artificial-intelligence

Probabilistische Zeitreihenmodellierung in Python

Eine PyTorch-Bibliothek zur Beschleunigung der 3D-Deep-Learning-Forschung

Dieses Repository ist eine Sammlung kostenloser Ressourcen zum Erlernen von Data Science.

Implementierung eines begründenden LLM in PyTorch von Grund auf, Schritt für Schritt

Zeitreihenvorhersage mit PyTorch

Kodezi Chronos ist ein auf Debugging ausgerichtetes Sprachmodell, das branchenführende Ergebnisse auf SWE-bench Lite (80,33 %) und 67 % reale Fehlerbehebungsgenauigkeit erreicht, was mehr als sechsmal besser ist als GPT-4. Entwickelt mit Adaptive Graph-Guided Retrieval und Persistent Debug Memory. Modell verfügbar Q1 2026 über Kodezi OS.

Ich bin überzeugt, dass Studierende im Aufbaustudium und Arbeitssuchende, für die dieses Buch in erster Linie gedacht ist, von der Lektüre profitieren werden; ich hoffe jedoch, dass es selbst erfahrensten Forschern faszinierend erscheinen wird.

Das Abstraction and Reasoning Corpus

Die Software-Plattform von Google DeepMind für physikbasierte Simulationen und Reinforcement-Learning-Umgebungen unter Verwendung von MuJoCo.

Datenaugmentierung für NLP

Kuratierte Liste von Python-Ressourcen für Data Science.

Kuratierte Liste der besten echten Open-Source-KI-Projekte, -Modelle, -Tools und -Infrastrukturen. Tägliche Updates.

Ein Leitfaden für den Aufbau praktischer, produktionstauglicher Deep-Learning-Systeme für den Einsatz in realen Anwendungen.

Die Python-Bibliothek für Echtzeitkommunikation

🕵 Künstliche Intelligenz zur sozialen Kontrolle der öffentlichen Verwaltung | **Dieses Repository wird nicht regelmäßig aktualisiert. Siehe README**

Plug-and-Play-Implementierung von Tree of Thoughts: Gezielte Problemlösung mit Large Language Models, die das logische Denken des Modells um mindestens 70 % steigert

„Large Language Models“ Autoren: Zhao Xin, Li Junyi, Zhou Kun, Tang Tianyi, Wen Jirong

Tengine ist eine schlanke, hochleistungsfähige, modulare Inferenz-Engine für eingebettete Geräte

Lokaler, persistenter Speicherspeicher für LLM-Anwendungen wie Claude Desktop, GitHub Copilot, Codex, Antigravity usw.

Technische Ressourcen für KI-Entwickler zum Erstellen von Anwendungen, Agenten und Systemen unter Verwendung der Oracle AI Database und von OCI-Diensten

NeuralProphet: Ein einfaches Prognosepaket

MongoDBs Generative AI Showcase: Eine umfassende Sammlung von Beispielen und Beispielanwendungen zu Retrieval-Augmented Generation (RAG), KI-Agenten und branchenspezifischen Anwendungsfällen.

Repository mit Links und Ressourcen zu verschiedenen Themen der Informatik.

Werden Sie mit diesem vollständigen 0-auf-100-Repository zum Experten für Künstliche Intelligenz, Machine Learning, generative KI, Deep Learning, Data Science, Natural Language Processing, Reinforcement Learning und mehr.

Ein Python-Paket zur Segmentierung von Geodaten mit dem Segment Anything Model (SAM)

Eine Reihe von Large Language Models, entwickelt von Baichuan Intelligent Technology

Eine umfassende Liste von Deep Learning-, Künstliche Intelligenz- und Machine Learning-Tutorials – schnell expandierend in Bereiche wie KI, Deep Learning, Maschinelles Sehen, NLP und branchenspezifische Bereiche wie Klima, Energie, Automobil, Einzelhandel, Pharma, Medizin, Gesundheitswesen, Politik, Ethik und mehr.

TimeGPT-1: Ein produktionsbereites, vortrainiertes Time Series Foundation Model für Vorhersagen und Anomalieerkennung. Ein generativer, vortrainierter Transformer für Zeitreihen, trainiert auf über 100 Milliarden Datenpunkten. Ermöglicht präzise Vorhersagen in Bereichen wie Einzelhandel, Strom, Finanzen und IoT mit nur wenigen Zeilen Code 🚀.

Vektor- (und Skalar-) Quantisierung in PyTorch

Ein minimales Python-Framework zum Erstellen benutzerdefinierter KI-Inferenzserver mit voller Kontrolle über Logik, Batching und Skalierung.