#deep-learning Repository
2,273 repository in totale
Visualizzatore per modelli di reti neurali, apprendimento profondo e apprendimento automatico
OpenPose: Libreria per la stima dei punti chiave in tempo reale per corpo, viso, mani e piedi di piรน persone
Lettura dettagliata sezione per sezione di articoli classici e nuovi sul deep learning
Pre-allenamento, affinamento di QUALSIASI modello AI di QUALSIASI dimensione su 1 o 10.000+ GPU senza modifiche al codice.
Roadmap per diventare un esperto di intelligenza artificiale nel 2022
:memo: Un fantastico repository di Data Science per imparare e applicare a problemi del mondo reale.
Sistemi di apprendimento automatico: fondamenti, scalabilitร , IA agentica e IA fisica (voll. IโIV) โข Harvard CS249r | https://mlsysbook.ai
Codice e documentazione per addestrare i modelli Alpaca di Stanford e generare i dati.
OCR pronto all'uso con oltre 80 lingue supportate e tutti gli script di scrittura piรน diffusi, tra cui Latino, Cinese, Arabico, Devanagari, Cirillico, ecc.
โ๏ธ DEPRECATO โ Vedi https://github.com/ageron/handson-ml3 o handson-mlp invece.
Notebook Python per la data science: Deep learning (TensorFlow, Theano, Caffe, Keras), scikit-learn, Kaggle, big data (Spark, Hadoop MapReduce, HDFS), matplotlib, pandas, NumPy, SciPy, fondamenti di Python, AWS e varie righe di comando.
Label Studio รจ uno strumento per l'etichettatura e l'annotazione di dati di tipo multiplo con formato di output standardizzato
Un piano giornaliero completo per studiare e diventare ingegnere del machine learning.
๐ Paper e blog tecnici di aziende che condividono il loro lavoro su data science e machine learning in produzione.
Un elenco curato di fantastici tutorial, progetti e community di Deep Learning.
Libro interattivo di deep learning con codice multi-framework, matematica e discussioni. Adoptato in 500 universitร di 70 paesi, inclusi Stanford, MIT, Harvard e Cambridge.
Deep learning per l'elaborazione delle immagini, inclusa classificazione e rilevamento oggetti ecc.
Un approccio di teoria dei giochi per spiegare l'output di qualsiasi modello di machine learning
โ๏ธ DEPRECATO โ Vedi https://github.com/ageron/handson-ml3 o handson-mlp invece.
JARVIS, un sistema per connettere LLM con la community ML. Paper: https://arxiv.org/pdf/2303.17580.pdf
โ (Completato) Note super complete e approfondite su Deep Learning ใTuduฤซ PyTorchใใLi Mu Impara Deep Learning PraticamenteใใAndrew Ng Deep LearningใใDafei Modelli Grandi Agentใ
PArallel Distributed Deep LEarning: Framework di Machine Learning dalla Pratica Industriale (Il framework centraleใFeiJiangใ, addestramento ad alte prestazioni single-node e distribuito per Deep Learning e Machine Learning e deployment cross-platform)
ncnn รจ un framework di inferenza per reti neurali ad alte prestazioni ottimizzato per piattaforme mobili
Audiocraft รจ una libreria per l'elaborazione e la generazione audio con deep learning. Include il compressore/tokenizer audio all'avanguardia EnCodec, insieme a MusicGen, un LM semplice e controllabile per la generazione musicale con condizionamento testuale e melodico.
Un elenco classificato di fantastiche librerie Python per il machine learning. Aggiornato settimanalmente.
Una libreria leggera per il riconoscimento facciale e l'analisi degli attributi facciali (etร , sesso, emozione e razza) per Python
Un elenco curato di fantastiche risorse per la visione artificiale
๐ Una raccolta selezionata di risorse, roadmap, strumenti e progetti di ingegneria dellโIA che comprende LLM, RAG, agenti IA, MCP, fine-tuning, valutazioni e sistemi di IA in produzione.
ONNX Runtime: acceleratore per inferenza e addestramento ML cross-platform ad alte prestazioni
Raccolta completa di risorse AI del programmatore Yupi + Tutorial di base su Vibe Coding, condivisione di tutorial dettagliato su OpenClaw, modalitร di utilizzo dei grandi modelli (DeepSeek / GPT / Gemini / Claude / GLM), ultime notizie sull'IA, raccolta completa di prompt, enciclopedia della conoscenza dell'IA (Agent Skills / RAG / MCP / A2A), tutorial di programmazione IA (Harness Engineering), utilizzo di strumenti IA (Cursor / Claude Code / TRAE / Codex / Copilot), tutorial sui framework di sviluppo IA (Spring AI / LangChain), guida alla monetizzazione dei prodotti IA, aiutandoti a padroneggiare rapidamente la tecnologia IA e a rimanere all'avanguardia. Questo progetto รจ il documento open source aiguide, che รจ stato aggiornato al sito di navigazione AI di Yupi.
๐ค Il piรน grande hub di dataset pronti all'uso per modelli AI con strumenti di manipolazione dati veloci, facili da usare ed efficienti
Codice per Machine Learning for Trading, 3ยช edizione โ dall'acquisizione dei dati all'esecuzione in tempo reale.