Plataforma de machine learning e IA para la JVM que abarca ML clásico, deep learning, NLP, visualización e inferencia con LLM y ONNX para Java, Kotlin y Scala.
SMILE es una biblioteca de machine learning y una plataforma de IA para la JVM, con API que se pueden usar desde Java, Kotlin y Scala. Ofrece una amplia variedad de algoritmos de clasificación, regresión, clustering, aprendizaje de variedades, detección de anomalías, series temporales, NLP y estadística, que pueden ejecutarse dentro de una aplicación sin necesidad de un servicio de Python independiente.
Además de la biblioteca principal, el proyecto incluye SMILE Serve, un servidor de inferencia basado en Quarkus que aloja modelos serializados de SMILE, modelos ONNX y LLM detrás de endpoints compatibles con OpenAI, con transmisión SSE, métricas de Prometheus y una interfaz web integrada. SMILE Studio es un entorno de escritorio con notebooks y agentes de IA para explorar datos, entrenar modelos y exportar artefactos. La explicación de modelos incluye TreeSHAP y KernelSHAP para atribuir características a nivel local.
El proyecto tiene una doble licencia: por defecto se aplican licencias de código abierto (GPLv3, AGPLv3 y BSL para Studio), y HALO.AI ofrece licencias comerciales para la distribución de software propietario.
Añade la biblioteca smile-core de Maven Central a tu compilación (consulta la sección Installation del README)
Sigue la sección Quick Start del README para ejecutar tu primer ejemplo
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Biblioteca de machine learning para Python basada en SciPy y NumPy, con herramientas de clasificación, regresión, clustering y selección de modelos, bajo licencia BSD.
Orange es una herramienta de programación visual de código abierto para minería, análisis y visualización de datos, basada en flujos de trabajo de arrastrar y soltar.
Conjunto de herramientas de Python y una interfaz web para evaluar y depurar patrones de error, equidad, interpretabilidad y efectos causales en modelos de ML.
Framework de machine learning en Python basado en scikit-learn y pandas, con módulos para sistemas de trading y predicción deportiva.
Toolkit de Python de código abierto para evaluar cuantitativamente explicaciones de redes neuronales con más de 30 métricas XAI en PyTorch y TensorFlow.
Servidor de deep learning, paquete wheel de Python y CLI para entrenar y ejecutar modelos con imágenes, texto, datos tabulares y series temporales mediante una REST API.