rnn

12 semaines, 24 leçons, l'IA pour tous !

AiLearning : Analyse de données, apprentissage automatique pratique, algèbre linéaire, PyTorch, NLTK et TF2.

Tutoriel d'apprentissage profond de Li Hongyi (recommandé par le professeur Li Hongyi, livre Apple), lien de téléchargement PDF : https://github.com/datawhalechina/leedl-tutorial/releases

RWKV (prononcé RwaKuv) est un RNN offrant d'excellentes performances LLM, pouvant être entraîné directement comme un transformeur GPT (parallélisable). Nous en sommes à RWKV-7 "Goose". Il combine le meilleur du RNN et du transformeur : excellentes performances, temps linéaire, espace constant (pas de kv-cache), entraînement rapide, longueur de contexte infinie et plongements de phrases gratuits.

ChatRWKV est similaire à ChatGPT mais propulsé par le modèle de langage RWKV (100 % RNN) et est open source.

Code source pour le livre de recettes sur l'apprentissage automatique avec TensorFlow.

Bibliothèque de Deep Learning de pointe pour les séries temporelles et les séquences dans Pytorch / fastai.

Réseau de neurones récurrent pour la réduction du bruit audio.

Tutoriels sur l'implémentation de quelques modèles séquence-à-séquence (seq2seq) avec PyTorch et TorchText.

Un logiciel d'apprentissage automatique pour l'extraction d'informations à partir de documents académiques

Tutoriels pour débuter avec PyTorch et TorchText pour l'analyse de sentiment.

Classification de texte chinois par CNN-RNN, basée sur TensorFlow.

Cours d'introduction, cours avancés, études de cas académiques et industrielles, encyclopédie des connaissances et banque de questions d'entretien sur le Deep Learning et l'IA.

Robot de création automatique de poésie chinoise classique, basé sur l'API TensorFlow 1.10

Ce dépôt contient une liste de lecture d'articles sur la prévision de séries temporelles (TSF) et la prévision spatio-temporelle (STF). Ces articles sont principalement classés par type de modèle.

Génération de jazz basée sur l'apprentissage profond avec Keras et Theano !

Dépôt officiel de xLSTM.

Liste organisée des meilleures ressources en intelligence artificielle

OCR de formules mathématiques : prend en charge l'écriture manuscrite, les formules mixtes chinois-anglais et le raisonnement symbolique simple (basé sur l'arbre de syntaxe abstraite LaTeX).

Framework utilisant des LSTM pour détecter des anomalies dans des données de séries temporelles multivariées. Inclut des données d'anomalies spatiales et des expériences des missions Mars Science Laboratory et SMAP.

Diagrammes pour visualiser l'architecture des réseaux de neurones

Une bibliothèque de Deep Learning pour la classification de tâches EEG (signaux), basée sur TensorFlow.

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

Bolt est une bibliothèque d'apprentissage profond offrant haute performance et flexibilité hétérogène

Liste de conceptions moléculaires et matérielles utilisant l'IA générative et l'apprentissage profond.

Une collection de méthodes de détection d'anomalies (iid/basées sur des points, graphes et séries temporelles) incluant l'apprentissage actif pour la détection/découverte d'anomalies, l'exploration de règles bayésiennes, et la description pour la diversité/explication/interprétabilité. Analyse de l'intégration des retours d'étiquetage avec des détecteurs d'ensemble et basés sur des arbres. Inclut des attaques adverses avec Graph Convolutional Network.

Prévision de la charge électrique de Delhi en utilisant les modèles ARIMA, RNN, LSTM et GRU

Classifier les descriptions de crimes de San Francisco de Kaggle en 39 classes. Construire le modèle avec CNN, RNN (GRU et LSTM) et des plongements de mots sur Tensorflow.