#recommender-system 저장소
#recommender-system 태그가 지정된 GitHub의 활성 오픈 소스 저장소 45개를 확인해 보세요. 총 184,431개의 스타를 획득했으며 프로젝트당 평균 4,098개입니다. 이 주제를 이끄는 저장소는 35,653개의 스타를 받은 qdrant/qdrant입니다.
저장소 총 45개
Qdrant - 차세대 AI를 위한 고성능, 대규모 벡터 데이터베이스 및 벡터 검색 엔진. 클라우드에서도 사용 가능 https://cloud.qdrant.io/
다양한 프레임워크 코드, 수학, 토론을 포함한 인터랙티브 딥러닝 책. 스탠포드, MIT, 하버드, 캠브리지 등을 포함한 70개국 500개 대학에서 채택됨.
Weaviate는 객체와 벡터를 모두 저장하는 오픈 소스 벡터 데이터베이스로, 클라우드 네이티브 데이터베이스의 내결함성과 확장성을 가진 벡터 검색과 구조화된 필터링의 조합을 가능하게 합니다.
RAM, VRAM, NVMe 전반에서 벡터 검색, 희소 곱 및 어텐션을 지원하는 하나의 근접 그래프—밀집 벡터, 시퀀스, 도형 및 지리 공간 집합을 14개 언어로 처리합니다 🔍
딥러닝 입문 강의, 고급 강의, 특색 강의, 학술 사례, 산업 실천 사례, 딥러닝 지식 백과 및 면접 문제 은행 딥러닝 및 AI의 코스, 사례 및 지식
산업 검색, 추천 및 광고를 위한 멋진 딥러닝 논문들. 이들은 Embedding, Matching, Pre-Ranking, Ranking, Post Ranking, Relevance, LLM 및 RL에 중점을 둡니다. 저희 논문 "Deep Learning to Rank in Industrial Search Engines, Recommender Systems, and Online Advertising - An Overview and New Perspectives" (TOIS 2026)를 인용해 주세요.
Transformers4Rec는 PyTorch와 함께 작동하는 순차 및 세션 기반 추천을 위한 유연하고 효율적인 라이브러리입니다.
NVTabular은 딥러닝 기반 추천 시스템을 훈련하는 데 사용되는 테라바이트 규모의 데이터셋을 빠르고 쉽게 조작하도록 설계된 테이블 형식 데이터용 피처 엔지니어링 및 전처리 라이브러리입니다.
Practical Recommender Systems 책에서 추천 알고리즘 구현 방법을 설명하기 위해 사용된 Django 웹사이트.
NVIDIA Merlin은 특징 공학 및 전처리부터 딥러닝 모델 학습, 프로덕션에서의 추론 실행까지 포괄적인 GPU 가속 추천 시스템을 제공하는 오픈 소스 라이브러리입니다.
[Pytorch] "Recommender Systems with Generative Retrieval"의 시맨틱 ID를 사용한 생성 검색 모델
MLGB는 TensorFlow & PyTorch를 사용한 CTR 예측 및 추천 시스템에 대한 많은 모델을 포함하는 라이브러리입니다. 「妙计包」는 TensorFlow 및 PyTorch로 작성된 50개 이상의 클릭률 예측 및 추천 시스템 딥러닝 모델을 포함하는 라이브러리입니다.
H&M 패션 기사를 위한 실시간 개인화 추천 시스템 설계, 구축 및 배포에 대한 오픈 소스 과정.
쌍곡선 임베딩, 쌍곡선 모델, 쌍곡선 응용에 대한 논문 목록
추천 시스템 구축 시 TensorFlow를 확장하기 위한 추가 유틸리티 및 도우미로, SIG Recommenders에서 기여하고 유지 관리합니다.
"DaisyRec 2.0: Benchmarking Recommendation for Rigorous Evaluation" (TPAMI2022) 및 "Are We Evaluating Rigorously? Benchmarking Recommendation for Reproducible Evaluation and Fair Comparison" (RecSys2020)의 공식 코드
자주 묻는 질문
GitHub에서 가장 인기 있는 #recommender-system 저장소는 무엇인가요?
GitHub에서 가장 높은 순위의 오픈 소스 #recommender-system 프로젝트는 35,653개의 스타를 받은 qdrant/qdrant입니다. Qdrant - 차세대 AI를 위한 고성능, 대규모 벡터 데이터베이스 및 벡터 검색 엔진. 클라우드에서도 사용 가능 https://cloud.qdrant.io/
#recommender-system 저장소에서 가장 많이 사용되는 프로그래밍 언어는 무엇인가요?
GitHub에서 순위가 가장 높은 #recommender-system 프로젝트 중 가장 일반적으로 사용되는 프로그래밍 언어는 Python, Rust, Go, Jupyter Notebook입니다.
#recommender-system 저장소 순위는 어떻게 계산되나요?
#recommender-system 태그가 지정된 활성 오픈 소스 저장소(45개, 스타 500개 이상)를 추적하고 있습니다. 총 스타 수는 184,431개이며 저장소당 평균 4,098개입니다. 순위는 GitHub API를 통해 매일 업데이트됩니다.