natural-language-processing

Tutoriel de démarrage rapide pour la bibliothèque Transformers

[ICML 2024] LLMCompiler : un compilateur LLM pour l'appel de fonctions en parallèle

Une liste à jour et organisée d'articles, de méthodes et de ressources sur l'apprentissage semi-supervisé.

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

Données pour NLTK.

Dépôt partagé pour les projets open source de l'équipe Google AI Language.

La bibliothèque de détection de langue naturelle la plus précise pour Python, adaptée aux textes courts et aux textes multilingues

Extraction de données non structurées rapide et efficace. Écrit en Rust avec des bindings pour de nombreux langages.

Curation de données synthétiques pour le post-entraînement et l'extraction de données structurées.

Ressources sur l'intelligence artificielle, le machine learning et le deep learning. Notes d'étude et liste organisée de ressources sur ces sujets

Serveur d'inférence CPU/GPU efficace, évolutif et de qualité entreprise pour les modèles 🤗 Hugging Face transformer 🚀

Graph4nlp est une bibliothèque facilitant l'utilisation des réseaux de neurones sur graphes (GNN) pour le NLP. Visitez notre site DLG4NLP (https://dlg4nlp.github.io/index.html) pour accéder à diverses ressources d'apprentissage.

LLM(😽)

🦆 Vecteurs de mots à clés contextuels

Modèle XLNet chinois pré-entraîné.

Une bibliothèque Python pour analyser les chaînes d'adresses non structurées des États-Unis en composants d'adresse.

Un framework sans code basé sur PyTorch pour des études d'apprentissage profond reproductibles. Écosystème PyTorch. 🏆 26 méthodes de distillation de connaissances présentées à TPAMI, CVPR, ICLR, ECCV, NeurIPS, ICCV, AAAI, etc. sont implémentées jusqu'à présent. 🎁 Modèles entraînés, journaux d'entraînement et configurations disponibles pour assurer la reproductibilité et l'étalonnage.

Cours de science des données 2015 de General Assembly à Washington, DC

WikiChat est un RAG amélioré. Il limite les hallucinations des grands modèles de langage en récupérant des données depuis un corpus.

Macaw-LLM : Modélisation linguistique multimodale avec intégration d'images, de vidéos, d'audio et de texte.

DAMO-ConvAI : Le dépôt officiel contenant la base de code pour l'IA conversationnelle d'Alibaba DAMO.

Une base de code unifiée pour l'apprentissage semi-supervisé (NeurIPS'22).

Articles incontournables sur les attaques et défenses adverses textuelles.

Une collection de corpus pour la reconnaissance d'entités nommées (NER) et les tâches de reconnaissance d'entités. Ces jeux de données annotés couvrent une variété de langues, de domaines et de types d'entités.

ChatArena est un environnement de jeu multi-agents pour LLM, visant à développer les capacités de communication et de collaboration des IA

Awesome Search : tout ce qu'il faut savoir sur la recherche (e-commerce et au-delà) et son efficacité.

Modèle de deep learning de pointe pour l'analyse des sentiments, des émotions, du sarcasme, etc.

Ce dépôt contient l'implémentation de différentes architectures pour la reconnaissance des émotions dans les conversations.

Le choix open-source des data scientists pour mettre à l'échelle, évaluer et maintenir les données en langage naturel. Traitez les données d'entraînement comme un artefact logiciel.

🪐 Workflows NLP de bout en bout, du prototype à la production