CIANNA - 天体物理学家的卷积交互式人工神经网络

CIANNA - 天体物理学家的卷积交互式人工神经网络 CIANNA 是一个通用深度学习框架，主要开发和用于天文数据分析。根据天体物理问题解决的相关性添加功能和优化。 CIANNA 可用于构建和训练用于各种任务的大型神经网络模型，并提供高级 Python 接口（类似于 keras、pytorch 等）。 CIANNA 的特点之一是其定制实现的受 YOLO 启发的物体检测器，用于 2D 或 3D 射电天文数据产品中的星系检测。该框架通过低级 CUDA 编程完全由 GPU 加速。 | #框架

机器学习数据工程实战通过构建用于分析和机器学习应用程序的现代数据堆栈来学习数据工程基础知识，并学习如何编排数据工作流程并以编程方

机器学习数据工程实战 通过构建用于分析和机器学习应用程序的现代数据堆栈来学习数据工程基础知识，并学习如何编排数据工作流程并以编程方式执行任务，以便为下游消费者（分析、ML 等）准备高质量的数据。 该存储库包含补充数据堆栈和编排课程的代码，这是MLOps 课程的一部分。 | #机器学习

一个交互式、可视化数据分析 #工具 ，可用于创建数据报告、数据面板、科研笔记及应用。

一个交互式、可视化数据分析 #工具 ，可用于创建数据报告、数据面板、科研笔记及应用。 为了便于开发者与数据科学家上手使用，开发团队还提供了十几个案例供参考学习，其中包含电影、超市、地铁、流媒体等多个分类。

一个交互式、 #可视化 数据分析 #工具 ：，（）可用于创建数据报告、数据面板、科研笔记及应用。

一个交互式、 #可视化 数据分析 #工具 ：，（）可用于创建数据报告、数据面板、科研笔记及应用。 该工具最早由摩根大通开发，后续被 Fintech 开源基金会（FINOS）接手并开源。 为了便于开发者与数据科学家上手使用，开发团队还提供了十几个案例供参考学习，其中包含电影、超市、地铁、流媒体等多个分类

GEEML：谷歌地球引擎机器学习

GEEML：谷歌地球引擎机器学习 这个 python 包使用并行处理和谷歌地球引擎大容量端点更容易从谷歌地球引擎中提取卫星数据。 在目前的状态下，它支持以 csv 的形式提取传统机器学习（表格数据）的数据，以及提取深度神经网络的 GeoTiff 图像补丁。 GEE JS 代码编辑器中的机器学习功能仍然有限。例如，不支持 XGBoost、LightGBM、NGBoost 等。此外，python 生态系统对训练、验证和超参数调优的支持要多得多。但是，要利用此功能，需要在本地下载数据或将数据存储在 Google Drive 或 Google Cloud Storage 中，以从机器学习 python 生态系统中受益。因此，这个包旨在让下载 GEE 处理的机器学习格式的数据变得更容易和更快。 特征： 并行导出图像或稀疏图像（例如 GEDI）。 导出点或多边形处的栅格值 (ee.FeatureCollection)。 汇总多边形内的栅格数据 (ee.FeatureCollections)。 提取表格和深度神经网络 (DNN) 类型的数据集。 | #机器学习

: 一站式 #机器学习 开发平台

: 一站式 #机器学习 开发平台 MetaSpore 具有以下特点： 一站式端到端开发，从离线模型训练到在线预测和分桶实验，全流程统一开发体验； 深度学习训练框架，兼容PyTorch生态，支持分布式大规模稀疏特征学习； 训练框架与PySpark对接，从数据湖和数据仓库无缝读取训练数据； 高性能在线预测服务，支持神经网络、决策树、Spark ML、SKLearn等模型的快速推理；支持异构计算推理加速； 在离线统一特征提取框架中，自动生成在线特征读取逻辑，特征提取逻辑统一跨离线和在线； 在线算法应用框架，提供模型预测、实验分桶和流量拆分、参数动态热加载和丰富的调试功能； 丰富的行业算法示例和端到端的解决方案。