#machine-learning Repositórios
Descubra 2,069 repositórios ativos de código aberto no GitHub marcados com #machine-learning, acumulando um total de 10,545,027 estrelas (uma média de 5,096 por projeto). O líder deste tópico é tensorflow/tensorflow, com 201,665 estrelas.
2,070 repositórios no total
f.k.a. Awesome ChatGPT Prompts. Compartilhe, descubra e colecione prompts da comunidade. Gratuito e de código aberto — auto-hospedado para sua organização com privacidade total。
🤗 Transformers: a estrutura de definição de modelos para modelos de machine learning de última geração em texto, visão, áudio e modelos multimodais, tanto para inferência quanto para treinamento.
Implementar um LLM semelhante ao ChatGPT em PyTorch do zero, passo a passo
12 semanas, 26 lições, 52 questionários, Machine Learning clássico para todos
Curso para entrar em Grandes Modelos de Linguagem (LLMs), com roteiros e notebooks Colab.
Aprenda engenharia de IA! Aprenda. Construa. Disponibilize para outras pessoas.
Palavras sensíveis em chinês e inglês, detecção de linguagem, consulta de origem/operadora de celular/telefone na China e no exterior, inferência de gênero por nome, extração de número de celular, extração de número de identificação, extração de e-mail, banco de dados de nomes chineses e japoneses, banco de dados de abreviações chinesas, dicionário de decomposição de caracteres, valor emocional de vocabulário, stop words, lista de verbos opostos, lista de palavras terroristas, conversão de chinês tradicional e simplificado, pronúncia inglesa simulada em chinês, gerador de letras de Wang Feng, banco de dados de nomes de profissões, banco de dados de sinônimos, banco de dados de antônimos, banco de dados de palavras negativas, banco de dados de marcas de carros, banco de dados de peças de carros, segmentação contínua de inglês, vários vetores de palavras chinesas, lista completa de nomes de empresas, banco de dados de poesia antiga, banco de dados de TI, banco de dados financeiro, banco de dados de provérbios, banco de dados de topônimos, banco de dados de celebridades históricas, banco de dados de poemas, banco de dados médico, banco de dados de alimentos e bebidas, banco de dados jurídico, banco de dados de carros, banco de dados de animais, corpus de bate-papo chinês, dados de boatos chineses, conjunto de dados de perguntas e respostas em chinês do Baidu, conjunto de algoritmos de correspondência de similaridade de frases, recursos do bert, ferramentas relacionadas à geração de texto e resumo, ferramentas de extração de informações cocoNLP, correspondência de regex de números de telefone domésticos, Qinghai University XLORE: Knowledge Graph Multilingual Encyclopedia (chinês-inglês), Qinghai University AI Technology Series Reports, Natural Language Generation, NLU is Too Hard Series, dados e robôs de dísticos automáticos, lista negra de nomes de usuário, nomes e modelos de classificação de crimes e direito, corpus de conta pública do WeChat, curso de Deep Learning for Natural Language Processing cs224n, reconhecimento de escrita à mão de caracteres chineses, corpus/conjunto de dados de processamento de linguagem natural em chinês, ferramenta de nomenclatura de variáveis, corpus de segmentação de palavras + código, conjunto de dados em inglês para tarefas de diálogo, conjunto de dados de ASR (Reconhecimento Automático de Fala) + baseado em Deep Learning em chinês
Os Padrões de Sistemas Grandes Escaláveis, Confiáveis e de Alto Desempenho
Uma lista selecionada de frameworks, bibliotecas e softwares incríveis de Machine Learning.
“Aprendizagem Profunda Prática” (Dive into Deep Learning): Direcionado a leitores de chinês, executável e passível de discussão. As edições em chinês e inglês são usadas para o ensino em mais de 500 universidades, em mais de 70 países.
