#recommender-systems Repositórios
Descubra 23 repositórios ativos de código aberto no GitHub marcados com #recommender-systems, acumulando um total de 73,763 estrelas (uma média de 3,207 por projeto). O líder deste tópico é NVIDIA/DeepLearningExamples, com 14,675 estrelas.
23 repositórios no total
Scripts de Deep Learning de última geração organizados por modelos - fáceis de treinar e implantar com precisão e desempenho reprodutíveis em infraestrutura de nível empresarial.
Este repositório contém uma coleção selecionada de mais de 300 estudos de caso de mais de 80 empresas, detalhando aplicações práticas e insights sobre o design de sistemas de aprendizado de máquina (ML). O conteúdo está organizado para ajudá-lo a encontrar facilmente estudos de caso relevantes com base na indústria ou em casos de uso específicos de ML.
Uma estrutura de aprendizado profundo industrial para dados esparsos de alta dimensão
Implementações práticas de IA publicadas por grandes empresas, artigos mais recentes de laboratórios de ponta e relatos reais de desafios enfrentados na indústria
Repositório que hospeda o código para "Ações Falam Mais Alto que Palavras: Transdutores Sequenciais de Trilhões de Parâmetros para Recomendações Generativas" (https://arxiv.org/abs/2402.17152).
Pesquisa: Uma coleção de artigos e recursos INCRÍVEIS sobre tópicos de sistemas de recomendação relacionados a modelos de linguagem grandes (LLM).
Uma biblioteca configurável, ajustável e reprodutível para previsão de CTR https://fuxictr.github.io
Estas são as anotações sobre o estudo de aprendizado de máquina. Você pode encontrar algo útil nelas.
Um guia de introdução aos sistemas de recomendação, que apresenta de forma abrangente o conhecimento teórico de sistemas de recomendação de nível industrial (incluindo o curso aberto de sistemas de recomendação de Wang Shusen, que explica sistemas reais da indústria baseados no cenário de Xiaohongshu), como treinar modelos usando TensorFlow 2 e como implementar microsserviços de inferência em Golang de alto desempenho, alta concorrência e alta disponibilidade. O guia introduz de forma completa a teoria do sistema de recomendação industrial, como treinar modelos baseados no TensorFlow 2 e como implementar serviços de inferência de alto desempenho, alta concorrência e alta disponibilidade baseados em Golang.
Uma coleção selecionada de artigos de pesquisa que exploram a utilização de LLMs para tarefas relacionadas a grafos.
Um framework de código aberto para sistemas de recomendação autossupervisionados.
Cadernos de notas e exemplos sobre como integrar e usar vários recursos do Amazon Personalize
Uma biblioteca de métricas para avaliar sistemas de recomendação
[WSDM'2024 Oral] "SSLRec: Uma Estrutura de Aprendizagem Auto-Supervisionada para Recomendação"
Perguntas Frequentes
Qual é o repositório de #recommender-systems mais popular no GitHub?
O projeto de código aberto de #recommender-systems mais bem classificado no GitHub é NVIDIA/DeepLearningExamples, com 14,675 estrelas. Scripts de Deep Learning de última geração organizados por modelos - fáceis de treinar e implantar com precisão e desempenho reprodutíveis em infraestrutura de nível empresarial.
Quais linguagens de programação são mais usadas nos repositórios de #recommender-systems?
Entre os projetos de #recommender-systems mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, PureBasic.
Como é calculada a classificação dos repositórios de #recommender-systems?
Acompanhamos 23 repositórios ativos de código aberto marcados com #recommender-systems (com mais de 500 estrelas), totalizando 73,763 estrelas e uma média de 3,207 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.