#deep-learning Repositorios
2,273 repositorios en total
Una lista curada de recursos de aprendizaje por refuerzo con retroalimentación humana (actualizada continuamente)
Notas, tareas de programación y cuestionarios de todos los cursos de la especialización Deep Learning de Coursera ofrecida por deeplearning.ai: (i) Redes Neuronales y Deep Learning; (ii) Mejora de Redes Neuronales Profundas: ajuste de hiperparámetros, regularización y optimización; (iii) Estructuración de Proyectos de Machine Learning; (iv) Redes Neuronales Convolucionales; (v) Modelos de Secuencia
https://www.youtube.com/channel/UC34rW-HtPJulxr5wp2Xa04w?sub_confirmation=1
Una biblioteca rápida para AutoML y tuning. Únete a nuestro Discord: https://discord.gg/Cppx2vSPVP.
Tutoriales y recursos seleccionados para Modelos de Lenguaje Grandes, Pintura con IA y más.
Un kit de herramientas de procesamiento de voz impulsado por IA y modelos preentrenados SOTA de código abierto, que admiten mejora de voz, separación y extracción de hablante objetivo, etc.
Cuadernos de Python con ejemplos de ML y aprendizaje profundo con Azure Machine Learning Python SDK | Microsoft
⚡️SwanLab - una herramienta de visualización y seguimiento de entrenamiento de IA de código abierto y diseño moderno. Compatible con uso en la nube / autoalojado. Integrado con PyTorch / Transformers / verl / LLaMA Factory / ms-swift / Ultralytics / MMEngine / Keras, etc.
InstantMesh: Generación eficiente de mallas 3D a partir de una sola imagen con modelos de reconstrucción grandes de vista dispersa
En este repositorio, compartiré algunas notas y referencias útiles sobre el despliegue de modelos basados en deep learning en producción.
LightLLM es un framework basado en Python para la inferencia y el servicio de LLM (Modelos de Lenguaje Grandes), notable por su diseño ligero, fácil escalabilidad y rendimiento de alta velocidad.
Una Colección de Cheatsheets, Libros, Preguntas y Portfolio Para la Preparación de Entrevistas DS/ML
Una implementación limpia basada en AlphaZero para cualquier juego en cualquier framework + tutorial + Othello/Gobang/TicTacToe/Connect4 y más
Este proyecto reproduce el libro Dive Into Deep Learning (https://d2l.ai/), adaptando el código de MXNet a PyTorch.
Framework RAG (Retrieval Augmented Generation) para construir aplicaciones modulares de código abierto para producción por TrueFoundry
Conviértete en un experto en Inteligencia Artificial, Machine Learning, IA Generativa, Deep Learning, Data Science, Procesamiento del Lenguaje Natural, Aprendizaje por Refuerzo y más con este repositorio completo de 0 a 100.
Un marco de aprendizaje profundo industrial para datos dispersos de alta dimensión
TorchGeo: conjuntos de datos, muestreadores, transformaciones y modelos pre-entrenados para datos geoespaciales
Una lista curada de herramientas geniales para etiquetado de datos
[ECCV 2022] Esta es la implementación oficial de BEVFormer, un framework solo con cámara para la percepción de conducción autónoma, por ejemplo, detección de objetos 3D y segmentación de mapas semánticos.
Un paquete de Python para segmentar datos geoespaciales con el Segment Anything Model (SAM)
Resumen y estudio de materiales de ChatGPT, actualización continua......
"Build a Large Language Model (From Scratch)" es un libro electrónico que explora en profundidad los principios y la implementación de los modelos de lenguaje grandes, adecuado para estudiantes que desean comprender la arquitectura, el proceso de entrenamiento y el desarrollo de aplicaciones de modelos grandes como GPT. Para permitir que más lectores chinos accedan a este valioso material didáctico, he decidido traducirlo al chino y compartirlo de forma abierta a través de GitHub.
Construye un LLM moderno desde cero. Cada línea comentada. Explicado como si tuviéramos cinco años.
Una programación personalizada moderna de Anki basada en el algoritmo Free Spaced Repetition Scheduler
Biblioteca de código abierto de operaciones optimizadas de aprendizaje profundo (multiplicación de matrices, convolución y atención) para CPU (x64, AArch64 y RISC-V) y GPU de Intel. Utilizada por PyTorch, TensorFlow, OpenVINO y ONNX Runtime.
FEDML: la biblioteca de ML unificada y escalable para entrenamiento distribuido a gran escala, servicio de modelos y aprendizaje federado. FEDML Launch, un planificador multicloud, permite además ejecutar cualquier trabajo de IA en cualquier nube de GPU o clúster local. Basado en esta biblioteca, TensorOpera AI (https://TensorOpera.ai) es su plataforma de IA generativa a escala.
Deepchecks: Pruebas para la Validación Continua de Modelos y Datos de ML. Deepchecks es una solución holística de código abierto para todas sus necesidades de validación de IA y ML, que le permite probar exhaustivamente sus datos y modelos desde la investigación hasta la producción.
Comprender el comportamiento humano para alinear las verdaderas necesidades
Un marco de código abierto para entrenar modelos multimodales grandes.
TimeGPT-2.1: modelo fundacional de series temporales preentrenado y listo para producción para la predicción y la detección de anomalías. Un transformador generativo preentrenado para series temporales, entrenado con más de 100.000 millones de puntos de datos. Es capaz de realizar predicciones precisas en diversos ámbitos, como el comercio minorista, la electricidad, las finanzas y el IoT, con solo unas pocas líneas de código 🚀.
Synapsa Commons: cursos gratuitos y prácticos de IA que funcionan en cualquier entorno (Colab, Kaggle, Binder, Codespaces, Jupyter). Evidencias de conformidad con la Ley de IA de la UE, validación de modelos, mantenimiento predictivo, extracción de documentos, recuperación y RAG, agentes de IA y MCP, y un humanoide simulado. Cada lección se califica automáticamente. Del equipo que está construyendo Synapsa.