#artificial-intelligence Repositories
Insgesamt 638 Repositories
Dieses Repository ist eine kuratierte Sammlung praxisnaher Data-Science-Projekte, die speziell für Anfänger zugeschnitten sind. Ob Sie gerade erst mit Data Science beginnen oder Ihre Fähigkeiten stärken möchten, diese Projekte bieten einen praktischen und interaktiven Weg, um Ihr Wissen anzuwenden.
[NeurIPS 2024] OSWorld: Benchmarking Multimodal Agents for Open-Ended Tasks in Real Computer Environments
Ein Repository, das potenzielle Quellen auflistet, die Ihnen bei der Vorbereitung auf ein Data Science/Machine Learning Interview helfen. Neue Ressourcen werden häufig hinzugefügt.
Implementierung von Dreambooth (https://arxiv.org/abs/2208.12242) mittels Textual Inversion (https://arxiv.org/abs/2208.01618) für Stable Diffusion (https://arxiv.org/abs/2112.10752). Tweaks konzentriert auf das Training von Gesichtern, Objekten und Stilen.
Hier erhalten Sie alle Grundlagen des Quantenmaschinellen Lernens, Algorithmen, Lernmaterialien, Projekte und die Beschreibungen der Projekte im gesamten Internet.
Sorgfältig kuratierte Ressourcenlinks für Data Science an einem Ort
ein hervorragendes Machine-Learning-Tool, mit dem Sie Modelle trainieren, testen und verwenden können, ohne Code zu schreiben
Fügen Sie Ihrer operativen Datenbank einen Echtzeit-Analyse-Knoten hinzu. Spice ist eine portable, beschleunigte SQL-Abfrage-, Such- und LLM-Inferenz-Engine in Rust für datengestützte KI-Anwendungen und Agenten.
Praktisches Deep Reinforcement Learning, veröffentlicht von Packt
Super-Resolution-bezogene Papers, Daten und Repositories sammeln
Fantastische kostenlose Kurse für maschinelles Lernen und KI mit Videovorlesungen.
Deepnote ist ein direkter Ersatz für Jupyter mit einem KI-zentrierten Design, einer eleganten Benutzeroberfläche, neuen Blöcken und nativen Datenintegrationen. Nutzen Sie Python, R und SQL lokal in Ihrer bevorzugten IDE und skalieren Sie dann zur Deepnote Cloud für Echtzeit-Zusammenarbeit, den Deepnote Agent und bereitstellbare Datenanwendungen. https://deepnote.com/
[ACL 2024] Ein einfach zu bedienendes Framework zur Wissensbearbeitung für LLMs.
[CVPR2025 Highlight] Video Generation Foundation Models: https://saiyan-world.github.io/goku/
🔮 Ein erfrischender funktionaler Ansatz für Deep Learning, kompatibel mit Ihren bevorzugten Bibliotheken
Ein umfassender Satz von Fairness-Metriken für Datensätze und Machine-Learning-Modelle, Erklärungen zu diesen Metriken und Algorithmen zur Minderung von Bias in Datensätzen und Modellen.
Sammlung von Ressourcen, die Schlüsselbereiche der Informatik abdecken
🎙️ Ein von Grund auf trainiertes 0,1B-Omni-Modell, das zuhören, sprechen und sehen kann!
Eine Spielwiese zum Generieren von Bildern aus beliebigen Textbeschreibungen mit Stable Diffusion (zuvor: mit DALL-E Mini)
All-in-one-Plattform für Suche, Empfehlungen, RAG und Analysen, angeboten über API
🚀 Eine effiziente Sammlung von Algorithmen für die Suche nach ungefähr nächstliegenden Nachbarn, geschrieben in Rust 🦀 .
Implementierung von AudioLM, einem SOTA Language Modeling Ansatz zur Audiogenerierung aus Google Research, in Pytorch
Das intelligenteste systemweite Grammatik-Tool der Welt; eine bessere Version der Apple Intelligence Writing Tools. Funktioniert unter Windows, Linux & macOS, mit der kostenlosen Gemini API, lokalen LLMs & mehr.
Über 200 detaillierte Karteikarten zur Wiederholung von Themen in den Bereichen maschinelles Lernen, Computer Vision und Informatik.
Selbst gehosteter Echtzeit-Klanglandschaftsanalysator für Vögel, Fledermäuse und andere Wildtiere. Multi-Modell lokale KI-Inferenz, läuft 24/7 auf einem Raspberry Pi.
🔊 Fantastische Liste für Whisper – ein Open-Source-System zur KI-gestützten Spracherkennung, entwickelt von OpenAI
Voll funktionsfähiger Pokerbot, der auf PartyPoker, PokerStars und GGPoker funktioniert, Tabellen mit Open-CV (anpassbar über GUI) oder neuronales Netzwerk scrapt und Entscheidungen basierend auf einem genetischen Algorithmus und Monte-Carlo-Simulation für die Poker-Equity-Berechnung trifft. Binaries können mit diesem Link heruntergeladen werden:
Geleakte GPTs-Prompts umgehen die 25-Nachrichten-Beschränkung oder um GPTs ohne ein Plus-Abonnement auszuprobieren.
Beherrschen Sie die Grundlagen des maschinellen Lernens, Deep Learning und mathematischen Optimierens, indem Sie wichtige Konzepte und Modelle von Grund auf mit Python aufbauen.
Ein Python-Paket zur Bewertung und Verbesserung der Fairness von Machine-Learning-Modellen.
Sammeln Sie einige Forschungsarbeiten zu Weltmodellen (World Models) für das autonome Fahren (und Robotik usw.).