Git Stars Git Stars

#recommender-systems Dépôts

Découvrez 23 dépôts GitHub open source actifs associés à #recommender-systems, cumulant 73,763 étoiles au total (soit une moyenne de 3,207 étoiles par projet). Le projet en tête de ce thème est NVIDIA/DeepLearningExamples, avec 14,675 étoiles.

23
Total des Dépôts
73,763
Nombre total d'étoiles
3,207
Moyenne d'Étoiles/Dépôt
Langages de programmation: Python Jupyter Notebook PureBasic
1
NVIDIA/DeepLearningExamples

Scripts d'apprentissage profond de pointe organisés par modèles - faciles à entraîner et à déployer avec une précision et des performances reproductibles sur une infrastructure de niveau entreprise.

NVIDIA
⭐ 14,675 Jupyter Notebook 👤 NVIDIA Organization 🕐 Mis à jour 2024-08-12 📅 Créé 2018-05-02
2
Engineer1999/A-Curated-List-of-ML-System-Design-Case-Studies

Ce dépôt contient une collection organisée de plus de 300 études de cas provenant de plus de 80 entreprises, détaillant les applications pratiques et les aperçus de la conception de systèmes d'apprentissage automatique (ML). Le contenu est organisé pour vous aider à trouver facilement des études de cas pertinentes en fonction du secteur ou de cas d'utilisation spécifiques du ML.

Engineer1999
⭐ 10,905 👤 Engineer1999 User 🕐 Mis à jour 2025-08-05 📅 Créé 2024-05-18
3
twitter/the-algorithm-ml

Code source de l'algorithme de recommandation de Twitter

twitter
⭐ 10,448 Python 👤 twitter Organization 🕐 Mis à jour 2024-07-10 📅 Créé 2023-03-27
4
grahamjenson/list_of_recommender_systems

Une liste de systèmes de recommandation et de ressources

grahamjenson
⭐ 4,848 👤 grahamjenson User 🕐 Mis à jour 2025-12-03 📅 Créé 2015-06-12
6
RUCAIBox/RecBole

Une bibliothèque de recommandation unifiée, complète et efficace

RUCAIBox
⭐ 4,455 Python 👤 RUCAIBox Organization 🕐 Mis à jour 2025-02-24 📅 Créé 2020-06-11
7
alibaba/x-deeplearning

Un framework d'apprentissage profond industriel pour données creuses de haute dimension

alibaba
⭐ 4,306 PureBasic 👤 alibaba Organization 🕐 Mis à jour 2024-09-25 📅 Créé 2018-12-12
9
cbamls/AI_Tutorial

Mises en œuvre concrètes de l'IA publiées par de grandes entreprises, dernières recherches issues de laboratoires de pointe, et retours d'expérience réels sur les défis industriels

cbamls
⭐ 3,710 👤 cbamls User 🕐 Mis à jour 2026-06-09 📅 Créé 2018-12-04
10
meta-recsys/generative-recommenders

Dépôt hébergeant le code pour "Actions Speak Louder than Words: Trillion-Parameter Sequential Transducers for Generative Recommendations" (https://arxiv.org/abs/2402.17152).

meta-recsys
⭐ 2,030 Python 👤 meta-recsys Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2024-04-08
11
CHIANGEL/Awesome-LLM-for-RecSys

Survey : Une collection de papiers et de ressources GÉNIAUX sur les sujets des systèmes de recommandation liés aux grands modèles de langage (LLM).

CHIANGEL
⭐ 1,567 👤 CHIANGEL User 🕐 Mis à jour 2026-10-26 📅 Créé 2023-05-22
12
reczoo/FuxiCTR

Une bibliothèque configurable, réglable et reproductible pour la prédiction CTR https://fuxictr.github.io

reczoo
⭐ 1,500 Python 👤 reczoo Organization 🕐 Mis à jour 2026-09-14 📅 Créé 2021-09-30
13
snap-research/GRID

GRID : Recommandation Générative avec Identifiants Sémantiques

snap-research
⭐ 754 Python 👤 snap-research Organization 🕐 Mis à jour 2025-10-15 📅 Créé 2025-06-16
14
luweiagi/machine-learning-notes

Ce sont les notes du parcours d'étude de l'apprentissage automatique. Vous pourriez y trouver quelque chose d'utile.

