#machine-learning リポジトリ
リポジトリ合計2,070件
FinceptTerminalは、高度な市場分析、投資調査、経済データツールを提供する最新の金融アプリケーションであり、ユーザーフレンドリーな環境で対話的な探索とデータ駆動型の意思決定のために設計されています。
コード変更なしで、1基または10,000基以上のGPUで、あらゆるサイズのあらゆるAIモデルを事前学習、ファインチューニングします。
このリポジトリは、Retrieval-Augmented Generation (RAG) システムのさまざまな高度な手法を展示しています。各手法には詳細なノートブックチュートリアルがあります。
機械学習システム:基礎、スケーリング、エージェント型AI、フィジカルAI(第I~IV巻)• ハーバード大学 CS249r | https://mlsysbook.ai
スケーラブルでポータブルな分散勾配ブースティング(GBDT、GBRT、GBM)ライブラリ。Python、R、Java、Scala、Cなどに対応。単一マシン、Hadoop、Spark、Dask、Flink、DataFlowで動作します。
エージェント、LLM、MLモデル向けのオープンソースAIエンジニアリングプラットフォーム。MLflowは、あらゆる規模のチームが生産品質のAIアプリケーションをデバッグ、評価、監視、最適化できるようにし、コストを制御し、モデルとデータのアクセスを管理します。
データサイエンスPythonノートブック:ディープラーニング(TensorFlow、Theano、Caffe、Keras)、scikit-learn、Kaggle、ビッグデータ(Spark、Hadoop MapReduce、HDFS)、matplotlib、pandas、NumPy、SciPy、Pythonの基本、AWS、およびさまざまなコマンドライン。
マルチフレームワークのコード、数学、議論を含むインタラクティブなディープラーニングの本。スタンフォード、MIT、ハーバード、ケンブリッジを含む70カ国500大学で採用。
⛔️ 非推奨(DEPRECATED)– https://github.com/ageron/handson-ml3 または handson-mlp を参照してください。
PArallel Distributed Deep LEarning: 産業実践における機械学習フレームワーク(『FeiJiang』コアフレームワーク、ディープラーニング&機械学習の高性能シングルノード、分散トレーニング、クロスプラットフォーム展開)
Python 用リアクティブノートブック — 再現可能な実験を実行し、SQL でクエリし、スクリプトとして実行し、アプリとしてデプロイし、git でバージョン管理します。純粋な Python として保存されます。すべてモダンな AI ネイティブ エディターで実現します。
🚀 LLM、RAG、AIエージェント、MCP、ファインチューニング、評価、本番環境向けAIシステムを網羅した、AIエンジニアリングのリソース、ロードマップ、ツール、プロジェクトの厳選コレクション。
YC (S26) | Screenpipeが自動化する価値のある作業を見つける | コンピューターでの作業をローカルで継続的に記録し、繰り返し行われるワークフローを見つけて、その結果をすでに使っている任意のエージェントに渡します。