#recommendation-system Repository
Scopri 26 repository GitHub open source attivi contrassegnati con #recommendation-system, che raccolgono un totale di 119,768 stelle (con una media di 4,606 stelle per progetto). Il progetto leader di questo argomento è xai-org/x-algorithm, con 34,361 stelle.
26 repository in totale
OpenVINO™ è un toolkit open source per l'ottimizzazione e il deployment dell'inferenza AI.
Guida alle Interviste sul Deep Learning (Include Matematica, Machine Learning, Deep Learning, Visione Artificiale, Elaborazione del Linguaggio Naturale e SLAM, ecc.)
Contiene Soluzioni e Note per la Specializzazione in Machine Learning della Stanford University e Deeplearning.ai - Coursera (2022) del Prof. Andrew NG
Agente di scoperta dei contenuti basato sull’IA, privato, local-first, open source, autoevolutivo e multipiattaforma: prima ti comprende, poi cerca proattivamente contenuti su Bilibili, Xiaohongshu, Douyin, YouTube, X, Zhihu, Reddit, Weibo e sul Web aperto. (Supporta il plugin DeepSeek Harness) | Agente di scoperta dei contenuti basato sull’IA, local-first, open source e multipiattaforma: ti comprende, poi cerca proattivamente contenuti su Bilibili, Xiaohongshu, Douyin, YouTube, X, Zhihu, Reddit, Weibo e sul Web aperto. (Supporta il plugin DeepSeek Harness)
Progetto didattico storico: consigli cinematografici con Spark, web scraping, applicazione web e backend. Lo sviluppo continuo della nuova versione è disponibile su cinematch-recommender.
Una raccolta di classici industriali e articoli all'avanguardia nei settori raccomandazione/pubblicità/ricerca. A collection of industry classics and cutting-edge papers in the field of recommendation/advertising/search.
Un Framework PyTorch per Modelli di Raccomandazione, Facile da usare e Facile da estendere.
CLI aperto per integrare ricerca, raccomandazione e recupero conversazionale dell'IA in sistemi di agenti e sistemi aziendali
NVTabular è una libreria di feature engineering e preprocessing per dati tabulari progettata per manipolare in modo rapido e semplice dataset su scala di terabyte utilizzati per addestrare sistemi di raccomandazione basati su deep learning.
HugeCTR è un framework GPU ad alta efficienza progettato per l'addestramento di stima del Click-Through-Rate (CTR).
Collezione di papers classici e all'avanguardia nell'industria delle raccomandazioni e della pubblicità / Papers da leggere assolutamente su Recommendation System e Predizione CTR
Tutorial relativi all'IA. Accedi gratuitamente a uno qualsiasi → https://towardsai.net/editorial
Un Modello di Base Aperto e Benchmark per Accelerare la Raccomandazione Generativa
NVIDIA Merlin è una libreria open source che fornisce sistemi di raccomandazione end-to-end accelerati da GPU, dall'ingegnerizzazione delle funzionalità e dalla preelaborazione all'addestramento di modelli di deep learning e all'esecuzione dell'inferenza in produzione.
[Pytorch] Modello di recupero generativo che utilizza ID semantici da "Recommender Systems with Generative Retrieval"
Backend e-commerce modulare con un gateway GraphQL e microservizi gRPC per account, prodotti, ordini, pagamenti e raccomandazioni.
Sistema di raccomandazione di film basato sull'algoritmo di raccomandazione di filtraggio collaborativo implementato con Mahout
Un sistema di raccomandazione basato sul contenuto che consiglia film simili al film che l'utente preferisce e analizza i sentimenti delle recensioni fornite dall'utente
《Sistemi di raccomandazione: architettura industriale e algoritmi fondamentali》 Manoscritto di un libro AI Native | PDF dei capitoli, mappa della conoscenza e agente di apprendimento locale. Sito web: https://jhljx.github.io/RecSys-Industrial-Book/
Domande frequenti
Qual è il repository #recommendation-system più popolare su GitHub?
Il progetto open source #recommendation-system più alto in classifica su GitHub è xai-org/x-algorithm, con 34,361 stelle. Algoritmo che alimenta il feed 'For You' su X
Quali linguaggi di programmazione sono più utilizzati nei repository #recommendation-system?
Tra i progetti #recommendation-system più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, C++, Java.
Come viene calcolata la classifica dei repository #recommendation-system?
Monitoriamo 26 repository open source attivi contrassegnati con #recommendation-system (500+ stelle), per un totale di 119,768 stelle e una media di 4,606 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.