#machine-learning-engineering Dépôts
Découvrez 33 dépôts GitHub open source actifs associés à #machine-learning-engineering, cumulant 191,690 étoiles au total (soit une moyenne de 5,808 étoiles par projet). Le projet en tête de ce thème est stanfordnlp/dspy, avec 39,164 étoiles.
33 dépôts au total
DSPy : Le framework pour programmer – et non pas pour interroger – les modèles linguistiques
Un guide pour maximiser systématiquement les performances des modèles d'apprentissage profond.
Kedro est une boîte à outils pour la data science prête pour la production. Elle utilise les meilleures pratiques d'ingénierie logicielle pour vous aider à créer des pipelines d'ingénierie des données et de data science qui sont reproductibles, maintenables et modulaires.
Hydra est un framework pour configurer élégamment des applications complexes
Le nouveau livre de Google, 'Agentic Design Patterns', la meilleure version en chinois, optimisé en continu. Inclus : lecture en ligne, PDF et téléchargement du e-book ePub.
Search-R1: Un framework d'entraînement RL efficace et évolutif pour le raisonnement et l'appel de moteurs de recherche basé sur LLM entrelacés avec veRL
Résumés et ressources pour le livre "Designing Machine Learning Systems" (Chip Huyen, O'Reilly 2022)
Collecte d'articles sur des pratiques industrielles telles que la recherche, la recommandation, la publicité et l'augmentation des revenus (Source : Zhihu, Datafuntalk, comptes publics techniques)
🤖 𝗔𝗽𝗽𝗿𝗲𝗻𝗲𝘇 gratuitement comment créer un système 𝗟𝗟𝗠 & 𝗥𝗔𝗚 de qualité production de bout en bout en utilisant les meilleures pratiques 𝗟𝗟𝗠𝗢𝗽𝘀 : ~ 𝘴𝘰𝘶𝘳𝘤𝘦 𝘤𝘰𝘥𝘦 + 12 𝘭𝘦ç𝘰𝘯𝘴 pratiques
Questions d'entretien pour les postes d'algorithmes de grands modèles (avec réponses) : questions fréquentes et analyse des concepts "Questions d'entretien sur les grands modèles", "Entretien pour les postes d'algorithmes", "Questions fréquentes d'entretien", "Entretien sur les algorithmes de grands modèles", "Bases des applications de grands modèles"
MLE-bench est une référence pour mesurer les performances des agents d'IA en ingénierie de l'apprentissage automatique
Une collection de notebooks/recettes présentant des cas d'utilisation de modèles open-source avec Together AI.
Ce dépôt est une archive d'e-mails envoyés chaque semaine par l'incroyable Quincy Larson.
Curatage d'une liste de recherches, outils, projets et autres ressources liés à l'AutoML
Le Deep Learning pour les nuls. Tous les détails pratiques et les utilitaires utiles pour travailler avec de vrais modèles.
Carnets de notes pour la spécialisation sur les grands modèles linguistiques (LLM)
LeanRL est un fork de CleanRL, où des scripts PyTorch sélectionnés ont été optimisés pour la performance à l'aide de compile et de cudagraphs.
Framework rag générique pour appliquer la puissance des LLM à tout ensemble de données donné
Foire aux questions
Quel est le dépôt #machine-learning-engineering le plus populaire sur GitHub ?
Le projet #machine-learning-engineering open source le mieux classé sur GitHub est stanfordnlp/dspy, avec 39,164 étoiles. DSPy : Le framework pour programmer – et non pas pour interroger – les modèles linguistiques
Quels langages de programmation sont les plus utilisés dans les dépôts #machine-learning-engineering ?
Parmi les projets #machine-learning-engineering les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, HTML.
Comment le classement des dépôts #machine-learning-engineering est-il calculé ?
Nous suivons 33 dépôts open source actifs associés à #machine-learning-engineering (500+ étoiles), totalisant 191,690 étoiles, avec une moyenne de 5,808 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.