deep-learning

HugeCTR est un framework GPU haute efficacité conçu pour l'entraînement à l'estimation du taux de clic (CTR).

Microsoft AI for Good Lab — Hub de recherche sur la biodiversité. Modèles d'IA open source, appareils edge et outils pour la surveillance et la conservation de la biodiversité. Inclut MegaDetector, SPARROW, PytorchWildlife, Bioacoustics, et plus encore.

Awesome-llm-role-playing-with-persona : une liste organisée de ressources pour les modèles de langage de grande taille dédiés au jeu de rôle avec des personnages assignés

Notes et solutions d'exercices de la première partie du livre : "Hands-On ML with Scikit-Learn, Keras & TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems" par Aurelien Geron.

Livres, PDF et EPUB pour divers domaines de la programmation.

Réseau de neurones convolutifs 3D multi-échelle efficace pour la segmentation d'imagerie médicale 3D.

Solution entièrement basée sur des MLP pour la vision, développée par Google AI.

Optimiseurs accélérés par matériel, par lots et différentiables dans JAX.

Jeu de données d'images pour la reconnaissance de gestes de la main

Sorties de couches et gradients dans Keras, simplifiés

Introduction à PyTorch, couvrant l'initialisation des tenseurs, les opérations, l'indexation et le remodelage.

Code et matériel pour le livre Deep Learning and the Game of Go.

Implémentation PyTorch officielle de Superpoint Transformer [ICCV'23], SuperCluster [3DV'24 Oral] et EZ-SP [ICRA'26].

Réseaux de neurones en temps continu sous forme fermée.

Colorisation d'images en noir et blanc grâce au deep learning.

Construisez des agents contrôlés par des LLM.

Une liste organisée d'articles de recherche sur le gradient boosting avec leurs implémentations.

Une bibliothèque prête à l'emploi pour le réglage efficace des paramètres (Delta Tuning).

Outil de placement VLSI basé sur le deep learning

Zoo de modèles et benchmarks pour OpenCV DNN.

Parcours d'apprentissage complet pour ingénieurs Agent : maîtriser l'ingénierie IA à partir de zéro, 20 étapes, 503 cours, traduction complète, site dédié et vidéos explicatives animées.

Apprentissage rapide et simple de la structure de réseaux profonds sous contraintes de ressources.

Un framework d'ensemble unifié pour PyTorch visant à améliorer les performances et la robustesse de vos modèles de deep learning.

Méthodes d'interprétabilité pour les modèles tf.keras avec Tensorflow 2.x

Bibliothèque pour effectuer des opérations de chiffrement homomorphe sur des tenseurs

Un hub complet et structuré pour apprendre l'intelligence artificielle, couvrant l'IA, le machine learning, le deep learning et la science des données avec des livres, des feuilles de route et des ressources sélectionnées, du niveau débutant à avancé.

Résumé des travaux sur les séries temporelles dans les conférences informatiques majeures (NIPS, ICML, ICLR, KDD, AAAI, WWW, IJCAI, CIKM, ICDM, ICDE, etc.)

Machine Learning University : Cours accéléré sur les données tabulaires

Dépôt compagnon de GANs in Action : Deep learning avec les réseaux antagonistes génératifs

La bibliothèque d'apprentissage par renforcement profond la plus rapide.