luweiagi
⭐ 719 👤 luweiagi User 🕐 Mis à jour 2026-10-14 📅 Créé 2020-05-23
15
solidglue/Recommender_System

Guide d'introduction aux systèmes de recommandation, présentant de manière exhaustive les connaissances théoriques des systèmes de recommandation industriels (Cours ouvert sur les systèmes de recommandation de Wang Shusen - Explication du système de recommandation industriel réel du scénario de Xiaohongshu), comment entraîner des modèles basés sur TensorFlow2, comment implémenter des microservices d'inférence Golang haute performance, haute concurrence et haute disponibilité. Présentation complète de la théorie des systèmes de recommandation industriels, de l'entraînement de modèles basé sur TensorFlow2 et de la mise en œuvre de services d'inférence haute performance, haute concurrence et haute disponibilité basés sur Golang.

solidglue
⭐ 712 Jupyter Notebook 👤 solidglue User 🕐 Mis à jour 2025-02-10 📅 Créé 2024-02-29
16
AmenRa/ranx

⚡️Une bibliothèque Python ultra-rapide pour l'évaluation, la comparaison et la fusion de classement 🐍

AmenRa
⭐ 691 Python 👤 AmenRa User 🕐 Mis à jour 2025-08-07 📅 Créé 2020-06-02
17
yhLeeee/Awesome-LLMs-in-Graph-tasks

Une collection organisée d'articles de recherche explorant l'utilisation des LLM pour des tâches liées aux graphes.

yhLeeee
⭐ 657 👤 yhLeeee User 🕐 Mis à jour 2025-03-21 📅 Créé 2023-11-17
18
Coder-Yu/SELFRec

Un framework open-source pour les systèmes de recommandation auto-supervisés.

Coder-Yu
⭐ 642 Python 👤 Coder-Yu User 🕐 Mis à jour 2025-06-06 📅 Créé 2021-09-14
19
aws-samples/amazon-personalize-samples

Cahiers et exemples sur la façon d'onboarder et d'utiliser diverses fonctionnalités d'Amazon Personalize

aws-samples
⭐ 602 Jupyter Notebook 👤 aws-samples Organization 🕐 Mis à jour 2026-03-14 📅 Créé 2018-11-23
20
statisticianinstilettos/recmetrics

Une bibliothèque de métriques pour évaluer les systèmes de recommandation

statisticianinstilettos
⭐ 581 Jupyter Notebook 👤 statisticianinstilettos User 🕐 Mis à jour 2024-01-11 📅 Créé 2018-10-15
21
HKUDS/SSLRec

[WSDM'2024 Oral] "SSLRec: Un cadre d'apprentissage auto-supervisé pour la recommandation"

HKUDS
⭐ 562 Python 👤 HKUDS Organization 🕐 Mis à jour 2025-03-21 📅 Créé 2023-02-08
22
hwwang55/KGCN

Une implémentation TensorFlow de Knowledge Graph Convolutional Networks

hwwang55
⭐ 520 Python 👤 hwwang55 User 🕐 Mis à jour 2024-01-09 📅 Créé 2018-07-17
23
yihong-chen/neural-collaborative-filtering

version PyTorch du filtrage collaboratif neuronal

yihong-chen
⭐ 511 Jupyter Notebook 👤 yihong-chen User 🕐 Mis à jour 2024-06-23 📅 Créé 2018-03-16

Foire aux questions

1

Quel est le dépôt #recommender-systems le plus populaire sur GitHub ?

Le projet #recommender-systems open source le mieux classé sur GitHub est NVIDIA/DeepLearningExamples, avec 14,675 étoiles. Scripts d'apprentissage profond de pointe organisés par modèles - faciles à entraîner et à déployer avec une précision et des performances reproductibles sur une infrastructure de niveau entreprise.

2

Quels langages de programmation sont les plus utilisés dans les dépôts #recommender-systems ?

Parmi les projets #recommender-systems les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, PureBasic.

3

Comment le classement des dépôts #recommender-systems est-il calculé ?

Nous suivons 23 dépôts open source actifs associés à #recommender-systems (500+ étoiles), totalisant 73,763 étoiles, avec une moyenne de 3,207 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.