#machine-learning Repository
2,070 repository in totale
Guida alla ricerca di lavoro per posizioni di algoritmi AI (include strategie di preparazione, guida alla pratica di domande, raccomandazioni interne ed elenchi di aziende AI, ecc.)
Un convertitore audio-MIDI leggero ma potente con rilevamento del pitch bend
Un sistema per generare rapidamente dati di addestramento con supervisione debole
โก Motore di inferenza WebGPU in Rust puro โ Compatibile con le API OpenAI, nativo GGUF, funziona su qualsiasi GPU. Niente Python. Niente llama.cpp. Singolo binario.
Outfit Anyone: Prova virtuale di altissima qualitร per qualsiasi abbigliamento e qualsiasi persona
Implementa un LLM di ragionamento in PyTorch da zero, passo dopo passo
Motore dati ad alte prestazioni per carichi di lavoro AI e multimodali. Elabora immagini, audio, video e dati strutturati su qualsiasi scala.
Una libreria accelerata da GPU che contiene blocchi di costruzione altamente ottimizzati e un motore di esecuzione per l'elaborazione dei dati, per accelerare applicazioni di addestramento e inferenza del deep learning.
T81-558: Keras - Applicazioni di Reti Neurali Profonde @Washington University in St. Louis
Rete Neurale Convoluzionale per la Classificazione del Testo in TensorFlow
Inferenza affettata/tiled indipendente dal framework + interfaccia utente interattiva + grafici di analisi degli errori
Valutazione della qualitร percettiva del video basata sulla fusione di piรน metodi.
Un team di data science potenziato dall'IA di agenti per aiutarti a svolgere attivitร comuni di data science 10 volte piรน velocemente.
Gioca con il distico usando il modello seq2seq. Componi distici con l'apprendimento profondo.
Repository di codice per l'apprendimento automatico con PyTorch e Scikit-Learn
Gli strumenti Core ML contengono strumenti di supporto per la conversione, l'editing e la validazione dei modelli Core ML.
Elenco curato di domande e risposte per colloqui di data science
Una guida completa per iniziare e migliorare nel machine learning (ML) e nell'intelligenza artificiale (AI) nel 2026 senza alcuna esperienza nel settore, mantenendosi aggiornati con le ultime notizie e le tecniche all'avanguardia!
Costruire, Valutare e Ottimizzare i Sistemi di IA. Include valutazioni (evals), RAG, agenti, messa a punto (fine-tuning), generazione di dati sintetici, gestione dei set di dati, MCP e altro ancora.
ใTre anni di colloqui, cinque anni di simulazioniใPiattaforma di risorse per i colloqui degli ingegneri degli algoritmi AIGC/LLM/AI Agent. Comprende contenuti pratici ed esperienze essenziali per colloqui e prove scritte, oltre a conoscenze fondamentali e durature nel settore dellโIA, tra cui AIGC, grandi modelli linguistici (LLM), agenti IA, intelligenza incorporata, deep learning tradizionale, visione artificiale, elaborazione del linguaggio naturale, guida autonoma, apprendimento automatico, apprendimento per rinforzo, data mining su big data, modelli del mondo, metaverso, AGI e altro ancora.
Libreria Python di apprendimento automatico semplice e distribuito che porta gli algoritmi ML su Spark
Un software di machine learning per estrarre informazioni da documenti scientifici
un'attivitร di inpainting di immagini di machine learning che rimuove istintivamente le filigrane da un'immagine indistinguibile dall'immagine ground truth