#machine-learning Repositories
Insgesamt 2,070 Repositories
Sammlung verschiedener Algorithmen in Mathematik, maschinellem Lernen, Informatik und Physik, die zu Bildungszwecken in C++ implementiert wurden.
CLIP (Contrastive Language-Image Pretraining), Vorhersage des relevantesten Textausschnitts anhand eines Bildes
FinceptTerminal ist eine moderne Finanzanwendung, die fortschrittliche Marktanalysen, Investitionsforschung und Wirtschaftsdatentools bietet und für interaktive Erkundung und datengesteuerte Entscheidungsfindung in einer benutzerfreundlichen Umgebung konzipiert wurde.
OpenPose: Echtzeit-Bibliothek zur Erkennung von Keypoints für Körper, Gesicht, Hände und Füße bei mehreren Personen
Produktionsreifes Rust-natives Trading-Engine mit deterministischer Event-Driven-Architektur
Trainieren Sie JEDES KI-Modell JEDER Größe auf 1 oder 10.000+ GPUs mit null Codeänderungen vor und stimmen Sie es fein ab.
Roadmap zur Entwicklung eines Experten für künstliche Intelligenz im Jahr 2022
Dieses Repository zeigt verschiedene fortgeschrittene Techniken für Retrieval-Augmented Generation (RAG)-Systeme. Jede Technik hat ein detailliertes Notebook-Tutorial.
:memo: Ein großartiges Data Science Repository zum Lernen und Anwenden für reale Probleme.
Maschinelle Lernsysteme: Grundlagen, Skalierung, agentische KI und physische KI (Bde. I–IV) • Harvard CS249r | https://mlsysbook.ai
Sofort einsatzbereite OCR-Technologie mit über 80 unterstützten Sprachen und allen gängigen Schriftsystemen, einschließlich Lateinisch, Chinesisch, Arabisch, Devanagari, Kyrillisch und etc.
⛔️ VERSCHOBEN – Siehe https://github.com/ageron/handson-ml3 oder handson-mlp stattdessen.
Das KI-Tool Nr. 1 zum Erstellen von Lebensläufen, PDFs, Anschreiben und mehr, lokal mit Unterstützung für über 100 LLMs.
Skalierbare, portable und verteilte Gradient-Boosting-Bibliothek (GBDT, GBRT oder GBM) für Python, R, Java, Scala, C und mehr. Läuft auf einem einzelnen Rechner, Hadoop, Spark, Dask, Flink und DataFlow.
Die Open-Source-KI-Ingenieurplattform für Agenten, LLMs und ML-Modelle. MLflow ermöglicht es Teams aller Größen, produktionsreife KI-Anwendungen zu debuggen, auszuwerten, zu überwachen und zu optimieren, während Kosten kontrolliert und der Zugriff auf Modelle und Daten verwaltet wird.
Python-Notebooks für Data Science: Deep Learning (TensorFlow, Theano, Caffe, Keras), scikit-learn, Kaggle, Big Data (Spark, Hadoop MapReduce, HDFS), matplotlib, pandas, NumPy, SciPy, Python-Grundlagen, AWS und verschiedene Befehlszeilen.
Ein vollständiger täglicher Lernplan, um Maschinenlerningenieur zu werden.
📚 Artikel & Tech-Blogs von Unternehmen, die ihre Arbeit zu Data Science & Machine Learning in der Produktion teilen.
Eine kuratierte Liste von großartigen Deep-Learning-Tutorials, Projekten und Communities.
Interaktives Deep-Learning-Buch mit Code für mehrere Frameworks, Mathematik und Diskussionen. An 500 Universitäten in 70 Ländern übernommen, darunter Stanford, MIT, Harvard und Cambridge.
Pumpkin-Buch: 'Maschinelles Lernen' (Xigua-Buch) Detaillierte Formel-Analyse
Ein spieltheoretischer Ansatz zur Erklärung der Ausgabe beliebiger maschineller Lernmodelle
⛔️ VERSCHOBEN/VERALTET – Siehe https://github.com/ageron/handson-ml3 oder handson-mlp stattdessen.
Bitmap- und Tilemap-Generierung aus einem einzigen Beispiel mit Hilfe von Ideen aus der Quantenmechanik
Über 50 Tutorials und Implementierungen für Generative AI Agent-Techniken, von einfachen Konversationsbots bis zu komplexen Multi-Agent-Systemen.
🤖 Python-Beispiele für beliebte Machine-Learning-Algorithmen mit interaktiven Jupyter-Demos und erklärter Mathematik
✅(Abgeschlossen) Super umfassende Deep-Learning-Notizen 【Tuduī PyTorch】【Li Mu Praktisches Deep Learning】【Andrew Ng Deep Learning】【Dafei Große Modelle Agent】
PArallel Distributed Deep LEarning: Machine Learning Framework aus der industriellen Praxis (Der Kern-Framework『FeiJiang』, High-Performance-Training für Deep Learning & Machine Learning auf Einzelrechnern und verteilt sowie plattformübergreifende Bereitstellung)
Eine Rangliste von großartigen Machine-Learning-Python-Bibliotheken. Wöchentlich aktualisiert.
Eine leichtgewichtige Bibliothek für Gesichtserkennung und Gesichtsattributanalyse (Alter, Geschlecht, Emotion und Rasse) für Python
Ein reaktives Notebook für Python — Führe reproduzierbare Experimente durch, frage mit SQL ab, führe es als Skript aus, stelle es als App bereit und versioniere es mit Git. Gespeichert als reines Python. Alles in einem modernen, KI-nativen Editor.
Repository zur Verfolgung des Fortschritts in der Natural Language Processing (NLP), einschließlich der Datensätze und des aktuellen State-of-the-Art für die häufigsten NLP-Aufgaben.
Eine kuratierte Liste von großartigen Ressourcen für Computer Vision
Ein Framework für Video-Super-Resolution und Frame-Interpolation basierend auf maschinellem Lernen. Est. Hack the Valley II, 2018.
🚀 Eine kuratierte Sammlung von Ressourcen, Roadmaps, Tools und Projekten für KI-Engineering mit den Themen LLMs, RAG, KI-Agenten, MCP, Fine-Tuning, Evaluierungen und KI-Systeme im Produktivbetrieb.
YC (S26) | Screenpipe findet Arbeit, die sich zu automatisieren lohnt | Zeichne deine Computerarbeit kontinuierlich lokal auf, entdecke wiederkehrende Arbeitsabläufe und übergib das Ergebnis an einen beliebigen Agenten, den du bereits nutzt.
ONNX Runtime: Cross-Plattform, hochleistungsstarker ML-Inferenz- und Trainingsbeschleuniger
🤗 Die größte Drehscheibe für einsatzbereite Datensätze für KI-Modelle mit schnellen, einfach zu bedienenden und effizienten Werkzeugen zur Datenmanipulation