#deep-learning Dépôts
2,273 dépôts au total
Visualiseur pour les modèles de réseaux de neurones, d'apprentissage profond et d'apprentissage automatique
OpenPose : Bibliothèque de détection de points clés multi-personnes en temps réel pour l'estimation du corps, du visage, des mains et des pieds
Lecture détaillée paragraphe par paragraphe d'articles classiques et récents sur l'apprentissage profond
Préentraînez, affinez n'importe quel modèle d'IA de n'importe quelle taille sur 1 ou 10 000+ GPU sans aucune modification de code.
Feuille de route pour devenir un expert en intelligence artificielle en 2022
:memo: Un référentiel génial de Data Science pour apprendre et appliquer à des problèmes du monde réel.
Systèmes d’apprentissage automatique : fondements, mise à l’échelle, IA agentique et IA physique (vol. I–IV) • CS249r de Harvard | https://mlsysbook.ai
Code et documentation pour entraîner les modèles Alpaca de Stanford et générer les données.
OCR prêt à l'emploi avec plus de 80 langues prises en charge et tous les scripts d'écriture populaires, y compris le latin, le chinois, l'arabe, le devanagari, le cyrillique, etc.
⛔️ OBSOLÈTE – Voir https://github.com/ageron/handson-ml3 ou handson-mlp à la place.
Notebooks Python pour la science des données : Deep learning (TensorFlow, Theano, Caffe, Keras), scikit-learn, Kaggle, big data (Spark, Hadoop MapReduce, HDFS), matplotlib, pandas, NumPy, SciPy, fondamentaux de Python, AWS et diverses lignes de commande.
Label Studio est un outil d'étiquetage et d'annotation de données multi-types avec un format de sortie standardisé
Un plan quotidien complet pour étudier et devenir ingénieur en machine learning.
📚 Articles et blogs tech d'entreprises partageant leur travail sur la science des données et l'apprentissage automatique en production.
Une liste organisée d'incroyables tutoriels, projets et communautés sur le Deep Learning.
Livre interactif sur l'apprentissage profond avec code multi-frameworks, mathématiques et discussions. Adopté dans 500 universités de 70 pays, dont Stanford, MIT, Harvard et Cambridge.
Apprentissage profond pour le traitement d'images, incluant la classification et la détection d'objets, etc.
Une approche de la théorie des jeux pour expliquer la sortie de tout modèle d'apprentissage automatique
⛔️ OBSOLÈTE – Voir https://github.com/ageron/handson-ml3 ou handson-mlp à la place.
JARVIS, un système pour connecter les LLM à la communauté ML. Article : https://arxiv.org/pdf/2303.17580.pdf
✅(Terminé) Notes super complètes sur l'apprentissage profond 【Tuduī PyTorch】【Li Mu Apprentissage profond pratique】【Andrew Ng Deep Learning】【Dafei Agents de grands modèles】
PArallel Distributed Deep LEarning: Framework d'apprentissage automatique issu de la pratique industrielle (Le framework central『FeiJiang』, entraînement hautes performances mono-machine et distribué pour le Deep Learning et le Machine Learning, et déploiement multiplateforme)
ncnn est un framework d'inférence de réseaux de neurones haute performance optimisé pour les plateformes mobiles
Audiocraft est une bibliothèque pour le traitement et la génération audio avec deep learning. Elle comprend le compresseur/tokeniseur audio de pointe EnCodec, ainsi que MusicGen, un LM de génération musicale simple et contrôlable avec conditionnement textuel et mélodique.
Une liste classée d'incroyables bibliothèques Python pour le machine learning. Mise à jour chaque semaine.
Une bibliothèque légère pour la reconnaissance faciale et l'analyse des attributs faciaux (âge, sexe, émotion et race) pour Python
Une liste organisée d'incroyables ressources en vision par ordinateur
🚀 Une sélection de ressources, de feuilles de route, d’outils et de projets en ingénierie de l’IA couvrant les LLM, le RAG, les agents d’IA, le MCP, le fine-tuning, les évaluations et les systèmes d’IA en production.
ONNX Runtime : accélérateur d'inférence et d'entraînement ML multiplateforme haute performance
Collection complète de ressources IA du programmeur Yupi + Tutoriel de base Vibe Coding, partageant un tutoriel détaillé d'OpenClaw, les modes d'utilisation des grands modèles (DeepSeek / GPT / Gemini / Claude / GLM), les dernières actualités IA, une collection complète de prompts, une encyclopédie des connaissances IA (Agent Skills / RAG / MCP / A2A), un tutoriel de programmation IA (Harness Engineering), l'utilisation d'outils IA (Cursor / Claude Code / TRAE / Codex / Copilot), un tutoriel sur les frameworks de développement IA (Spring AI / LangChain), un guide de monétisation des produits IA, vous aidant à maîtriser rapidement la technologie IA et à rester à la pointe. Ce projet est le document open source aiguide, qui a été mis à niveau vers le site de navigation IA de Yupi.
Version chinoise de 100 jours de code en apprentissage automatique
🤗 Le plus grand hub de jeux de données prêts à l'emploi pour les modèles d'IA avec des outils de manipulation de données rapides, faciles à utiliser et efficaces
Code pour Machine Learning for Trading, 3e édition — de l'acquisition de données à l'exécution en direct.