#machine-learning Repositories
Insgesamt 2,070 Repositories
Code für Machine Learning for Trading, 3. Auflage — von der Datenbeschaffung bis zur Live-Ausführung.
⚡️HivisionIDPhotos: ein leichtgewichtiges und effizientes KI-Tool für Ausweisfotos. Ein leichtgewichtiger und effizienter Algorithmus zur Erstellung von KI-Ausweisfotos.
FinGPT: Open-Source Large Language Models für Finanzen! Revolutionieren Sie 🔥 Wir veröffentlichen das trainierte Modell auf HuggingFace.
Sammlung verschiedener Algorithmen in Mathematik, maschinellem Lernen, Informatik, Physik usw. Implementiert in C für Bildungszwecke.
Das pytorch handbook ist ein Open-Source-Buch, das das Ziel hat, Freunden, die PyTorch für die Deep-Learning-Entwicklung und -Forschung nutzen möchten, einen schnellen Einstieg zu ermöglichen. Alle enthaltenen Pytorch-Tutorials wurden getestet und garantieren einen erfolgreichen Lauf.
💬 Open-Source-Machine-Learning-Framework zur Automatisierung von text- und sprachbasierten Gesprächen: NLU, Dialogmanagement, Verbindung zu Slack, Facebook und mehr - Erstellen von Chatbots und Sprachassistenten
Eine kuratierte Liste toller Open-Source-Bibliotheken zum Bereitstellen, Überwachen, Versionieren und Skalieren Ihres Machine Learning
Das Unity Machine Learning Agents Toolkit (ML-Agents) ist ein Open-Source-Projekt, das Spiele und Simulationen als Umgebungen für das Training intelligenter Agenten mit Deep Reinforcement Learning und Imitation Learning ermöglicht.
Qiu Xipengs „Neuronale Netze und Deep Learning“, zweite Auflage und allgemeinbildende Ausgabe: E-Book, Inhaltsverzeichnis, Lernressourcen und Errata.
ARIS ⚔️ (Auto-Research-In-Sleep) — Leichtgewichtige Markdown-only-Fähigkeiten für autonome ML-Forschung: Cross-Model-Review-Loops, Ideenentdeckung und Experimentautomatisierung. Kein Framework, kein Lock-in — funktioniert mit Claude Code, Codex, OpenClaw oder jedem LLM-Agenten.
Materialien für den Kurs "Learn PyTorch for Deep Learning: Zero to Mastery".
Abu Quantitative Trading System (Aktien, Optionen, Futures, Bitcoin, Machine Learning) Open-Source-Quantitative-Trading basierend auf Python, Quantitative-Investment-Architektur
:book: Eine kuratierte Liste von Ressourcen, die sich der Natural Language Processing (NLP) widmen
Eine WebGL-beschleunigte JavaScript-Bibliothek zum Trainieren und Bereitstellen von ML-Modellen.
Ein schnelles, verteiltes, hochperformantes Gradient-Boosting-Framework (GBT, GBDT, GBRT, GBM oder MART) basierend auf Decision-Tree-Algorithmen, das für Ranking, Klassifikation und viele andere Machine-Learning-Aufgaben verwendet wird.
[🔥Aktualisierung ...] KI-gestützter automatischer quantitativer Handelsroboter (vollständig lokal bereitgestellt) KI-gestütztes quantitatives Investment Research Platform. 📃 Online-Dokumentation: https://ufund-me.github.io/Qbot ✨ :news: qbot-mini: https://github.com/Charmve/iQuant
Willkommen im Llama-Kochbuch! Dies ist Ihr Leitfaden für den Einstieg in Llama: Erste Schritte mit Inferenz, Fine-Tuning, RAG. Wir zeigen Ihnen auch, wie Sie End-to-End-Probleme mit der Llama-Modellfamilie lösen und sie auf verschiedenen Anbieterdiensten einsetzen.
Private KI-Plattform für Agenten, Assistenten und Unternehmenssuche. Integrierter Agent Builder, Tiefenrecherche, Dokumentenanalyse, Unterstützung mehrerer Modelle und API-Konnektivität für Agenten.
Dieses Projekt umfasst die in Vorstellungsgesprächen zu Machine Learning (Maschinelles Lernen), Deep Learning (Tiefes Lernen) und NLP häufig abgefragten Wissenspunkte und Code-Implementierungen und ist auch ein Muss an theoretischem Grundwissen für einen Algorithmus-Ingenieur.
TensorFlow - Eine kuratierte Liste dedizierter Ressourcen http://tensorflow.org
Kostenlose Bücherübersicht. PDF-Download Baidu Cloud E-Book-Download =钮趃圱欘偽罞僂珖椃櫑棅蚼饗仰苳堽彈朿骋騴郃碮字攉謳輒葓鼪滼觙悌爷砖杨鰙滣駧呸肧薉焤罳蛥鑔脽騺挬逽鴏剘牻帕啨砟躿猱逍錢饕橙岌媤瞧楆犧氤羼鳮鯆渟鶻椛彙踆膻挏鈒胆鬣喧璏鋂綨向糷螋炕谧溟涠褱暂餖钿慭轒烝嶬窷缚娽崢疺穻篥縍廝坞埜弼歒実湏蔎饮顀聂馅趿卄楲擜稿罫躸亖
Sammlung und Organisation von hochwertigen und interessanten Open-Source-Projekten auf GitHub.
Speicherschicht für KI-Agenten. Ersetzen Sie komplexe RAG-Pipelines durch eine serverlose, ein-Dateien-Speicherschicht. Verleihen Sie Ihren Agenten sofortigen Abruf und Langzeitgedächtnis.
Machine-Learning- und Deep-Learning-Tutorials, Artikel und andere Ressourcen
Open-Source-TTS-Modell auf dem neuesten Stand der Technik, das auf einer CPU läuft 😻
《Li Hongyi Deep Learning Tutorial》(Empfohlen von Professor Li Hongyi 👍, Apple Books 🍎), PDF-Download-Link: https://github.com/datawhalechina/leedl-tutorial/releases
Eine kuratierte Liste von Kursen, Büchern, Videovorlesungen und Arbeiten im Bereich Künstliche Intelligenz (KI).
Eine umfassende Liste von PyTorch-bezogenen Inhalten auf GitHub, wie verschiedene Modelle, Implementierungen, Hilfsbibliotheken, Tutorials usw.
OpenAI Baselines: hochwertige Implementierungen von Reinforcement-Learning-Algorithmen
MNN: Ein ultraschneller, leichter Inferenz-Engine, im Kampfeinsatz von Alibaba getestet, der hochperformante On-Device-LLMs und Edge-AI antreibt.
Ein neuronales Netzwerk, das ein Design-Mock-up in eine statische Website umwandelt.
pix2tex: Verwendung eines ViT zur Umwandlung von Gleichungsabbildungen in LaTeX-Code.
Burn ist eine Tensorbibliothek der nächsten Generation und ein Deep-Learning-Framework, das keine Kompromisse bei Flexibilität, Effizienz und Portabilität eingeht.
Konvertieren Sie Dokumente mühelos in strukturierte Daten. Unstructured ist eine Open-Source-ETL-Lösung zur Umwandlung komplexer Dokumente in saubere, strukturierte Formate für Sprachmodelle. Besuchen Sie unsere Website, um mehr über unser Enterprise-Grade-Plattformprodukt für Produktions-Workflows, Partitionierung, Anreicherungen, Chunking und Embedding zu erfahren.