#deep-learning Repositórios
2,273 repositórios no total
Visualizador para modelos de redes neurais, aprendizado profundo e aprendizado de máquina
OpenPose: Biblioteca de detecção de pontos-chave multipessoa em tempo real para estimativa de corpo, rosto, mãos e pés
Leitura detalhada, parágrafo por parágrafo, de artigos clássicos e novos sobre Deep Learning
Pré-treine, ajuste fino QUALQUER modelo de IA de QUALQUER tamanho em 1 ou 10.000+ GPUs com zero alterações de código.
Roteiro para se tornar um Especialista em Inteligência Artificial em 2022
:memo: Um repositório incrível de Ciência de Dados para aprender e aplicar em problemas do mundo real.
Sistemas de aprendizado de máquina: fundamentos, escalabilidade, IA agêntica e IA física (vols. I–IV) • Harvard CS249r | https://mlsysbook.ai
Código e documentação para treinar os modelos Alpaca do Stanford e gerar os dados.
OCR pronto a usar com mais de 80 idiomas suportados e todos os principais sistemas de escrita, incluindo Latim, Chinês, Árabe, Devanágari, Cirílico e etc.
⛔️ DEPRECATADO – Veja https://github.com/ageron/handson-ml3 ou handson-mlp em vez disso.
Cadernos Python de ciência de dados: Aprendizado profundo (TensorFlow, Theano, Caffe, Keras), scikit-learn, Kaggle, big data (Spark, Hadoop MapReduce, HDFS), matplotlib, pandas, NumPy, SciPy, conceitos essenciais de Python, AWS e várias linhas de comando.
Label Studio é uma ferramenta de rotulagem e anotação de dados multi-tipo com formato de saída padronizado
Um plano diário completo para estudar para se tornar um engenheiro de aprendizado de máquina.
📚 Artigos e blogs de tecnologia de empresas compartilhando seu trabalho em ciência de dados e aprendizado de máquina em produção.
Uma lista curada de tutoriais, projetos e comunidades incríveis de Deep Learning.
Livro interativo de aprendizado profundo com código de múltiplos frameworks, matemática e discussões. Adotado em 500 universidades de 70 países, incluindo Stanford, MIT, Harvard e Cambridge.
aprendizagem profunda para processamento de imagem, incluindo classificação e detecção de objetos, etc.
Uma abordagem da teoria dos jogos para explicar a saída de qualquer modelo de aprendizado de máquina.
⛔️ DEPRECATADO – Veja https://github.com/ageron/handson-ml3 ou handson-mlp em vez disso.
JARVIS, um sistema para conectar LLMs com a comunidade de ML. Artigo: https://arxiv.org/pdf/2303.17580.pdf
✅(Concluído) Notas super completas de Deep Learning 【Tuduī PyTorch】【Li Mu Aprenda Deep Learning na Prática】【Andrew Ng Deep Learning】【Dafei Grandes Modelos Agent】
PArallel Distributed Deep LEarning: Estrutura de Machine Learning da Prática Industrial (Estrutura central do 'PaddlePaddle', treinamento distribuído e de alto desempenho para aprendizado profundo e machine learning, e implantação multiplataforma)
ncnn é uma estrutura de inferência de rede neural de alto desempenho otimizada para a plataforma móvel
Audiocraft é uma biblioteca para processamento e geração de áudio com aprendizado profundo. Ela apresenta o compressor/tokenizador de áudio EnCodec de última geração, juntamente com o MusicGen, um LM de geração de música simples e controlável com condicionamento textual e melódico.
🏆 Uma lista classificada de bibliotecas Python incríveis de aprendizado de máquina. Atualizada semanalmente.
Uma Biblioteca Leve de Reconhecimento Facial e Análise de Atributos Faciais (Idade, Gênero, Emoção e Raça) para Python
Uma lista selecionada de recursos fantásticos de visão computacional
🚀 Uma coleção selecionada de recursos, roteiros, ferramentas e projetos de engenharia de IA que abrange LLMs, RAG, agentes de IA, MCP, ajuste fino, avaliações e sistemas de IA em produção.
ONNX Runtime: acelerador de inferência e treinamento de ML multiplataforma e de alto desempenho
Coleção completa de recursos de IA do programador Yupi + Tutorial básico de Vibe Coding, compartilhando tutorial detalhado do OpenClaw, modos de uso de grandes modelos (DeepSeek / GPT / Gemini / Claude / GLM), últimas notícias de IA, coleção completa de prompts, enciclopédia de conhecimento de IA (Agent Skills / RAG / MCP / A2A), tutorial de programação de IA (Harness Engineering), uso de ferramentas de IA (Cursor / Claude Code / TRAE / Codex / Copilot), tutorial de frameworks de desenvolvimento de IA (Spring AI / LangChain), guia de monetização de produtos de IA, ajudando você a dominar rapidamente a tecnologia de IA e ficar na vanguarda. Este projeto é o documento de código aberto aiguide, que foi atualizado para o site de navegação de IA do Yupi.
🤗 O maior hub de datasets prontos para uso para modelos de IA com ferramentas de manipulação de dados rápidas, fáceis de usar e eficientes
Código para Machine Learning for Trading, 3ª edição — desde a obtenção de dados até a execução ao vivo.