#recommendation-system Dépôts
Découvrez 26 dépôts GitHub open source actifs associés à #recommendation-system, cumulant 119,768 étoiles au total (soit une moyenne de 4,606 étoiles par projet). Le projet en tête de ce thème est xai-org/x-algorithm, avec 34,361 étoiles.
26 dépôts au total
OpenVINO™ est un kit d'outils open source pour optimiser et déployer l'inférence IA.
Guide d'Entretien en Apprentissage Profond (Comprend Mathématiques, Apprentissage Automatique, Apprentissage Profond, Vision par Ordinateur, Traitement du Langage Naturel et SLAM, etc.)
Contient des solutions et des notes pour la spécialisation en apprentissage automatique de la Stanford University et Deeplearning.ai - Coursera (2022) par le Prof. Andrew NG
Filtrage collaboratif Python rapide pour les jeux de données à feedback implicite
Agent de découverte de contenu IA privé, local-first, open source, auto-évolutif et multiplateforme : il vous comprend d’abord, puis recherche proactivement du contenu sur Bilibili, Xiaohongshu, Douyin, YouTube, X, Zhihu, Reddit, Weibo et le Web ouvert. (Compatible avec le plugin DeepSeek Harness) | Agent de découverte de contenu IA local-first, open source et multiplateforme : il vous comprend, puis recherche proactivement du contenu sur Bilibili, Xiaohongshu, Douyin, YouTube, X, Zhihu, Reddit, Weibo et le Web ouvert. (Compatible avec le plugin DeepSeek Harness)
Ancien projet d’apprentissage : recommandations de films avec Spark, web scraping, application web et backend. Le développement continu de la nouvelle version est disponible sur cinematch-recommender.
Une collection d'articles classiques et de pointe de l'industrie dans les domaines de la recommandation/de la publicité/de la recherche. A collection of industry classics and cutting-edge papers in the field of recommendation/advertising/search.
Un Framework PyTorch pour les Modèles de Recommandation, Facile à utiliser et Facile à étendre.
CLI ouvert pour intégrer la recherche, la recommandation et la récupération conversationnelle de l'IA dans les systèmes d'agents et les systèmes d'entreprise
NVTabular est une bibliothèque d'ingénierie et de prétraitement de caractéristiques pour les données tabulaires, conçue pour manipuler rapidement et facilement des jeux de données à l'échelle du téraoctet utilisés pour entraîner des systèmes de recommandation basés sur l'apprentissage profond.
HugeCTR est un framework GPU à haute efficacité conçu pour l'entraînement d'estimation du Click-Through-Rate (CTR).
Collection d'articles classiques et de pointe dans les domaines des systèmes de recommandation et de la publicité / Articles incontournables sur le Recommendation System et la prédiction CTR
Tutoriels liés à l'IA. Accédez-y gratuitement → https://towardsai.net/editorial
Un Modèle de Fondation Ouvert et Benchmark pour Accélérer la Recommandation Générative
NVIDIA Merlin est une bibliothèque open source fournissant des systèmes de recommandation accélérés par GPU de bout en bout, de l'ingénierie des caractéristiques et du prétraitement à l'entraînement de modèles d'apprentissage profond et à l'exécution de l'inférence en production.
[Pytorch] Modèle de récupération générative utilisant des identifiants sémantiques issus de "Recommender Systems with Generative Retrieval"
Backend e-commerce modulaire avec une passerelle GraphQL et des microservices gRPC pour les comptes, les produits, les commandes, les paiements et les recommandations.
Système de recommandation de films basé sur l'algorithme de recommandation de filtrage collaboratif implémenté avec Mahout
Un système de recommandation basé sur le contenu qui recommande des films similaires au film que l'utilisateur aime et analyse les sentiments des critiques données par l'utilisateur
《Systèmes de recommandation : architecture industrielle et algorithmes fondamentaux》 Manuscrit de livre AI Native | PDF des chapitres, carte des connaissances et agent d’apprentissage local. Site web : https://jhljx.github.io/RecSys-Industrial-Book/
Foire aux questions
Quel est le dépôt #recommendation-system le plus populaire sur GitHub ?
Le projet #recommendation-system open source le mieux classé sur GitHub est xai-org/x-algorithm, avec 34,361 étoiles. Algorithme qui propulse le fil For You sur X
Quels langages de programmation sont les plus utilisés dans les dépôts #recommendation-system ?
Parmi les projets #recommendation-system les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, C++, Java.
Comment le classement des dépôts #recommendation-system est-il calculé ?
Nous suivons 26 dépôts open source actifs associés à #recommendation-system (500+ étoiles), totalisant 119,768 étoiles, avec une moyenne de 4,606 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.