artificial-intelligence

Modélisation probabiliste de séries temporelles en Python.

Une bibliothèque PyTorch pour accélérer la recherche en deep learning 3D.

Ce dépôt est une compilation de ressources gratuites pour apprendre la science des données.

Implémenter un LLM de raisonnement en PyTorch à partir de zéro, étape par étape.

Prévision de séries temporelles avec PyTorch.

Kodezi Chronos est un modèle de langage axé sur le débogage, atteignant des résultats de pointe sur SWE-bench Lite (80,33 %) et une précision de correction réelle de 67 %, soit six fois mieux que GPT-4. Conçu avec Adaptive Graph-Guided Retrieval et Persistent Debug Memory. Modèle disponible au T1 2026 via Kodezi OS.

Je suis convaincu que les étudiants de troisième cycle et les chercheurs d'emploi, auxquels ce livre est principalement destiné, tireront profit de sa lecture ; j'espère toutefois que même les chercheurs les plus expérimentés le trouveront fascinant.

Le corpus d'abstraction et de raisonnement (ARC)

Pile logicielle de Google DeepMind pour la simulation physique et les environnements d'apprentissage par renforcement, utilisant MuJoCo.

Augmentation de données pour le NLP.

Liste organisée de ressources Python pour la science des données.

Liste organisée des meilleurs projets, modèles, outils et infrastructures d'IA véritablement open source. Mise à jour quotidienne.

Guide pour construire des systèmes de deep learning de niveau production destinés à des applications réelles.

La bibliothèque Python pour la communication en temps réel

Intelligence artificielle pour le contrôle social de l'administration publique | Ce dépôt ne reçoit pas de mises à jour fréquentes. Consultez le README.

Implémentation prête à l'emploi de Tree of Thoughts : résolution délibérée de problèmes avec des grands modèles de langage, améliorant le raisonnement du modèle d'au moins 70 %

« Grands modèles de langage » par Zhao Xin, Li Junyi, Zhou Kun, Tang Tianyi et Wen Jirong

Tengine est un moteur d'inférence modulaire, léger et haute performance pour appareils embarqués.

Stockage mémoire persistant local pour les applications LLM, incluant Claude Desktop, GitHub Copilot, Codex, Antigravity, etc.

Ressources techniques pour les développeurs IA afin de construire des applications, des agents et des systèmes utilisant Oracle AI Database et les services OCI

NeuralProphet : un package de prévision simple.

Vitrine de l'IA générative de MongoDB : une collection exhaustive d'exemples et d'applications couvrant la génération augmentée par récupération (RAG), les agents IA et des cas d'usage spécifiques à l'industrie.

Dépôt contenant des liens et des ressources sur divers sujets en informatique.

Maîtrisez l'intelligence artificielle, le machine learning, l'IA générative, le deep learning, la science des données, le traitement du langage naturel, l'apprentissage par renforcement et plus encore avec ce dépôt complet de 0 à 100.

Un package Python pour la segmentation de données géospatiales avec le Segment Anything Model (SAM)

Une série de grands modèles de langage développés par Baichuan Intelligent Technology

Liste exhaustive de tutoriels sur le Deep Learning, l'intelligence artificielle et le Machine Learning, couvrant des domaines comme la vision par ordinateur, le NLP et des secteurs industriels tels que l'énergie, l'automobile, la santé et l'éthique

TimeGPT-1 : modèle de fondation pré-entraîné pour les séries temporelles, prêt pour la production, dédié à la prévision et à la détection d'anomalies

Quantification vectorielle (et scalaire) en PyTorch.

Un framework Python minimaliste pour créer des serveurs d'inférence IA personnalisés avec un contrôle total sur la logique, le traitement par lots et la mise à l'échelle.