-
-
ml-workspace：specialized专用于机器学习和数据科学的基于Web的多合一IDE
基于Web的多合一机器学习开发环境
••• •••
ML工作区是基于Web的多合一IDE，专门用于机器学习和数据科学。 部署很简单，几分钟之内就可以开始在自己的计算机上高效地构建ML解决方案。 该工作区是预加载各种完善的配置，优化和集成的各种流行数据科学库（例如Tensorflow，PyTorch，Keras，Sklearn）和开发工具（例如Jupyter，VS Code，Tensorboard ...
-
你是你：是吗？ Python Python中的ML模型来确定是否是我在使用我的计算机
是你吗
通过使用我如何使用计算机的数据训练ML模型，确定谁在使用我的计算机是我。 这是哥伦比亚大学入侵检测系统课程的一个项目。
数据采集
osquery在4天之内收集了有关我如何使用计算机训练ML模型的数据。 额外收集一天的数据以评估误报率。 收集敌方数据50分钟，以确定入侵检测率。
... 收集的数据可以在目录中找到，但是出于隐私考虑，已删除了路径和端口字段。
数据处理和ML模型
使用几种ML算法和不同的窗口大小解析日志并打印误报和入侵检测率。 检查文件以获取有关如何运行它 ...
-
Loudml：Loud ML是第一个用于ICT和IoT自动化的开源AI解决方案
大声ML-揭示隐藏
Loud ML是用于度量和事件的开源推理引擎，并且是将机器学习嵌入到时间序列应用程序中的最快方法。 这包括用于存储和查询数据，在ML中在后台对其进行处理或出于警报目的而检测异常值的API，等等。
帮助改善这份文件
此页面以及 ... 档中的问题，或提交反馈和评论，请在GitHub上打开一个问题。
用于时间序列数据的开源AI库
Loud ML是建立在TensorFlow之上的开源时间序列推理引擎。 使用将来的知识来预测数据，检测异常值并自动执行过程非常 ...
-
-
modeldb：开源ML模型版本控制，元数据和实验管理
... 系统。
····
ModelDB是一个开放源代码系统，用于对机器学习模型（包括其成分代码，数据，配置和环境）进行版本控制，并在模型生命周期内跟踪ML元数据。
使用ModelDB以便：
使您的ML模型可重现
管理您的ML实验，建立绩效仪表板并共享报告
在整个生命周期中跟踪模型，包括开发，部署和实时监控
特征：
适用于Docker，Kubernetes
Python和Scala中的客户端
漂亮 ...
-
-
-
-
tfx：TFX是用于部署生产ML管道的端到端平台
... 的Google生产规模的机器学习平台。 它提供了一个配置框架来表示由TFX组件组成的ML管道。 可以使用和来协调TFX。 组件本身以及与编排系统的集成都可以扩展。
TFX组件与 ... 配置的记录。 该元数据后端支持高级功能，例如实验跟踪或从先前运行中热启动/恢复ML模型。
文献资料
用户文件
请参阅《 。
开发参考
路线图
TFX，每季度更新一次。
发布细节
有关之前和即将进行的详细更改，请
要求评论
TFX是一个开源项目，我们强烈鼓励ML社区积极参与以帮助TFX满足或超过他们的需求。 这项工作的重要组成部分
-
numpy-ml：机器学习，以numpy表示
numpy-ml
是否曾经希望您有一个效率低下但清晰易读的机器学习算法集合， ... ？ 没有？
安装
快速实验
要将此代码用作ML原型设计/实验的起点，只需克隆存储库 ... ：
$ git clone https://github.com/ddbourgin/numpy-ml.git
$ cd numpy-ml && virtualenv npml && source npml ... r requirements-dev.txt
作为包装
如果您不打算修改源代码，则还可以将numpy-ml作为
-
Go To English Version 超过100万源码资源，1000万源码文件免费下载
