machine-learning

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.

LLMs aus einer einzigen YAML-Datei fine-tunen. Layer-Streaming trainiert ein 8B-Modell auf einer 4-GB-Laptop-GPU.

Ressourcen, Praxis und Forschung zu maschinellem Lernen und Agentic AI

Die 3. Auflage des course.fast.ai

Torchreid: Deep-Learning-Personen-Wiedererkennung in PyTorch.

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.

Blitzschnelle Prognosen mit statistischen und ökonometrischen Modellen.

Eine C-Bibliothek zum Parsen und Normalisieren von Straßenadressen weltweit. Basiert auf statistischer NLP und offenen Geodaten.

Grundlagen des Machine Learnings: Lineare Algebra, Analysis, Statistik & Informatik

Ein Engine-agnostisches Deep-Learning-Framework in Java

《Machine Learning Systems: Design and Implementation》 (V2 erscheint bald)

Eine probabilistische Programmiersprache in TensorFlow. Tiefe generative Modelle, variationelle Inferenz.

Machine-Learning-Container für NVIDIA Jetson und JetPack-L4T

🌟 Über 100 originale LLM- und RL-Prinzipschemata 📚, präsentiert vom Autor von „Large Model Algorithms“! 💥

MegEngine ist ein schnelles, erweiterbares, benutzerfreundliches Deep-Learning-Framework mit automatischer Differenzierung

High-Level-Bibliothek zur flexiblen und transparenten Unterstützung beim Training und Evaluieren von neuronalen Netzen in PyTorch.

Ein MLOps-Framework zum Verpacken, Bereitstellen, Überwachen und Verwalten von Tausenden von Machine-Learning-Modellen in der Produktion

ALICE (Automated Learning and Intelligence for Causation and Economics) ist ein Projekt von Microsoft Research, das darauf abzielt, Konzepte der künstlichen Intelligenz auf wirtschaftliche Entscheidungsfindungen anzuwenden. Eines seiner Ziele ist es, ein Toolkit zu entwickeln, das modernste Techniken des maschinellen Lernens mit der Ökonometrie kombiniert, um Automatisierung in komplexe kausale Inferenzprobleme zu bringen. Bisher umfasst dies das ALICE Python SDK (e

Eine Sammlung von Spickzetteln, Büchern, Fragen und Portfolio zur Vorbereitung auf DS/ML-Vorstellungsgespräche

Ein Repository für das verteilte Training von Sprachmodellen mit Reinforcement Learning via Human Feedback (RLHF)

Ein Machine-Learning-Framework in Rust.

Entspanne dich! Flux ist die ML-Bibliothek, die dich nicht mit Tensoren plagt

Eine Bibliothek in purem Go für schnelle Gesichtserkennung, Pupillen-/Augenlokalisierung und Erkennung von Gesichtspunkten.

Prompt-Engineering-, Generative-KI- und LLM-Leitfaden von Learn Prompting | Treten Sie unserem Discord bei für die größte Prompt-Engineering-Lerncommunity

Erstelle 🔥 Videos mit Stable Diffusion, indem du den latenten Raum erkundest und zwischen Text-Prompts überblendest

Beispiele für ML.NET, ein Open-Source- und plattformübergreifendes Machine-Learning-Framework für .NET.

Die nächste Generation einer automatisierten Plattform für explorative Datenanalyse und -visualisierung.

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.