#machine-learning Repositories
Insgesamt 2,070 Repositories
Leitfaden für die Bewerbung auf AI-Algorithmus-Positionen (umfasst Vorbereitungsstrategien, Übungsleitfäden, interne Empfehlungen und Listen von AI-Unternehmen usw.)
Ein leichter und dennoch leistungsstarker Audio-zu-MIDI-Konverter mit Tonhöhenbiegungserkennung
Ein System zur schnellen Generierung von Trainingsdaten mit schwacher Überwachung
⚡ WebGPU-Inferenz-Engine in reinem Rust — OpenAI-API-kompatibel, GGUF-nativ, läuft auf jeder GPU. Kein Python. Kein llama.cpp. Einzelne Binärdatei.
Outfit Anyone: Hochwertige virtuelle Anprobe für jede Kleidung und jede Person
Implementieren Sie Schritt für Schritt ein Reasoning LLM in PyTorch von Grund auf neu
Hochleistungs-Daten-Engine für KI und multimodale Workloads. Verarbeiten Sie Bilder, Audio, Video und strukturierte Daten in beliebigem Umfang.
Eine GPU-beschleunigte Bibliothek, die hochoptimierte Bausteine und eine Ausführungsengine für die Datenverarbeitung enthält, um Deep-Learning-Training- und Inferenz-Anwendungen zu beschleunigen.
🔥 Beeindruckende Liste von Ressourcen zur Web-Entwicklung.
T81-558: Keras - Anwendungen tiefer neuronaler Netze @Washington University in St. Louis
Convolutional Neural Network für Textklassifikation in TensorFlow
Framework-unabhängige geslicete/geteilte Inferenz + interaktive Benutzeroberfläche + Fehleranalyse-Diagramme
Ein KI-gestütztes Data-Science-Team von Agenten, das Ihnen hilft, gängige Data-Science-Aufgaben 10-mal schneller zu erledigen.
Code-Repository für maschinelles Lernen mit PyTorch und Scikit-Learn
Core ML-Tools enthalten unterstützende Tools für die Konvertierung, Bearbeitung und Validierung von Core ML-Modellen.
Kuratiete Liste von Data-Science-Interviewfragen und -antworten
Ein kompletter Leitfaden, um 2026 ohne jeglichen Hintergrund im Bereich Machine Learning (ML) und Künstliche Intelligenz (AI) zu starten und sich zu verbessern sowie stets über die neuesten Nachrichten und fortschrittlichsten Techniken informiert zu bleiben!
KI-Systeme erstellen, bewerten und optimieren. Umfasst Evals (Bewertungen), RAG, Agenten, Feinabstimmung (Fine-Tuning), Generierung synthetischer Daten, Dataset-Management, MCP und mehr.
【Drei Jahre Vorstellungsgespräche, fünf Jahre Prüfungssimulationen】Eine Plattform mit Interviewressourcen für Algorithmusingenieure im Bereich AIGC/LLM/AI Agent. Sie umfasst praxisnahe Erfahrungen und wichtige Inhalte für Vorstellungsgespräche und schriftliche Prüfungen sowie grundlegendes, langfristig relevantes Wissen aus der KI-Branche, darunter AIGC, Large Language Models (LLMs), KI-Agenten, verkörperte Intelligenz, klassisches Deep Learning, Computer Vision, natürliche Sprachverarbeitung, autonomes Fahren, maschinelles Lernen, bestärkendes Lernen, Big-Data-Mining, Weltmodelle, das Metaversum, AGI und vieles mehr.
Einfache und verteilte Machine-Learning-Python-Bibliothek zur Portierung von ML-Algorithmen für Spark
Eine Machine-Learning-Software zur Extraktion von Informationen aus wissenschaftlichen Dokumenten
eine Machine-Learning-Bildinpainting-Aufgabe, die Wasserzeichen instinktiv aus einem Bild entfernt, das vom Ground-Truth-Bild nicht zu unterscheiden ist