#recsys Repositorios
Descubre 8 repositorios activos de código abierto de GitHub etiquetados con #recsys, que acumulan 36,694 estrellas en total (una media de 4,586 estrellas por proyecto). El líder de este tema es eugeneyan/applied-ml, con 28,577 estrellas.
8 repositorios en total
📚 Artículos y blogs de tecnología de empresas que comparten su trabajo sobre ciencia de datos y aprendizaje automático en producción.
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).
Transformers4Rec es una biblioteca flexible y eficiente para recomendaciones secuenciales y basadas en sesiones que funciona con PyTorch.
Un Framework de PyTorch para Modelos de Recomendación, Fácil de usar y Fácil de extender.
Compilación de ejemplos del mundo real de alto perfil de proyectos fallidos de aprendizaje automático
《Sistemas de recomendación: arquitectura industrial y algoritmos fundamentales》 Manuscrito de libro AI Native | PDF de los capítulos, mapa de conocimientos y agente de aprendizaje local. Sitio web: https://jhljx.github.io/RecSys-Industrial-Book/
Preguntas frecuentes
¿Cuál es el repositorio de #recsys más popular en GitHub?
El proyecto de código abierto de #recsys mejor posicionado en GitHub es eugeneyan/applied-ml, con 28,577 estrellas. 📚 Artículos y blogs de tecnología de empresas que comparten su trabajo sobre ciencia de datos y aprendizaje automático en producción.
¿Qué lenguajes de programación se utilizan más en los repositorios de #recsys?
Entre los proyectos de #recsys mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook.
¿Cómo se calcula la clasificación de los repositorios de #recsys?
Seguimos 8 repositorios activos de código abierto etiquetados con #recsys (500+ estrellas), que suman un total de 36,694 estrellas, con una media de 4,586 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.