AI-ML-project

反欺诈系统 该项目旨在开发使用ML的AI反欺诈系统。 对于大多数反欺诈系统而言，更重要的是不要阻止合法交易，而要尽可能多地验证欺诈交易。 Training dataset was not uploaded into this repository because of security considerations and big volume. All personal data, that is used in the project, was hashed before any cal

Texar是一个工具包，旨在支持广泛的机器学习，尤其是自然语言处理和文本生成任务。 Texar提供了易于使用的ML模块和功能库，用于组成任何模型和算法。 该工具是为研究人员和从业人员设计的，用于快速原型制作和实验。 Texar最初是开发的，由和与其他机构合作积极贡献。 维护此存储库的镜像。 主要特点 两种版本，（大多数）相同的接口。 Texar-TensorFlow（此）和具有大多数相同的接口。 两者都进一步结合了TF和PyTorch的最佳设计： PyTorch约定中的接口和变量共享 TF约

Texar-PyTorch是一个工具包，旨在支持广泛的机器学习，尤其是自然语言处理和文本生成任务。 Texar提供了易于使用的ML模块和功能库，用于组成任何模型和算法。 该工具是为研究人员和从业人员设计的，用于快速原型制作和实验。 Texar-PyTorch最初开发，由和与其他研究所合作积极贡献。 维护此存储库的镜像。 Texar-PyTorch将TensorFlow的许多最佳功能集成到PyTorch中，提供了优于PyTorch本机模块的高度可用和可定制的模块。 主要特点 两种版本，（大多数）

Batcomputer项目 Batbat项目是DevOps的一个工作示例，应用于机器学习和AI领域。 该项目背后的一些动机： 了解ML模型的可操作性挑战 尝试实现“ DevOps for AI”的现实 “封闭盒”流程（例如Azure ML Services ）与实际DevOps方法的集成 :speech_balloon: 为什么选择“ Project Batcomputer”？ 培训并用作项目基础的主要模型基于犯罪数据和犯罪结果（定罪等）的预测。 似乎是使使用这种预测模型更加有趣的一种有趣