#machine-learning Dépôts
2,070 dépôts au total
Guide de recherche d'emploi pour postes d'algorithmes IA (couvre les stratégies de préparation, guide de pratique de questions, recommandations internes et listes d'entreprises IA, etc.)
Modélisation uplift et inférence causale avec des algorithmes d'apprentissage automatique
Un convertisseur audio-MIDI léger mais puissant avec détection de modulation de hauteur
Un système pour générer rapidement des données d'entraînement avec une supervision faible
⚡ Moteur d'inférence WebGPU en Rust pur — Compatible avec l'API OpenAI, natif GGUF, fonctionne sur n'importe quel GPU. Pas de Python. Pas de llama.cpp. Binaire unique.
Outfit Anyone : Essayage virtuel de ultra haute qualité pour tout vêtement et toute personne
Gorgonia est une bibliothèque qui aide à faciliter l'apprentissage automatique en Go.
Implémentez un LLM de raisonnement dans PyTorch à partir de zéro, étape par étape
Moteur de données haute performance pour les charges de travail d'IA et multimodales. Traitez des images, de l'audio, de la vidéo et des données structurées à n'importe quelle échelle.
Une bibliothèque accélérée par GPU contenant des blocs de construction hautement optimisés et un moteur d'exécution pour le traitement des données afin d'accélérer les applications d'entraînement et d'inférence en apprentissage profond.
🔥 Liste impressionnante de ressources sur le développement web.
T81-558: Keras - Applications de Réseaux de Neurones Profonds @Washington University in St. Louis
Réseau de Neurones Convolutifs pour la Classification de Texte en TensorFlow
Inférence découpée/tuilée indépendante du framework + UI interactive + tracés d'analyse d'erreurs
Évaluation de la qualité perceptive de la vidéo basée sur la fusion de plusieurs méthodes.
Une équipe de science des données pilotée par l'IA d'agents pour vous aider à effectuer des tâches courantes de science des données 10 fois plus rapidement.
Jouez aux couplets avec le modèle seq2seq. Composez des couplets avec l'apprentissage profond.
Dépôt de code pour l'apprentissage automatique avec PyTorch et Scikit-Learn
Les outils Core ML contiennent des outils de support pour la conversion, l'édition et la validation des modèles Core ML.
Liste organisée de questions et réponses d'entretien en science des données
Un guide complet pour démarrer et progresser en apprentissage automatique (ML) et intelligence artificielle (AI) en 2026 sans aucune expérience préalable, et rester à jour avec les dernières nouvelles et les techniques de pointe !
Construire, évaluer et optimiser les systèmes d'IA. Cela comprend les évaluations (evals), le RAG, les agents, l'ajustement précis (fine-tuning), la génération de données synthétiques, la gestion des ensembles de données, le MCP, et plus encore.
【Trois ans d’entretiens, cinq ans d’examens blancs】Plateforme de ressources pour les entretiens des ingénieurs en algorithmes AIGC/LLM/AI Agent. Elle couvre des connaissances pratiques et des expériences clés pour les entretiens et les épreuves écrites, ainsi que des connaissances fondamentales durables dans l’industrie de l’IA, notamment l’AIGC, les grands modèles de langage (LLM), les agents d’IA, l’intelligence incarnée, l’apprentissage profond traditionnel, la vision par ordinateur, le traitement du langage naturel, la conduite autonome, l’apprentissage automatique, l’apprentissage par renforcement, l’exploration de mégadonnées, les modèles du monde, le métavers, l’AGI, et bien plus encore.
Bibliothèque Python d'apprentissage automatique simple et distribué portant des algorithmes ML pour Spark
Un logiciel d'apprentissage automatique pour extraire des informations de documents savants
une tâche d'inpainting d'images par apprentissage automatique qui supprime instinctivement les filigranes d'une image indiscernable de l'image de vérité terrain