#recommender-systems Repository
Scopri 23 repository GitHub open source attivi contrassegnati con #recommender-systems, che raccolgono un totale di 73,763 stelle (con una media di 3,207 stelle per progetto). Il progetto leader di questo argomento è NVIDIA/DeepLearningExamples, con 14,675 stelle.
23 repository in totale
Script di deep learning all'avanguardia organizzati per modelli - facili da addestrare e distribuire con accuratezza e prestazioni riproducibili su infrastruttura di livello enterprise.
Questo repository contiene una raccolta curata di oltre 300 casi di studio provenienti da oltre 80 aziende, che descrivono applicazioni pratiche e approfondimenti sulla progettazione di sistemi di machine learning (ML). I contenuti sono organizzati per aiutarti a trovare facilmente casi di studio pertinenti in base al settore o a specifici casi d'uso di ML.
Un framework di deep learning industriale per dati sparsi ad alta dimensione
Implementazioni pratiche dell'IA rilasciate da grandi aziende, ultimi articoli di laboratori all'avanguardia e resoconti reali di sfide affrontate nel settore industriale
Repository che ospita il codice per "Actions Speak Louder than Words: Trillion-Parameter Sequential Transducers for Generative Recommendations" (https://arxiv.org/abs/2402.17152).
Survey: Una raccolta di articoli e risorse FANTASTICI sugli argomenti dei sistemi di raccomandazione relativi ai large language model (LLM).
Una libreria configurabile, ottimizzabile e riproducibile per la predizione CTR https://fuxictr.github.io
Questi sono gli appunti sul percorso di studio del machine learning. Potresti trovarci qualcosa di utile.
Guida introduttiva ai sistemi di raccomandazione, che introduce in modo completo le conoscenze teoriche dei sistemi di raccomandazione industriali (Corso aperto sui sistemi di raccomandazione di Wang Shusen - Spiegazione del sistema di raccomandazione industriale reale dello scenario di Xiaohongshu), come addestrare modelli basati su TensorFlow2, come implementare microservizi di inferenza Golang ad alte prestazioni, alta concorrenza e alta disponibilità. Introduzione completa alla teoria dei sistemi di raccomandazione industriali, addestramento di modelli basato su TensorFlow2 e implementazione di servizi di inferenza ad alte prestazioni, alta concorrenza e alta disponibilità basati su Golang.
Una raccolta curata di articoli di ricerca che esplorano l'utilizzo di LLM per attività relative ai grafi.
Notebook ed esempi su come introdurre e utilizzare varie funzionalità di Amazon Personalize
Una libreria di metriche per valutare i sistemi di raccomandazione
[WSDM'2024 Oral] "SSLRec: Un framework di apprendimento auto-supervisionato per le raccomandazioni"
Domande frequenti
Qual è il repository #recommender-systems più popolare su GitHub?
Il progetto open source #recommender-systems più alto in classifica su GitHub è NVIDIA/DeepLearningExamples, con 14,675 stelle. Script di deep learning all'avanguardia organizzati per modelli - facili da addestrare e distribuire con accuratezza e prestazioni riproducibili su infrastruttura di livello enterprise.
Quali linguaggi di programmazione sono più utilizzati nei repository #recommender-systems?
Tra i progetti #recommender-systems più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, PureBasic.
Come viene calcolata la classifica dei repository #recommender-systems?
Monitoriamo 23 repository open source attivi contrassegnati con #recommender-systems (500+ stelle), per un totale di 73,763 stelle e una media di 3,207 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.