#deep-learning-fundamentals Repository
Scopri 10 repository GitHub open source attivi contrassegnati con #deep-learning-fundamentals, che raccolgono un totale di 43,043 stelle (con una media di 4,304 stelle per progetto). Il progetto leader di questo argomento è karpathy/micrograd, con 19,036 stelle.
10 repository in totale
Un minuscolo motore autograd a valori scalari e una libreria di reti neurali sopra di esso con API simile a PyTorch
Codice minimale e pulito per l'algoritmo Byte Pair Encoding (BPE) comunemente utilizzato nella tokenizzazione LLM.
Materiali didattici (codice, slide, ecc.) del corso di Machine Learning dell'Università di Wenzhou
Un elenco curato di video, link, progetti e dataset di Machine Learning per aiutarti a conquistare il panorama ML in 6 mesi.
Apprendimento di modelli linguistici di grandi dimensioni (LLM) (Apprendimento di modelli linguistici di grandi dimensioni)
Un repository per prepararti al tuo colloquio di machine learning, che include la maggior parte delle domande poste da tutti i giganti tecnologici e dalle aziende locali. Fallo per eccellere nei tuoi colloqui per ingegnere di machine learning.
Domande frequenti
Qual è il repository #deep-learning-fundamentals più popolare su GitHub?
Il progetto open source #deep-learning-fundamentals più alto in classifica su GitHub è karpathy/micrograd, con 19,036 stelle. Un minuscolo motore autograd a valori scalari e una libreria di reti neurali sopra di esso con API simile a PyTorch
Quali linguaggi di programmazione sono più utilizzati nei repository #deep-learning-fundamentals?
Tra i progetti #deep-learning-fundamentals più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Jupyter Notebook, Python, TypeScript, HTML.
Come viene calcolata la classifica dei repository #deep-learning-fundamentals?
Monitoriamo 10 repository open source attivi contrassegnati con #deep-learning-fundamentals (500+ stelle), per un totale di 43,043 stelle e una media di 4,304 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.