Ce projet consiste en un ensemble d'algorithmes d'apprentissage automatique, y compris l'apprentissage supervisé (régression linéaire multiple, apprentissage par ensemble, réseaux de neurones) et l'apprentissage non supervisé (K-Means). Il est utilisé pour la désagrégation de l'énergie, permettant une analyse détaillée de la consommation d'énergie.

Ce projet est une série de cours sur l'apprentissage automatique, basée sur le livre Deep Learning. Les cours couvrent des sujets tels que la régression linéaire, la régularisation, la réduction de dimensionnalité, le kernel trick et les réseaux de neurones. Les étudiants travaillent sur des jeux de données réels et implémentent des algorithmes d'apprentissage automatique à l'aide de Tensorflow et Scikit-learn.

Établissement public local d'enseignement et de formation professionnelle agricole situé près de Clermont-Ferrand. Propose des formations du niveau 3ème au BTSA et licence dans les domaines de l'agriculture, de l'horticulture, de l'aménagement paysager, de la fleuristerie, de l'agroalimentaire et du machinisme. Formations accessibles en voie scolaire, en apprentissage ou en formation continue pour adultes.

Ce projet rassemble des références pour divers domaines de l'apprentissage machine, y compris l'apprentissage statistique de base, le deep learning, l'apprentissage par renforcement, les modèles génératifs et le clustering.

Le projet mooc-mr-notebooks est une plateforme d'apprentissage en ligne dédiée à l'utilisation du langage de programmation Python, ainsi qu'à l'apprentissage de concepts de data science et de machine learning. Il permet aux utilisateurs de créer, partager et exécuter des notebooks Jupyter, favorisant ainsi une expérience d'apprentissage interactive et collaborative.

Ce projet rassemble des benchmarks pour divers packages de machine learning, permettant ainsi d'évaluer et comparer les performances des algorithmes d'apprentissage machine.

BioAutoMATED est une plateforme d'apprentissage automatique (AutoML) dédiée à l'analyse de séquences biologiques. Elle intègre plusieurs méthodes AutoML dans un cadre unifié, offrant aux utilisateurs des techniques pertinentes pour l'analyse, l'interprétation et la conception de séquences biologiques. BioAutoMATED permet de prédire la régulation des gènes, les interactions peptide-médicament et l'annotation des glycanes avec une performance comparable à celle de modèles manuellement ajustés, mettant en évidence les caractéristiques séquentielles saillantes. En automatisant la modélisation des séquences, BioAutoMATED permet aux scientifiques de la vie de plus facilement intégrer l'apprentissage machine dans leur travail.

Creaspot est un outil d'analyse de vidéos d'activités d'apprentissage utilisant des techniques de machine learning. Il permet d'extraire des informations pertinentes à partir de ces vidéos pour une meilleure compréhension et évaluation des apprentissages.

TensorFlow est une bibliothèque open-source d'apprentissage automatique développée par Google Brain. Elle permet de créer et d'entraîner des modèles de machine learning pour une variété de tâches, telles que la reconnaissance d'images, le traitement du langage naturel, la prédiction de séries temporelles et la détection d'anomalies. TensorFlow prend en charge une grande variété d'algorithmes d'apprentissage automatique, y compris les réseaux de neurones convolutifs, les réseaux de neurones récurrents et les algorithmes d'optimisation stochastique.

Mary Morstan est un framework AutoML basé sur des algorithmes évolutionnaires, inspiré de TPOT et DEAP. Il permet de configurer automatiquement des algorithmes de machine learning et de préparer les données pour l'apprentissage automatique.