#recommendation-system Repositories
Entdecke 26 aktive Open-Source-GitHub-Repositories, die mit #recommendation-system getaggt sind und insgesamt 119,768 Sterne gesammelt haben (durchschnittlich 4,606 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist xai-org/x-algorithm mit 34,361 Sternen.
Insgesamt 26 Repositories
OpenVINO™ ist ein Open-Source-Toolkit zur Optimierung und Bereitstellung von KI-Inferenz.
Deep Learning Interview-Leitfaden (Enthält Mathematik, Machine Learning, Deep Learning, Computer Vision, Natural Language Processing und SLAM usw.)
Enthält Lösungen und Notizen für die Spezialisierung auf maschinelles Lernen von der Stanford University und Deeplearning.ai - Coursera (2022) von Prof. Andrew NG
Privater, lokal ausgerichteter, quelloffener, selbstlernender und plattformübergreifender KI-Agent zur Entdeckung von Inhalten: Er versteht dich zuerst und sucht anschließend proaktiv Inhalte auf Bilibili, Xiaohongshu, Douyin, YouTube, X, Zhihu, Reddit, Weibo und im offenen Web. (Unterstützt das DeepSeek-Harness-Plugin) | Lokal ausgerichteter, quelloffener, plattformübergreifender KI-Agent zur Entdeckung von Inhalten: Er versteht dich und sucht anschließend proaktiv Inhalte auf Bilibili, Xiaohongshu, Douyin, YouTube, X, Zhihu, Reddit, Weibo und im offenen Web. (Unterstützt das DeepSeek-Harness-Plugin)
Früheres Lernprojekt: Filmempfehlungen mit Spark, Web Scraping, Webanwendung und Backend. Die neue Version wird unter cinematch-recommender weiterentwickelt.
Sammlung von Industriestandards und Spitzenpapieren aus den Bereichen Empfehlung/Werbung/Suche. Eine Sammlung von Industriestandards und Spitzenpapieren aus den Bereichen Empfehlung/Werbung/Suche.
Ein PyTorch-Framework für Empfehlungs-Modelle, einfach zu verwenden und erweiterbar.
Offene CLI zur Integration von KI-Suche, Empfehlungen und konversationellem Abruf in Agentensysteme und Geschäftssysteme
NVTabular ist eine Bibliothek für Feature Engineering und Vorverarbeitung von tabellarischen Daten, die entwickelt wurde, um Terabyte-große Datensätze schnell und einfach zu manipulieren, die zum Trainieren von Deep-Learning-basierten Empfehlungssystemen verwendet werden.
HugeCTR ist ein hoch effizientes GPU-Framework, das für das Training zur Schätzung der Click-Through-Rate (CTR) entwickelt wurde.
Sammlung klassischer und hochaktueller Aufsätze und Materialien in der Empfehlungs- und Werbeindustrie / Pflichtlektüre-Papers zu Empfehlungssystemen und CTR-Vorhersage
KI-bezogene Tutorials. Greifen Sie kostenlos auf alle zu → https://towardsai.net/editorial
Ein offenes Grundlagenmodell und Benchmark zur Beschleunigung generativer Empfehlung
NVIDIA Merlin ist eine Open-Source-Bibliothek, die End-to-End-GPU-beschleunigte Empfehlungssysteme bereitstellt, von der Feature-Entwicklung und Vorverarbeitung über das Training von Deep-Learning-Modellen bis hin zum Inferenzbetrieb in der Produktion.
[Pytorch] Generatives Abrufmodell unter Verwendung semantischer IDs aus "Recommender Systems with Generative Retrieval"
Modulare E-Commerce-Backend mit einem GraphQL-Gateway und gRPC-Mikrodiensten für Konten, Produkte, Bestellungen, Zahlungen und Empfehlungen.
Filmempfehlungssystem basierend auf dem kollaborativen Filterungsempfehlungsalgorithmus, implementiert mit Mahout
Ein inhaltsbasiertes Empfehlungssystem, das Filme empfiehlt, die dem vom Benutzer bevorzugten Film ähneln, und die Gefühle der vom Benutzer gegebenen Bewertungen analysiert
《Empfehlungssysteme: industrielle Architektur und zentrale Algorithmen》 AI-Native-Buchmanuskript | Kapitel-PDFs, Wissenslandkarte und lokaler Lernagent. Website: https://jhljx.github.io/RecSys-Industrial-Book/
Häufig gestellte Fragen
Welches ist das beliebteste #recommendation-system-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#recommendation-system-Projekt auf GitHub ist xai-org/x-algorithm mit 34,361 Sternen. Algorithmus, der den For You-Feed auf X antreibt
Welche Programmiersprachen werden in #recommendation-system-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #recommendation-system-Projekten auf GitHub sind Python, Jupyter Notebook, C++, Java die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #recommendation-system-Repositories berechnet?
Wir verfolgen 26 aktive Open-Source-Repositories, die mit #recommendation-system getaggt sind (500+ Sterne), mit insgesamt 119,768 Sternen und durchschnittlich 4,606 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.