natural-language-processing

Chatbot basé sur la compréhension du langage naturel et l'apprentissage automatique, prenant en charge la simultanéité multi-utilisateur et les dialogues multi-tours personnalisés

Une feuille de route ML (Machine Learning) Full Stack implique l'apprentissage des compétences et technologies nécessaires pour maîtriser tous les aspects du machine learning, y compris la collecte et le prétraitement des données, le développement, le déploiement et la maintenance des modèles.

🙌Kart de 234+ projets basés sur l'apprentissage automatique, apprentissage profond, vision par ordinateur, traitement du langage naturel et tout le reste. Montrez votre soutien en ✨ ce dépôt.

Open Korean Text Processor - Un processeur de texte coréen open source

Formatez rapidement vos notes avec ChatGPT dans Obsidian

Divise automatiquement vos modèles PyTorch sur plusieurs GPU pour l'entraînement et l'inférence

Ce dépôt rassemble une liste extensive d'articles remarquables sur la génération d'histoires / le storytelling, se concentrant exclusivement sur l'ère des modèles de langage de grande taille (LLMs).

Code et jeux de données pour « Character-LLM: A Trainable Agent for Role-Playing »

Apprentissage actif pour la classification de texte en Python

Ressources et outils pour le traitement automatique du langage naturel (TALN) des langues indiennes

Une bibliothèque fondamentale pour les hypergraphes sémantiques

Une plateforme ouverte pour l'intelligence artificielle, les robots de chat, les agents virtuels, l'automatisation des réseaux sociaux et l'automatisation du chat en direct.

[NeurIPS 2021] Benchmarks multi-échelles pour l'apprentissage de représentations multimodales

[ICML 2024] TrustLLM : La fiabilité dans les grands modèles de langage

Modèle multimodal pour les données textuelles et tabulaires avec les transformers HuggingFace comme composant de base pour les données textuelles

NLP en Python avec le Deep Learning

Un framework Ruby open source pour les chatbots textuels et vocaux. 🤖

Ce dépôt contient le code d'évaluation pour l'article "MMMU: A Massive Multi-discipline Multimodal Understanding and Reasoning Benchmark for Expert AGI"

Une collection de jeux de données associant des questions à des requêtes SQL.

Liens vers les publications de conférences/revues en vérification automatisée des faits (ressources pour l'article TACL22/EMNLP23).

Dépôt NLP de Deep Learning résumant les tâches en aval, du prétraitement du texte aux modèles les plus récents comme Topic Models, BERT, GPT et LLM en utilisant TensorFlow.

Une liste complète de projets Python

Liste d'articles sur la traduction simultanée / en flux continu, incluant la traduction automatique texte-à-texte et la traduction de la parole au texte.

Implémentation en Julia de modèles Transformer

Une liste sélectionnée de super projets et de ressources de dev/design pour répondre aux besoins informatiques en arabe.

Notes de lecture CS224n en chinois

Meta Agents Research Environments est une plateforme complète conçue pour évaluer les agents IA dans des scénarios dynamiques et réalistes. Contrairement aux benchmarks statiques, cette plateforme introduit des environnements évolutifs où les agents doivent adapter leurs stratégies à mesure que de nouvelles informations deviennent disponibles, reflétant les défis du monde réel.

PySwip est une interface Python-Prolog permettant d'interroger SWI-Prolog dans vos programmes Python.

Tutoriel complet sur le Deep Learning : de zéro à héros

Happy Transformer facilite le réglage fin (fine-tuning) et l'inférence avec les modèles NLP Transformer.