deeplearning

Exemples Deeplearning4j (DL4J, DL4J Spark, DataVec)

Une liste organisée de jeux de données exceptionnels en cybersécurité

Une référence complète sur tous les sujets liés au traitement du langage naturel (NLP).

Collaboration avec wangxupeng (https://github.com/wangxupeng).

Implémentation en PyTorch de « BitNet: Scaling 1-bit Transformers for Large Language Models ».

Graphes de réseaux de neurones et métriques d'entraînement pour PyTorch, Tensorflow et Keras.

Bibliothèque autonome d'apprentissage automatique et de traitement du langage naturel en Go.

IA sur Hadoop.

Framework de Deep Learning de haut niveau écrit en Kotlin et inspiré par Keras.

Bibliothèque de matrice de confusion multi-classes en Python.

Une bibliothèque Python pour la détection de valeurs aberrantes (détection d'anomalies) dans les graphes

Exemple d'apprentissage automatique avec TensorFlow sur Android (construction de TensorFlow pour Android)

SDK OCR hors ligne gratuit pour la détection et la reconnaissance de texte chinois.

Détection et reconnaissance faciale par apprentissage profond, implémentées avec PyTorch.

Une liste organisée de ressources sur la Conformal Prediction incluant vidéos, tutoriels, livres, articles, thèses de doctorat et de master, ainsi que des bibliothèques open-source.

Ressources pour apprendre l'IA.

Une liste professionnelle sur les grands modèles de langage (LLM) et les modèles de fondation (LM, FM) pour les séries temporelles, les données spatio-temporelles et les données d'événements.

Qualcomm® AI Hub Models est notre collection de modèles d'apprentissage automatique de pointe, optimisés pour la performance (latence, mémoire, etc.) et prêts à être déployés sur les appareils Qualcomm®.

Plateforme de bio-informatique intégrant l'apprentissage de représentations à grande échelle et l'apprentissage profond multi-tâches.

50 notes sur les grands modèles de langage (LLM). Ce dépôt contient des projets pratiques dans les domaines du machine learning, du deep learning, de la vision par ordinateur, du traitement du langage naturel, des LLM et du web scraping.

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

Tutoriel complet sur les algorithmes, du NLP aux LLM. Lecture en ligne : https://datawhalechina.github.io/base-llm/

KoGPT de KakaoBrain (Generative Pre-trained Transformer pour le coréen).

Une interface uniforme pour exécuter des modèles de deep learning issus de multiples frameworks.

Guide de survie pour ingénieurs en deep learning.

Ressources CARLA incluant tutoriels, blog, code, etc. https://github.com/carla-simulator/carla

alfred-py : une bibliothèque utilitaire de deep learning pour l'humain. Plus de détails sur l'utilisation de la bibliothèque ici : https://zhuanlan.zhihu.com/p/341446046

Tutoriel sur les algorithmes de deep learning.

Liste des fournisseurs de cloud pour le Deep Learning.

Trankit est une boîte à outils Python légère basée sur les Transformers pour le traitement du langage naturel multilingue.