#machine-learning Dépôts
Découvrez 2,069 dépôts GitHub open source actifs associés à #machine-learning, cumulant 10,545,027 étoiles au total (soit une moyenne de 5,096 étoiles par projet). Le projet en tête de ce thème est tensorflow/tensorflow, avec 201,665 étoiles.
2,070 dépôts au total
f.k.a. Superbes Prompts ChatGPT. Partagez, découvrez et collectez des prompts de la communauté. Gratuit et open source — hébergez-le vous-même dans votre organisation avec une confidentialité totale。
🤗 Transformers : le framework de définition de modèles pour les modèles d'apprentissage automatique de pointe en texte, vision, audio et modèles multimodaux, à la fois pour l'inférence et l'entraînement.
Implémentez à partir de zéro un LLM de type ChatGPT dans PyTorch, étape par étape
Tenseurs et réseaux de neurones dynamiques en Python avec une forte accélération GPU
12 semaines, 26 leçons, 52 quiz, l'apprentissage automatique classique pour tous
Cours pour débuter avec les grands modèles linguistiques (LLM) avec des feuilles de route et des notebooks Colab.
Apprenez l’ingénierie de l’IA ! Apprenez-la. Construisez-la. Mettez-la à la disposition des autres.
Mots sensibles chinois-anglais, détection de langue, requête d'attribution/opérateur de téléphones mobiles/fixes chinois/étrangers, inférence de genre par nom, extraction de numéro de mobile, extraction de carte d'identité, extraction d'email, bibliothèque de noms sino-japonaise, bibliothèque d'abréviations chinoises, dictionnaire de décomposition de caractères, valeurs sentimentales du vocabulaire, mots vides, liste de mots réactionnaires, liste de mots violence-terrorisme, conversion simplifié-traditionnel, simulation de prononciation chinoise en anglais, générateur de paroles de Wang Feng, bibliothèque de noms de professions, bibliothèque de synonymes, bibliothèque d'antonymes, bibliothèque de mots négatifs, bibliothèque de marques automobiles, bibliothèque de pièces automobiles, segmentation continue de l'anglais, divers vecteurs de mots chinois, grande collection de noms d'entreprises, bibliothèque de poésie ancienne, bibliothèque IT, bibliothèque financière, bibliothèque d'idiomes, bibliothèque de noms géographiques, bibliothèque de figures historiques, bibliothèque de poésie, bibliothèque médicale, bibliothèque de diététique, bibliothèque juridique, bibliothèque automobile, bibliothèque animale, corpus de chat chinois, données de rumeurs chinoises, ensemble de données Q&R chinois Baidu, collection d'algorithmes de correspondance de similarité de phrases, ressources bert, outils de génération et résumé de texte, outil d'extraction d'informations cocoNLP, correspondance regex des numéros de téléphone nationaux, Tsinghua XLORE : graphe de connaissances encyclopédique translingue sino-anglais, série de rapports sur les technologies IA de Tsinghua, génération de langage naturel, série NLU trop difficile, données de couplets automatiques & robot, liste de blacklist des noms d'utilisateurs, termes légaux des crimes & modèle de classification, corpus de comptes publics WeChat, cours cs224n apprentissage profond traitement du langage naturel, reconnaissance de caractères chinois manuscrits, corpus/ensembles de données de traitement du langage naturel chinois, artefact de nommage de variables, bibliothèque de corpus de segmentation + code, ensemble de données de dialogue orienté tâche en anglais, ensemble de données vocal ASR + chinois basé sur l'apprentissage profond
Les Motifs des Systèmes à Grande Échelle Évolutifs, Fiables et Performants
Une liste organisée d'excellents frameworks, bibliothèques et logiciels d'apprentissage automatique.
《Plongez dans l'apprentissage profond》 : Pour les lecteurs chinois, exécutable et discutables. Les versions chinoise et anglaise sont utilisées pour l'enseignement dans plus de 500 universités de plus de 70 pays.
