#recommendation-system Repositórios
Descubra 26 repositórios ativos de código aberto no GitHub marcados com #recommendation-system, acumulando um total de 119,768 estrelas (uma média de 4,606 por projeto). O líder deste tópico é xai-org/x-algorithm, com 34,361 estrelas.
26 repositórios no total
OpenVINO™ é um kit de ferramentas de código aberto para otimizar e implantar inferência de IA
Guia Definitivo de Entrevistas sobre Deep Learning (incluindo Matemática, Machine Learning, Deep Learning, Visão Computacional, Processamento de Linguagem Natural e SLAM)
Contém Soluções e Notas para a Especialização em Aprendizado de Máquina da Universidade de Stanford e Deeplearning.ai - Coursera (2022), pelo Prof. Andrew NG
Filtragem Colaborativa Rápida em Python para Conjuntos de Dados de Feedback Implícito
Agente de descoberta de conteúdo com IA, privado, local-first, de código aberto, autoevolutivo e multiplataforma: primeiro entende você e depois busca proativamente conteúdo no Bilibili, Xiaohongshu, Douyin, YouTube, X, Zhihu, Reddit, Weibo e na Web aberta. (Compatível com o plugin DeepSeek Harness) | Agente de descoberta de conteúdo com IA, local-first, de código aberto e multiplataforma: entende você e depois busca proativamente conteúdo no Bilibili, Xiaohongshu, Douyin, YouTube, X, Zhihu, Reddit, Weibo e na Web aberta. (Compatível com o plugin DeepSeek Harness)
Projeto histórico de aprendizagem: recomendações de filmes com Spark, web scraping, aplicação web e backend. O desenvolvimento contínuo da nova versão está em cinematch-recommender.
Uma coleção de artigos clássicos e de ponta da indústria nas áreas de recomendação/publicidade/pesquisa.
Um Framework PyTorch para Modelos de Recomendação, Fácil de usar e Fácil de estender.
CLI aberto para integrar pesquisa, recomendação e recuperação conversacional de IA em sistemas de agentes e sistemas de negócios
NVTabular é uma biblioteca de engenharia e pré-processamento de features para dados tabulares, projetada para manipular de forma rápida e fácil conjuntos de dados em escala de terabytes usados para treinar sistemas de recomendação baseados em deep learning.
HugeCTR é uma estrutura de GPU de alta eficiência projetada para o treinamento de estimativa de Taxa de Cliques (CTR)
Coletânea de artigos clássicos e de ponta da indústria de recomendação e publicidade, e/ou artigos essenciais sobre sistemas de recomendação e predição de CTR/ Must-read Papers on Recommendation System and CTR Prediction
Tutoriais relacionados com IA. Acesse qualquer um deles gratuitamente → https://towardsai.net/editorial
Um Modelo de Fundação Aberto e Benchmark para Acelerar Recomendação Generativa
NVIDIA Merlin é uma biblioteca de código aberto que fornece sistemas de recomendação de ponta a ponta acelerados por GPU, desde a engenharia e pré-processamento de recursos até o treinamento de modelos de aprendizado profundo e a execução de inferência em produção.
[Pytorch] Modelo de recuperação generativa usando IDs semânticos de "Recommender Systems with Generative Retrieval"
Backend modular de e-commerce com um gateway GraphQL e microsserviços gRPC para contas, produtos, pedidos, pagamentos e recomendações.
Sistema de recomendação de filmes baseado na implementação do algoritmo de filtragem colaborativa Mahout
Um sistema de recomendação baseado em conteúdo que recomenda filmes semelhantes ao filme que o usuário gosta e analisa os sentimentos das críticas dadas pelo usuário
《Sistemas de recomendação: arquitetura industrial e algoritmos fundamentais》 Manuscrito de livro AI Native | PDFs dos capítulos, mapa de conhecimento e agente de aprendizagem local. Site: https://jhljx.github.io/RecSys-Industrial-Book/
Perguntas Frequentes
Qual é o repositório de #recommendation-system mais popular no GitHub?
O projeto de código aberto de #recommendation-system mais bem classificado no GitHub é xai-org/x-algorithm, com 34,361 estrelas. Algoritmo que alimenta o feed 'For You' no X
Quais linguagens de programação são mais usadas nos repositórios de #recommendation-system?
Entre os projetos de #recommendation-system mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, C++, Java.
Como é calculada a classificação dos repositórios de #recommendation-system?
Acompanhamos 26 repositórios ativos de código aberto marcados com #recommendation-system (com mais de 500 estrelas), totalizando 119,768 estrelas e uma média de 4,606 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.