#machine-learning Repositorios
Descubre 2,069 repositorios activos de código abierto de GitHub etiquetados con #machine-learning, que acumulan 10,545,027 estrellas en total (una media de 5,096 estrellas por proyecto). El líder de este tema es tensorflow/tensorflow, con 201,665 estrellas.
2,070 repositorios en total
f.k.a. Increíbles Prompts de ChatGPT. Comparte, descubre y recopila prompts de la comunidad. Gratuito y de código abierto — aloja la solución en tu organización con total privacidad。
🤗 Transformers: el framework de definición de modelos para modelos de machine learning de vanguardia en texto, visión, audio y modelos multimodales, tanto para inferencia como para entrenamiento.
12 semanas, 26 lecciones, 52 cuestionarios, aprendizaje automático clásico para todos
Curso para iniciarse en Large Language Models (LLMs) con hojas de ruta y notebooks de Colab.
¡Aprende ingeniería de IA! Apréndela. Constrúyela. Ponla al alcance de los demás.
Palabras sensibles chino-inglés, detección de idiomas, consulta de ubicación/operador de teléfonos móviles/fijos chinos y extranjeros, inferencia de género por nombres, extracción de números de móvil, extracción de DNI, extracción de correos electrónicos, biblioteca de nombres chino-japoneses, biblioteca de abreviaturas chinas, diccionario de descomposición de caracteres, valores emocionales de vocabulario, palabras de parada, tabla de palabras reaccionarias, tabla de palabras de violencia y terror, conversión de caracteres tradicionales a simplificados, simulación de pronunciación china en inglés, generador de letras de Wang Feng, biblioteca de nombres profesionales, biblioteca de sinónimos, biblioteca de antónimos, biblioteca de palabras negativas, biblioteca de marcas de automóviles, biblioteca de piezas de automóviles, corte continuo de inglés, varios vectores de palabras chinos, gran colección de nombres de empresas, biblioteca de poesía antigua, biblioteca de IT, biblioteca financiera, biblioteca de idioms, biblioteca de nombres geográficos, biblioteca de figuras históricas, biblioteca de poesía, biblioteca médica, biblioteca de dietas, biblioteca legal, biblioteca de automóviles, biblioteca de animales, corpus de chat en chino, datos de rumores en chino, conjunto de datos de preguntas y respuestas en chino de Baidu, colección de algoritmos de coincidencia de similitud de oraciones, recursos bert, herramientas relacionadas con generación y resumen de texto, herramienta de extracción de información cocoNLP, coincidencia de expresiones regulares de números de teléfono nacionales, Tsinghua XLORE: grafo de conocimiento enciclopédico translingüe chino-inglés, serie de informes de tecnología de IA de Tsinghua, generación de lenguaje natural, serie NLU es demasiado difícil, datos de parejas automáticas y robot, lista de lista negra de nombres de usuario, nombres jurídicos de delitos y modelo de clasificación, corpus de cuentas públicas de WeChat, curso de procesamiento de lenguaje natural de aprendizaje profundo cs224n, reconocimiento de caracteres chinos escritos a mano, corpus/conjuntos de datos de procesamiento de lenguaje natural chino, herramienta divina para nombrar variables, biblioteca de corpus de segmentación + código, conjunto de datos de diálogo basado en tareas en inglés, conjunto de datos de voz ASR + chino basado en aprendizaje profundo
Los Patrones de Sistemas a Gran Escala Escalable, Confiable y de Alto Rendimiento
Una lista curada de impresionantes frameworks, bibliotecas y software de Machine Learning.
《Aprende Deep Learning con Práctica》: Para lectores chinos, ejecutable y discutible. Las versiones en chino e inglés se utilizan en la enseñanza en más de 500 universidades de más de 70 países.