🧑🏫 60+ implémentations/tutoriels d'articles de deep learning avec des notes côte à côte 📝; y compris les transformers (original, xl, switch, feedback, vit, ...), les optimiseurs (adam, adabelief, sophia, ...), les gans (cyclegan, stylegan2, ...), 🎮 l'apprentissage par renforcement (ppo, dqn), les capsnet, la distillation, ... 🧠
Ultralytics YOLO27, YOLO26, YOLO11, YOLOv8 — détection d’objets, segmentation d’instances, segmentation sémantique, classification d’images, estimation de pose et suivi d’objets
500 questions sur l'apprentissage profond, présentées sous forme de questions-réponses pour expliquer des sujets chauds tels que les connaissances courantes en probabilité, algèbre linéaire, apprentissage automatique, apprentissage profond, vision par ordinateur, etc., afin d'aider moi-même et les lecteurs dans le besoin. L'ensemble du livre est divisé en 18 chapitres, plus de 500 000 mots. En raison d'un niveau limité, je demande instamment aux lecteurs de critiquer et corriger toute partie inappropriée dans le livre. À suivre............ Si intéressé par une coopération, contactez [email protected] Tous droits réservés, la violation sera poursuivie Tan 2018.06
L'API de reconnaissance faciale la plus simple au monde pour Python et la ligne de commande
Qlib est une plateforme d'investissement Quant axée sur l'IA qui vise à utiliser la technologie de l'IA pour renforcer la recherche Quant, de l'exploration des idées à la mise en œuvre de la production. Qlib prend en charge divers paradigmes de modélisation ML, y compris l'apprentissage supervisé, la modélisation de la dynamique du marché et l'apprentissage par renforcement (RL), et est maintenant équipé de https://github.com/microsoft/RD-Agent pour automatiser le processus de R&D.
Apprenez à développer, déployer et itérer sur des applications ML de qualité production.
Un système de gestion documentaire suralimenté soutenu par la communauté : numérisez, indexez et archivez tous vos documents
Apache Airflow - Une plateforme pour créer, planifier et surveiller des workflows de manière programmatique
Streamlit — Le framework natif pour les agents dédié aux applications de données et aux tableaux de bord.
Ray est un moteur de calcul IA. Ray est composé d'un runtime distribué central et d'un ensemble de bibliothèques IA pour accélérer les charges de travail ML.
Créez et partagez des applications d'apprentissage automatique délicieuses, tout en Python. 🌟 Étoilé pour soutenir notre travail !
Tutoriel et Exemples TensorFlow pour Débutants (support TF v1 & v2)
DeepSpeed est une bibliothèque d'optimisation pour l'apprentissage profond qui rend l'entraînement distribué et l'inférence simples, efficaces et performants.
Tutoriels approfondis sur les LLM, les RAG et les applications d'agents IA dans le monde réel.
Une bibliothèque pour la recherche efficace de similarité et le clustering de vecteurs denses.
Une plateforme ouverte pour l'entraînement, le déploiement et l'évaluation de grands modèles linguistiques. Dépôt de publication pour Vicuna et Chatbot Arena.
Notes personnelles sur le cours d'apprentissage automatique d'Andrew Ng
500 projets IA Machine learning Deep learning Vision par ordinateur NLP avec code
Solutions ML multiplateformes et personnalisables pour les médias en direct et en streaming.
OpenAssistant est un assistant conversationnel qui comprend les tâches, peut interagir avec des systèmes tiers et récupérer des informations de manière dynamique pour ce faire.
Un kit d'outils pour développer et comparer des algorithmes d'apprentissage par renforcement.
Qdrant – Base de données vectorielle et moteur de recherche vectorielle haute performance et à grande échelle pour la prochaine génération d'IA. Également disponible dans le cloud https://cloud.qdrant.io/
Detectron2 est une plateforme pour la détection d'objets, la segmentation et d'autres tâches de reconnaissance visuelle.
Foire aux questions
Quel est le dépôt #machine-learning le plus populaire sur GitHub ?
Le projet #machine-learning open source le mieux classé sur GitHub est tensorflow/tensorflow, avec 201,665 étoiles. Un framework d'apprentissage automatique open source pour tous
Quels langages de programmation sont les plus utilisés dans les dépôts #machine-learning ?
Parmi les projets #machine-learning les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, C++, MDX.
Comment le classement des dépôts #machine-learning est-il calculé ?
Nous suivons 2,069 dépôts open source actifs associés à #machine-learning (500+ étoiles), totalisant 10,545,027 étoiles, avec une moyenne de 5,096 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.