datumbox-framework

Datumbox开源机器学习和统计框架

开源项目 Datumbox 机器学习框架 Java 开源 Apache许可证 Github

Datumbox是一个Java编写的开源框架，支持多种机器学习算法和统计方法，能够处理大规模数据集。它包含已实现的多种算法、预训练模型和丰富的代码示例，帮助用户快速进行情感分析、主题分类、垃圾邮件检测等任务。该框架使用语义版本控制，最新版本可通过Maven Central获取。用户可以通过官方博客和示例了解更多使用方法。有关Bug报告或代码贡献，请访问GitHub仓库。

访问官网

Github

介绍相关项目

sparkling-water - Apache Spark与H2O-3的机器学习集成框架

Apache SparkGithubH2O-3Sparkling Water开源项目数据集成机器学习

Sparkling Water是一个开源项目,将H2O-3机器学习引擎与Apache Spark集成。它提供了Spark和H2O数据结构间的转换工具,支持使用Spark数据作为H2O算法输入,并提供构建机器学习应用的基础模块。项目还包含PySparkling接口,支持从PySpark直接使用。Sparkling Water支持Spark Shell集成、Spark Submit应用、以及通过Maven包使用。它提供多种后端部署模式,适应不同使用场景。项目致力于简化大规模数据处理和机器学习任务的开发流程,在Spark环境中优化机器学习解决方案的开发和部署过程。

featureform - 使数据科学家能够定义、管理并服务于机器学习模型的特征的虚拟特征库

FeatureformGithub开源开源项目数据科学机器学习特征存储

Featureform 是一个虚拟特征库，使数据科学家能够定义、管理并服务于机器学习模型的特征。它通过协调现有基础设施，将变换、特征、标签和训练集标准化，促进团队协作和资源共享。Featureform 支持从个人数据科学家到大型企业团队的多种应用场景，并提供内置合规支持，包括角色访问控制和审计日志。该开源项目兼容现有数据基础设施，适用于本地和云端部署。

TonY - 在 Apache Hadoop 上原生运行深度学习框架的框架

GithubHadoopPyTorchTensorFlowTonY开源项目深度学习

TonY框架支持在Apache Hadoop上运行深度学习任务，兼容TensorFlow、PyTorch、MXNet和Horovod。支持分布式或单节点训练，提供灵活可靠的机器学习任务执行方式，适用于Hadoop 2.6.0及以上版本，并支持GPU隔离。项目通过Gradle构建，可通过虚拟环境或Docker容器启动深度学习作业。详细配置和使用案例请参阅官方文档和示例。

cp-ddd-framework - 轻量级领域驱动设计增强框架，支持业务建模和系统架构演进

DDDplusGithub中台业务建模开源项目框架系统架构演进领域驱动设计

DDDplus 是一个轻量级的领域驱动设计（DDD）增强框架，支持正向和逆向业务建模，有助于可视化完整的领域知识，并促进复杂系统架构的发展。该框架弥补了 DDD 中的缺失概念，简化了其实现过程。DDDplus 提供可视化的业务建模 DSL 和多种路由机制，适用于复杂业务场景，已在多个关键生产环境中的中央平台项目中使用。

rasa - 开源框架Rasa，便捷实现文本与语音对话自动化

GithubRasa对话机器人开源开源项目机器学习自动化

Rasa 是开源的机器学习框架，用于自动化处理文本和语音对话。支持在Facebook Messenger、Slack、Google Hangouts、Microsoft Bot Framework 等平台上构建上下文助手，以及创建Alexa Skills 和Google Home Actions等语音助手。Rasa 的助手能够进行层次化对话，利用上下文实现有意义的交流和可扩展的对话能力。

Alink - 阿里巴巴开源的Flink机器学习算法平台

AlinkFlinkGithub开源项目机器学习算法平台阿里巴巴

Alink是阿里巴巴开发的基于Flink的开源算法平台，提供丰富的机器学习算法和工具。该平台支持Java和Python接口，具有高性能和可扩展性。Alink包含完整的教程、组件列表和算法库，适用于数据分析和机器学习领域。用户可在本地或集群环境中使用Alink进行数据处理和模型训练，满足不同应用场景的需求。

Compendium-of-free-ML-reading-resources - 机器学习免费学习资源集合书籍论文和在线教程

Github开源项目数据科学机器学习深度学习线性代数统计学

该项目是一个综合性机器学习免费资源集合,涵盖数据分析、数学、统计、机器学习和深度学习等领域。收录内容包括经典教材、最新论文、PDF电子书和在线教程,以英文原版为主。项目提供系统的机器学习知识体系和高质量学习材料,适合入门和进阶学习。资源全面、内容权威、持续更新,定期收录最新开放获取资源,为自学者和研究人员提供最新知识和便利。

hopsworks - 基于Python的机器学习特征库和MLOps平台

GithubHopsworksMLOpsML平台云服务开源项目特征存储

Hopsworks 是一个安全且可治理的数据平台，适用于机器学习资产的开发、管理和共享功能。支持特征库和模型管理，以及特征和训练管道的开发及运行。可作为独立特征库，支持云环境和本地部署，并无缝集成 AWS、Azure 和 GCP 等第三方平台。提供丰富的文档和教程以优化使用体验。

java-ai-playground - 客户支持应用实例，集成LangChain4j、Spring AI和Semantic Kernel等Java AI框架

AIGithubJavaLLMRAG客户支持开源项目

本项目展示了一个客户支持应用实例，集成LangChain4j、Spring AI和Semantic Kernel等Java AI框架。应用具有访问条款条件、执行Java方法和LLM用户交互功能。前端使用Vaadin Hilla，后端采用Spring Boot。项目为开发者提供了比较Java AI库的平台，便于选择适合特定需求的框架。项目实现了基于检索增强生成（RAG）的条款访问功能，并支持Java方法调用。开发者可通过此项目比较不同Java AI框架的实现方式和性能表现。

mleap - 快速部署机器学习流水线与算法的实用工具包

GithubMLeapScikit-learnSpark开源项目性能机器学习数据管道

MLeap提供高性能、便携、易于集成的生产库，支持将Spark和Scikit-learn的机器学习流水线导出为便携格式并执行。通过其执行引擎和序列化格式，数据科学家和工程师可以无需依赖Spark或Scikit-learn环境，将数据流水线和算法轻松部署到生产环境中。MLeap支持多种序列化格式（如JSON、Protobuf），并与现有技术高度集成，提供用户灵活定制数据类型和转换器的能力。

相关项目

项目侧边栏1

项目侧边栏2

推荐项目

Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com

@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号