🧑🏫 60+ Implementaciones/tutoriales de artículos de aprendizaje profundo con notas una al lado de la otra 📝; incluyendo transformers (original, xl, switch, feedback, vit, ...), optimizadores (adam, adabelief, sophia, ...), gans (cyclegan, stylegan2, ...), 🎮 aprendizaje por refuerzo (ppo, dqn), capsnet, destilación, ... 🧠
Ultralytics YOLO27, YOLO26, YOLO11, YOLOv8 — detección de objetos, segmentación de instancias, segmentación semántica, clasificación de imágenes, estimación de pose y seguimiento de objetos
500 preguntas sobre aprendizaje profundo, presentadas en formato de preguntas y respuestas para explicar temas candentes como el conocimiento común de probabilidad, álgebra lineal, aprendizaje automático, aprendizaje profundo, visión por computadora, etc., para ayudar a mí mismo y a los lectores que lo necesiten. El libro completo se divide en 18 capítulos, más de 500.000 palabras. Debido a mi nivel limitado, ruego a los lectores que critiquen y corrijan cualquier parte inadecuada en el libro. Por continuar............ Si está interesado en cooperar, contacte a [email protected] Todos los derechos reservados, la infracción será perseguida Tan 2018.06
La API de reconocimiento facial más sencilla del mundo para Python y la línea de comandos
Qlib es una plataforma de inversión Quant orientada a la IA que tiene como objetivo utilizar la tecnología de IA para potenciar la investigación Quant, desde la exploración de ideas hasta la implementación de producciones. Qlib admite diversos paradigmas de modelado de ML, incluido el aprendizaje supervisado, la modelización de la dinámica del mercado y RL, y ahora está equipado con https://github.com/microsoft/RD-Agent para automatizar el proceso de I+D.
Aprende a desarrollar, implementar y iterar en aplicaciones de ML de grado de producción.
Un sistema de gestión documental supercargado y compatible con la comunidad: escanee, indexe y archive todos sus documentos
Apache Airflow - Una plataforma para crear de manera programática, programar y monitorear flujos de trabajo
Streamlit — El framework nativo para agentes para aplicaciones de datos y paneles de control.
Ray es un motor de cómputo de IA. Ray consiste en un runtime distribuido central y un conjunto de bibliotecas de IA para acelerar cargas de trabajo de ML.
Crea y comparte aplicaciones de aprendizaje automático encantadoras, todo en Python. 🌟 Dale una estrella para apoyar nuestro trabajo!
Tutorial y Ejemplos de TensorFlow para Principiantes (soporte para TF v1 & v2)
DeepSpeed es una biblioteca de optimización de aprendizaje profundo que hace que el entrenamiento distribuido y la inferencia sean fáciles, eficientes y efectivos.
Tutoriales en profundidad sobre LLM, RAG y aplicaciones de agentes de IA del mundo real.
Una biblioteca para la búsqueda eficiente de similitud y el agrupamiento de vectores densos.
Una plataforma abierta para entrenar, servir y evaluar grandes modelos de lenguaje. Repositorio de lanzamiento para Vicuna y Chatbot Arena.
Notas personales del curso de aprendizaje automático de Andrew Ng
500 proyectos de IA Machine learning Deep learning Visión por computadora NLP con código
Soluciones ML multiplataforma y personalizables para medios en vivo y de streaming.
OpenAssistant es un asistente conversacional que comprende tareas, puede interactuar con sistemas de terceros y recuperar información dinámicamente para hacerlo.
Un kit de herramientas para desarrollar y comparar algoritmos de aprendizaje por refuerzo.
Qdrant – Base de datos vectorial y motor de búsqueda vectorial de alto rendimiento y a gran escala para la próxima generación de IA. También disponible en la nube https://cloud.qdrant.io/
Detectron2 es una plataforma para detección de objetos, segmentación y otras tareas de reconocimiento visual.
Preguntas frecuentes
¿Cuál es el repositorio de #machine-learning más popular en GitHub?
El proyecto de código abierto de #machine-learning mejor posicionado en GitHub es tensorflow/tensorflow, con 201,665 estrellas. Un marco de aprendizaje automático de código abierto para todos
¿Qué lenguajes de programación se utilizan más en los repositorios de #machine-learning?
Entre los proyectos de #machine-learning mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, C++, MDX.
¿Cómo se calcula la clasificación de los repositorios de #machine-learning?
Seguimos 2,069 repositorios activos de código abierto etiquetados con #machine-learning (500+ estrellas), que suman un total de 10,545,027 estrellas, con una media de 5,096 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.