |
| 414 | Анализ социальной сети | Прогноз ссылки |
| 415 | Анализ социальной сети | Моделирование социальной сети |
| 416 | График нейронные сети | Графические сверточные сети (GCNS) |
| 417 | График нейронные сети | График сетей внимания (GAT) |
| 418 | График нейронные сети | График (образец графа и агрегированный) |
| 419 | График нейронные сети | График изоморфизм сети (джин) |
| 420 | График нейронные сети | Графические нейронные сети для классификации узлов |
| 421 | Автоматический машинный перевод | Модели последовательности к последовательности |
| 422 | Автоматический машинный перевод | Трансляция нейронной машины (NMT) |
| 423 | Автоматический машинный перевод | Модели трансформаторов для машинного перевода |
| 424 | Автоматический машинный перевод | Статистический машинный перевод |
| 425 | Автоматический машинный перевод | Фраза на машинный перевод |
| 426 | Автоматический машинный перевод | Двунаправленные представления энкодера от трансформаторов (BERT) |
| 427 | Неконтролируемое обучение | Кластеризация K-средних |
| 428 | Неконтролируемое обучение | Иерархическая кластеризация |
| 429 | Неконтролируемое обучение | Анализ основных компонентов (PCA) |
| 430 | Неконтролируемое обучение | Генеративные состязательные сети (Gans) |
| 431 | Неконтролируемое обучение | Автокодеры |
| 432 | Распознавание речи | Автоматическое распознавание речи (ASR) |
| 433 | Распознавание речи | Модели глубокого распознавания речи |
| 434 | Распознавание речи | Временная классификация соединения (CTC) |
| 435 | Распознавание речи | Рецидивирующие нейронные сети (RNNS) для распознавания речи |
| 436 | Распознавание речи | Модели трансформатора для распознавания речи |
| 437 | Рекомендованные системы | Совместная фильтрация |
| 438 | Рекомендованные системы | Фильтрация на основе контента |
| 439 | Рекомендованные системы | Гибридные рекомендательные системы |
| 440 | Рекомендованные системы | Основанные на знаниях системы рекомендации |
| 441 | Рекомендованные системы | Подкрепление обучения для систем рекомендаций |
| 448 | Модель развертывания | Контейнеризация |
| 449 | Модель развертывания | Без серверные вычисления |
| 450 | Модель развертывания | Модель мониторинга |
| 451 | Причинный вывод | Причинная модель Перл |
| 452 | Причинный вывод | Сопоставление баллов склонности |
| 453 | Причинный вывод | Инструментальная переменная анализ |
| 454 | Причинный вывод | Разница в дифференциациях (сделал) |
| 455 | Причинный вывод | Дизайн разрыва регрессии (RDD) |
| 456 | Автоматизированный Ml | Автомат |
| 457 | Автоматизированный Ml | Поиск нейронной архитектуры (NAS) |
| 458 | Автоматизированный Ml | Стабирование модели |
| 459 | Автоматизированный Ml | Выбор функций |
| 460 | Автоматизированный Ml | Оптимизация гиперпараметра |
| 461 | Модели объяснимость | Лайм (локальная интерпретируемая модель-алкогольные объяснения) |
| 462 | Модели объяснимость | Форма (Аддитивные объяснения Шапли) |
| 463 | Модели объяснимость | PDP (участки частичной зависимости) |
| 464 | Модели объяснимость | Eli5 (объясните, как мне 5) |
| 465 | Модели объяснимость | Якоря |
| 466 | Геопространственный анализ | ГИС (географическая информационная система) |
| 467 | Геопространственный анализ | Пространственная визуализация данных |
| 468 | Геопространственный анализ | Геоаналитика |
| 469 | Геопространственный анализ | Геостатистика |
| 470 | Геопространственный анализ | Пространственный регрессионный анализ |
| 471 | Прогнозирование временных рядов | Экспоненциальные методы сглаживания |
| 472 | Прогнозирование временных рядов | Арима (авторегрессивный интегрированный скользящий средний) |
| 473 | Прогнозирование временных рядов | Пророк (прогнозирование временных рядов) |
| 474 | Прогнозирование временных рядов | Нейронные сети для прогнозирования временных рядов |
| 475 | Прогнозирование временных рядов | Методы ансамбля для прогнозирования временных рядов |
| 476 | Увеличение данных | Перевернуть и вращение |
| 477 | Увеличение данных | Случайный урожай и изменение размера |
| 478 | Увеличение данных | Шумовой впрыск |
| 479 | Увеличение данных | Увеличение с помощью генеративных моделей |
| 480 | Увеличение данных | Миксуп и Cutmix |
| 481 | График знаний | Обучение графа знания |
| 482 | График знаний | Граф знаний внедряет |
| 483 | График знаний | Выравнивание графа знаний |
| 484 | График знаний | Завершение графа знаний |
| 485 | График знаний | Запрос и рассуждение о графах знаний |
| 486 | Распределенные вычисления | Apache Hadoop |
| 487 | Распределенные вычисления | Apache Spark |
| 488 | Распределенные вычисления | Распределенное глубокое обучение |
| 489 | Распределенные вычисления | Распределенная обработка данных |
| 490 | Распределенные вычисления | Распределенные файловые системы |
| 491 | Состязательная защита | Состязательный подготовка |
| 492 | Состязательная защита | Оборонительная дистилляция |
| 493 | Состязательная защита | Рандомизированное сглаживание |
| 494 | Состязательная защита | Функция сжимания |
| 495 | Состязательная защита | Ансамблевое состязательное обучение |
| 496 | Понимание естественного языка | Признание сущности |
| 497 | Понимание естественного языка | Расположение зависимости |
| 498 | Понимание естественного языка | Названное признание сущности (NER) |
| 499 | Понимание естественного языка | Анализ настроений |
| 500 | Понимание естественного языка | Резолюция Coreference |
Pyverse выпускается по лицензии MIT.