Tuning 相关的热门 GitHub AI项目仓库

一个 Julia 语言机器学习框架

使用 Azure 机器学习服务端到端预训练和微调 BERT 的方法

mlr3 生态系统中的超参数优化包

mlr3 生态系统中的逐次减半法和超参数带宽度优化

利用熊嗅探算法优化人工神经网络

超参数调整：批量大小和轮数。超参数调整：学习率和 dropout 率。超参数调整：激活函数和核初始化器。超参数调整：激活层的神经元数量。使用最佳超参数值训练模型。

本课程重点讲解用于聚类分析和回归分析的机器学习技术。通过探索真实世界的数据集来解决挑战并提取有意义的见解。具体来说，它解决了预测何时更换飞机发动机制造中使用的拉丝模具这一关键任务。

这是一个推荐系统项目，旨在根据用户-项目评分矩阵（URM）和项目-内容矩阵（ICM）预测用户可能喜欢的电视节目。该项目已通过了所有教授设定的基准测试。

使用Scikit-Learn优化经典机器学习模型的部分超参数

本项目使用泰坦尼克号数据集进行机器学习和深度学习实践。机器学习部分涵盖数据预处理、数据可视化、模型构建和集成学习；深度学习部分涵盖PyTorch基础、PyTorchLightning框架和RayTune超参数调优。

开始使用苹果MLX构建分布式机器学习所需的一切

表格监督式机器学习模型的性能和可解释性多目标优化

使用遗传算法自动优化 PyTorch 中用于 MNIST 数据集分类的多层感知器

大语言模型微调挑战赛：增强Qwen 2.5 3B模型用于人工智能研究问答

使用 GPT-turbo-16K 接口训练模型，以便其能够回答提出的问题。