#machine-learning-engineering Repositories
Entdecke 33 aktive Open-Source-GitHub-Repositories, die mit #machine-learning-engineering getaggt sind und insgesamt 191,690 Sterne gesammelt haben (durchschnittlich 5,808 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist stanfordnlp/dspy mit 39,164 Sternen.
Insgesamt 33 Repositories
DSPy: Das Framework für die Programmierung – nicht für die Eingabeaufforderung – von Sprachmodellen
Ein Leitfaden zur systematischen Maximierung der Leistung von Deep-Learning-Modellen.
Kedro ist eine Toolbox für produktionsreife Data Science. Sie nutzt Best Practices der Software-Engineering, um Ihnen bei der Erstellung von reproduzierbaren, wartbaren und modularen Data-Engineering- und Data-Science-Pipelines zu helfen.
Das neue Buch von Google, 'Agentic Design Patterns', die beste chinesische Version, kontinuierlich optimiert. Im Anhang: Online-Lesen, PDF und ePub‑E‑Book‑Download.
Search-R1: Ein effizientes, skalierbares RL-Trainingsframework für Reasoning & Suchmaschinenaufrufe, das auf veRL basierende LLMs interleaved nutzt
Zusammenfassungen und Ressourcen für das Buch "Designing Machine Learning Systems" (Chip Huyen, O'Reilly 2022)
Sammlung von Artikeln über branchenübliche Praktiken wie Suche, Empfehlung, Werbung und Umsatzsteigerung (Quelle: Zhihu, Datafuntalk, technische öffentliche Konten)
🤖 𝗟𝗲𝗮𝗿𝗻 Sie kostenlos, wie Sie mit den Best Practices von 𝗟𝗟𝗠𝗢𝗽𝘀 ein End-to-End-System für 𝗟𝗟𝗠 & 𝗥𝗔𝗚 in Produktionsqualität erstellen: ~ 𝘴𝘰𝘶𝘳𝘤𝘦 𝘤𝘰𝘥𝘦 + 12 praktisc h e L e k t i o n e n
Fragen und Antworten zu Large-Model-Algorithmus-Stelleninterviews: Häufige Fragen und Konzepterklärungen „Large-Model-Interviewfragen“, „Algorithmus-Stelleninterview“, „Häufige Interviewfragen“, „Large-Model-Algorithmus-Interview“, „Grundlagen der Large-Model-Anwendung“
MLE-bench ist ein Benchmark zur Messung der Leistung von KI-Agenten im maschinellen Lernen
Eine Sammlung von Notebooks/Rezepten, die Anwendungsfälle von Open-Source-Modellen mit Together AI demonstrieren.
Dieses Repository ist ein Archiv von E-Mails, die jede Woche vom großartigen Quincy Larson gesendet werden.
Zusammenstellung einer Liste mit AutoML-bezogenen Forschungen, Tools, Projekten und anderen Ressourcen
Deep Learning für Dummies. Alle praktischen Details und nützlichen Hilfsmittel, die für die Arbeit mit realen Modellen erforderlich sind.
Notebooks für die Spezialisierung auf Große Sprachmodelle (LLMs)
LeanRL ist ein Fork von CleanRL, bei dem ausgewählte PyTorch-Skripte durch Kompilierung und Cudagraphs auf Leistung optimiert wurden.
Allgemeines Rag-Framework zur Anwendung der Leistungsfähigkeit von LLMs auf beliebige Datensätze
Häufig gestellte Fragen
Welches ist das beliebteste #machine-learning-engineering-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#machine-learning-engineering-Projekt auf GitHub ist stanfordnlp/dspy mit 39,164 Sternen. DSPy: Das Framework für die Programmierung – nicht für die Eingabeaufforderung – von Sprachmodellen
Welche Programmiersprachen werden in #machine-learning-engineering-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #machine-learning-engineering-Projekten auf GitHub sind Python, Jupyter Notebook, HTML die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #machine-learning-engineering-Repositories berechnet?
Wir verfolgen 33 aktive Open-Source-Repositories, die mit #machine-learning-engineering getaggt sind (500+ Sterne), mit insgesamt 191,690 Sternen und durchschnittlich 5,808 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.