🧑🏫 Mais de 60 implementações/tutoriais de artigos de deep learning com notas lado a lado 📝; incluindo transformers (original, xl, switch, feedback, vit, ...), otimizadores (adam, adabelief, sophia, ...), gans (cyclegan, stylegan2, ...), 🎮 aprendizado por reforço (ppo, dqn), capsnet, destilação, ... 🧠
Ultralytics YOLO27, YOLO26, YOLO11, YOLOv8 — deteção de objetos, segmentação de instâncias, segmentação semântica, classificação de imagens, estimativa de pose e rastreamento de objetos
500 Perguntas de Aprendizagem Profunda (Deep Learning) descreve questões populares sobre conhecimento de probabilidade comumente usado, álgebra linear, aprendizado de máquina, aprendizado profundo, visão computacional, etc., em formato de perguntas e respostas, para ajudar a si mesmo e aos leitores necessitados. O livro é dividido em 18 capítulos e tem mais de 500 mil palavras. Devido à limitação de minhas habilidades, agradeço a crítica e correção dos leitores sobre quaisquer imprecisões no livro. ... Continua............ Para quaisquer oportunidades de cooperação, entre em contato com [email protected] Todos os direitos reservados, violação será investigada Tan 2018.06
A API de reconhecimento facial mais simples do mundo para Python e linha de comando
Qlib é uma plataforma Quant orientada a IA que visa usar tecnologia de IA para capacitar a Pesquisa Quant, desde a exploração de ideias até a implementação de produções. Qlib suporta diversos paradigmas de modelagem de ML, incluindo aprendizado supervisionado, modelagem de dinâmica de mercado e RL, e agora está equipado com https://github.com/microsoft/RD-Agent para automatizar o processo de P&D.
Aprenda a desenvolver, implantar e iterar em aplicativos de ML de nível de produção.
Um sistema de gestão de documentos potencializado e com suporte da comunidade: digitalize, indexe e arquive todos os seus documentos
Apache Airflow - Uma plataforma para criar, agendar e monitorar fluxos de trabalho programaticamente
Streamlit — O framework nativo para agentes para aplicações de dados e painéis.
Ray é um motor de computação de IA. O Ray consiste em um runtime distribuído central e um conjunto de Bibliotecas de IA para acelerar cargas de trabalho de ML.
Crie e compartilhe aplicativos de aprendizado de máquina interessantes, tudo em Python. 🌟 Dê uma estrela para apoiar nosso trabalho!
Tutorial e Exemplos de TensorFlow para Iniciantes (suporta TF v1 e v2)
DeepSpeed é uma biblioteca de otimização de aprendizado profundo que torna o treinamento e a inferência distribuídos fáceis, eficientes e eficazes.
Tutoriais aprofundados sobre LLMs, RAGs e aplicações de agentes de IA do mundo real.
Uma biblioteca para busca de similaridade eficiente e clusterização de vetores densos.
Uma plataforma aberta para treinamento, serviço e avaliação de grandes modelos de linguagem. Repositório de lançamento para Vicuna e Chatbot Arena.
Notas pessoais do curso de Machine Learning do Professor Andrew Ng
500 Projetos de IA, Machine Learning, Deep Learning, Visão Computacional e PNL com Código
Soluções de ML multiplataforma e personalizáveis para mídia ao vivo e de transmissão.
OpenAssistant é um assistente baseado em chat que entende tarefas, pode interagir com sistemas de terceiros e recuperar informações dinamicamente para o fazer.
Um conjunto de ferramentas para desenvolver e comparar algoritmos de aprendizado por reforço.
Qdrant - Banco de Dados Vetorial de alto desempenho e em escala massiva e Motor de Busca Vetorial para a próxima geração de IA. Também disponível na nuvem https://cloud.qdrant.io/
Detectron2 é uma plataforma para detecção de objetos, segmentação e outras tarefas de reconhecimento visual.
Perguntas Frequentes
Qual é o repositório de #machine-learning mais popular no GitHub?
O projeto de código aberto de #machine-learning mais bem classificado no GitHub é tensorflow/tensorflow, com 201,665 estrelas. Um Framework de Machine Learning Open Source para Todos
Quais linguagens de programação são mais usadas nos repositórios de #machine-learning?
Entre os projetos de #machine-learning mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, C++, MDX.
Como é calculada a classificação dos repositórios de #machine-learning?
Acompanhamos 2,069 repositórios ativos de código aberto marcados com #machine-learning (com mais de 500 estrelas), totalizando 10,545,027 estrelas e uma média de 5,096 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.