#recommender-systems Repositorios
Descubre 23 repositorios activos de código abierto de GitHub etiquetados con #recommender-systems, que acumulan 73,763 estrellas en total (una media de 3,207 estrellas por proyecto). El líder de este tema es NVIDIA/DeepLearningExamples, con 14,675 estrellas.
23 repositorios en total
Scripts de deep learning de vanguardia organizados por modelos - fáciles de entrenar y desplegar con precisión y rendimiento reproducibles en infraestructura de grado empresarial.
Este repositorio contiene una colección curada de más de 300 estudios de caso de más de 80 empresas, que detallan aplicaciones prácticas e información sobre el diseño de sistemas de aprendizaje automático (ML). El contenido está organizado para ayudarle a encontrar fácilmente estudios de caso relevantes según la industria o casos de uso específicos de ML.
Un marco de aprendizaje profundo industrial para datos dispersos de alta dimensión
Implementaciones prácticas de IA publicadas por grandes empresas, los últimos artículos de laboratorios de vanguardia y relatos reales sobre los desafíos enfrentados en la industria
Repositorio que aloja el código para "Actions Speak Louder than Words: Trillion-Parameter Sequential Transducers for Generative Recommendations" (https://arxiv.org/abs/2402.17152).
Encuesta: Una colección de ponencias y recursos IMPRESIONANTES sobre temas de sistemas de recomendación relacionados con modelos de lenguaje grandes (LLM).
Una biblioteca configurable, ajustable y reproducible para la predicción de CTR https://fuxictr.github.io
Estas son las notas del camino de estudio del aprendizaje automático. Puede que encuentres algo útil en ellas.
Guía introductoria a los sistemas de recomendación, que presenta de forma exhaustiva los conocimientos teóricos de los sistemas de recomendación industriales (Curso abierto sobre sistemas de recomendación de Wang Shusen - Explicación del sistema de recomendación industrial real del escenario de Xiaohongshu), cómo entrenar modelos basados en TensorFlow2, cómo implementar microservicios de inferencia Golang de alto rendimiento, alta concurrencia y alta disponibilidad. Introducción exhaustiva a la teoría de los sistemas de recomendación industriales, entrenamiento de modelos basado en TensorFlow2 y la implementación de servicios de inferencia de alto rendimiento, alta concurrencia y alta disponibilidad basados en Golang.
⚡️Una biblioteca Python ultrarrápida para evaluación, comparación y fusión de rankings 🐍
Una colección curada de artículos de investigación que exploran la utilización de LLM para tareas relacionadas con grafos.
Cuadernos y ejemplos sobre cómo incorporar y usar diversas funciones de Amazon Personalize
Una biblioteca de métricas para evaluar sistemas de recomendación
[WSDM'2024 Oral] "SSLRec: Un marco de aprendizaje autosupervisado para recomendaciones"
Preguntas frecuentes
¿Cuál es el repositorio de #recommender-systems más popular en GitHub?
El proyecto de código abierto de #recommender-systems mejor posicionado en GitHub es NVIDIA/DeepLearningExamples, con 14,675 estrellas. Scripts de deep learning de vanguardia organizados por modelos - fáciles de entrenar y desplegar con precisión y rendimiento reproducibles en infraestructura de grado empresarial.
¿Qué lenguajes de programación se utilizan más en los repositorios de #recommender-systems?
Entre los proyectos de #recommender-systems mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, PureBasic.
¿Cómo se calcula la clasificación de los repositorios de #recommender-systems?
Seguimos 23 repositorios activos de código abierto etiquetados con #recommender-systems (500+ estrellas), que suman un total de 73,763 estrellas, con una media de 3,207 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.