deep-learning

Transcription Faster Whisper optimisée avec CTranslate2

PArallel Distributed Deep LEarning : Framework de machine learning issu de la pratique industrielle (cadre principal de PaddlePaddle, entraînement haute performance distribué et sur machine unique, et déploiement multiplateforme pour le deep learning et le machine learning).

Bibliothèque de réseaux de neurones sur graphes (GNN) pour PyTorch

ncnn est un framework d'inférence de réseaux de neurones haute performance optimisé pour les plateformes mobiles

🏆 Une liste classée des meilleures bibliothèques Python pour le machine learning. Mise à jour hebdomadaire.

Notes complètes sur le deep learning (Terminé) : tutoriels PyTorch de Tudui, Apprendre le deep learning avec Li Mu, Deep Learning d'Andrew Ng, et agents de grands modèles par Dafei.

Une bibliothèque légère de reconnaissance faciale et d'analyse d'attributs (âge, genre, émotion et ethnie) pour Python

Apprendre OpenCV : exemples en C++ et Python

Collection de papiers et projets open source de la CVPR 2026

🤗 La plus grande plateforme de jeux de données prêts à l'emploi pour les modèles d'IA, avec des outils de manipulation de données rapides, simples et efficaces

Bonnes pratiques pour les systèmes de recommandation

☁️ Construisez des applications d'IA multimodales avec une pile cloud-native

ONNX Runtime : accélérateur d'inférence et d'entraînement ML multiplateforme haute performance.

Le manuel PyTorch est un livre open-source visant à aider les développeurs et chercheurs à s'initier rapidement au deep learning avec PyTorch, incluant des tutoriels testés et fonctionnels.

Standard ouvert pour l'interopérabilité de l'apprentissage automatique (machine learning).

Une liste organisée de bibliothèques open source pour déployer, surveiller, versionner et mettre à l'échelle vos modèles de machine learning.

Code pour « Machine Learning for Trading », 3e édition — de l'acquisition de données à l'exécution en temps réel.

Le toolkit Unity Machine Learning Agents (ML-Agents) est un projet open source permettant d'utiliser des jeux et des simulations comme environnements pour entraîner des agents intelligents via l'apprentissage par renforcement profond et l'apprentissage par imitation.

Ressources complètes sur l'IA par le programmeur Yupi, incluant des tutoriels Vibe Coding, des guides sur les grands modèles (DeepSeek, GPT, Gemini, Claude, GLM), les dernières actualités IA, des prompts, une encyclopédie des connaissances IA (Agent Skills, RAG, MCP, A2A), des tutoriels de programmation IA, des outils (Cursor, Claude Code, TRAE, Codex, Copilot) et des frameworks (Spring AI, LangChain).

Livre théorique « Réseaux de neurones et apprentissage profond » (livre pissenlit) de Qiu Xipeng, version v2 et édition de vulgarisation.

Une bibliothèque JavaScript accélérée par WebGL pour l'entraînement et le déploiement de modèles de ML.

Une liste organisée de ressources dédiées au traitement du langage naturel (NLP)

Matériel pour le cours Learn PyTorch for Deep Learning: Zero to Mastery.

Moteur d'inférence LLM haute performance exécuté dans le navigateur.

[🔥en cours de mise à jour...] Robot de trading quantitatif automatisé par IA (déploiement entièrement local). Plateforme de recherche en investissement quantitatif basée sur l'IA. 📃 documentation en ligne : https://ufund-me.github.io/Qbot ✨ :news: qbot-mini : https://github.com/Charmve/iQuant

Tutoriels, articles et autres ressources sur le machine learning et le deep learning.

Détection rapide et précise du type de contenu de fichier par IA.

Ce projet regroupe les concepts clés et les implémentations de code fréquemment abordés lors des entretiens en Machine Learning, Deep Learning et NLP, constituant une base théorique essentielle pour tout ingénieur en algorithmique.

CAMEL : Le premier et le meilleur framework multi-agents. À la recherche de la loi d'échelle des agents. https://www.camel-ai.org

📺 Découvrez les derniers cours de machine learning et d'IA sur YouTube.