基于深度学习的人体骨架估计，并且在多个数据集上达到了sota 的结果
原始仓库地址：https://github.com/lingtengqiu/opec-net.git
该分布式高斯过程模型包含两个算法，即基于矩阵近似的分布式GP训练算法和基于交叉验证的分布式GP预测算法，分别对应于高斯过程的训练过程和预测过程。成果发表于IEEE Journal on Selected Areas in Communications.上的期刊论文Wireless Traffic Prediction with Scalable Gaussian Process: Framework, Algorithms, and Verification。分布式GP训练算法的核心思想是基于ADMM算法将原高斯过程的超参数优化问题拆分为多个更易于解决的子问题，并交由多个分布式计算单元分别解决。分布式GP预测算法的核心思想是利用交叉验证思想，将分布式计算单元的本地预测结果融合为一个更准确的全局预测结果。
该项目旨在开源一系列机器学习相关的核心算法来解决许多现实场景中的任务。机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。项目组通过研究计算机模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能如SVM，主成分分析（PCA），XGBT等。此外深度学习作为机器学习最重要的一个分支，近年来发展迅猛，在国内外都引起了广泛的关注。因此该项目组研发了一系列基于深度学习的核心算法，如解决点云语意的FPConv，拥挤场景下的人体关键点检测的OPEC-Net 等。
Net4AI 是未来（6G）内生智慧网络的两大技术发展方向之一，该方向的研究目标为充分利用网络节点的通信、计算和感知能力，通过分布式学习、群智式协同以及云边端一体化算法部署，支撑更为强大的网络智能（Network Intelligence），以实现未来各种智慧应用。本项目将对Net4AI相关论文的实现代码进行汇总，方便相关论文结果的复现，以促进该领域的健康发展。
前沿的人工智能技术可以有效地推动下一代无线系统和网络的智能化演进。本平台旨在为相关工作者提供一个共享数据和代码的空间。
ODPi Egeria关于治理的指导——简化企业治理
原始仓库地址：https://github.com/odpi/data-governance.git
这里我们提供了一个kubernetes操作器来支持Egeria部署到kubernetes。这是除了目前在主要项目中支持的基础egeria容器图像，以及一些使用它们的helm图表。
原始仓库地址：https://github.com/odpi/egeria-k8s-operator.git
TSC服务建立并维护项目生命周期,建立标准ODPi主持的一个项目,确保项目的资源和工具来获得成功,任何ODPi项目和解决冲突或问题可以叫他们做。
原始仓库地址：https://github.com/odpi/tsc.git
ODPi BI and AI Project
原始仓库地址：https://github.com/odpi/bi-ai.git
这个存储库捕获了各种样例，这些样例对于学习或使用Egeria的初始起点都很有用。
原始仓库地址：https://github.com/odpi/egeria-samples.git
项目类型
