recommender-system

Qdrant - अगली पीढ़ी के AI के लिए उच्च-प्रदर्शन, बड़े पैमाने पर Vector Database और Vector Search Engine। क्लाउड पर भी उपलब्ध https://cloud.qdrant.io/

मल्टी-फ्रेमवर्क कोड, गणित और चर्चाओं के साथ इंटरैक्टिव गहरी सीखने की किताब। स्टैनफोर्ड, MIT, Harvard और कैम्ब्रिज सहित 70 देशों के 500 विश्वविद्यालयों में अपनाया गया।

Weaviate एक ओपन-सोर्स वेक्टर डेटाबेस है जो ऑब्जेक्ट और वेक्टर दोनों को स्टोर करता है, जो क्लाउड-नेटिव डेटाबेस की फॉल्ट टॉलरेंस और स्केलेबिलिटी के साथ संरचित फ़िल्टरिंग के साथ वेक्टर खोज के संयोजन की अनुमति देता है।

मल्टीमॉडल AI के लिए डेवलपर-अनुकूल OSS एम्बेडेड पुनर्प्राप्ति लाइब्रेरी। अधिक खोजें; कम प्रबंधित करें।

AI-संचालित ओपन सोर्स रिकमेंडर सिस्टम इंजन जो एम्बेडिंग के माध्यम से क्लासिकल/LLM रैंकर्स और मल्टीमॉडल कंटेंट को सपोर्ट करता है।

सिफारिश प्रणाली परिचय ट्यूटोरियल, ऑनलाइन पढ़ने का पता: https://datawhalechina.github.io/fun-rec/

RSTutorials: सिफारिश प्रणाली पर अवश्य पढ़ने योग्य पेपरों की एक क्यूरेटेड सूची।

LightFM का एक Python कार्यान्वयन, एक हाइब्रिड अनुशंसा एल्गोरिथ्म।

C++, C, Python, JavaScript, Rust, Java, Objective-C, Swift, C#, GoLang, और Wolfram में वैक्टर और मनमाने ऑब्जेक्ट्स के लिए तेज़ ओपन-सोर्स सर्च और क्लस्टरिंग इंजन 🔍

इम्प्लीसिट फीडबैक डेटासेट के लिए तेज़ Python कोलैबोरेटिव फ़िल्टरिंग

डीप लर्निंग शुरुआती पाठ्यक्रम, उन्नत पाठ्यक्रम, विशेष पाठ्यक्रम, अकादमिक मामले, औद्योगिक अभ्यास मामले, डीप लर्निंग ज्ञान विश्वकोश और साक्षात्कार प्रश्न बैंक।

Alink, Flink पर आधारित मशीन लर्निंग एल्गोरिदम प्लेटफॉर्म है, जिसे Alibaba कंप्यूटिंग प्लेटफॉर्म की PAI टीम द्वारा विकसित किया गया है।

सिफारिश पर क्लासिक पेपर और संसाधन

त्वरित (accelerated) डीप लर्निंग R&D

डेटा के साथ कार्य-कारण (causality) सीखने के लिए एल्गोरिदम का एक सूचकांक

एक डीप लर्निंग रिकमेंडर सिस्टम

🚀 Rust में लिखी गई कुशल अनुमानित निकटतम पड़ोसी खोज एल्गोरिदम संग्रह लाइब्रेरी 🦀।

सिफारिश प्रणालियों के लिए PyTorch डोमेन लाइब्रेरी

औद्योगिक सर्च, रिकमेंडेशन और एडवरटाइजमेंट के लिए ऑसम डीप लर्निंग पेपर्स। ये एम्बेडिंग, मैचिंग, प्री-रैंकिंग, रैंकिंग, पोस्ट रैंकिंग, प्रासंगिकता, LLM और RL पर ध्यान केंद्रित करते हैं।

बड़े पैमाने पर अनुशंसा एल्गोरिदम के लिए एक फ्रेमवर्क।

लार्ज लैंग्वेज मॉडल (LLM) पर सिफारिश प्रणाली के शानदार पत्रों और संसाधनों की सूची।

TensorFlow Recommenders, TensorFlow का उपयोग करके रिकमेंडर सिस्टम मॉडल बनाने के लिए एक लाइब्रेरी है।

OneRec का न्यूनतम पुनरुत्पादन

Transformers4Rec अनुक्रमिक और सत्र-आधारित अनुशंसा के लिए एक लचीला और कुशल पुस्तकालय है और यह PyTorch के साथ काम करता है।

यह रिकमेंडर सिस्टम्स (RS) के लिए सार्वजनिक डेटा स्रोतों का एक रिपॉजिटरी है।

सिफ़ारिश मॉडल के लिए एक लाइटनिंग Pytorch फ्रेमवर्क, उपयोग में आसान और विस्तार करने में आसान।

NVTabular टैब्यूलर डेटा के लिए एक फीचर इंजीनियरिंग और प्रीप्रोसेसिंग लाइब्रेरी है, जिसे डीप लर्निंग आधारित अनुशंसक प्रणालियों को प्रशिक्षित करने के लिए टेराबाइट स्केल डेटासेट को तेज़ी से और आसानी से प्रोसेस करने के लिए डिज़ाइन किया गया है।

HugeCTR क्लिक-थ्रू-रेट (CTR) एस्टिमेटिंग ट्रेनिंग के लिए डिज़ाइन किया गया एक उच्च दक्षता वाला GPU फ्रेमवर्क है।

मल्टीमॉडल रिकमेंडर सिस्टम के लिए एक तुलनात्मक फ्रेमवर्क।

यह समझाने के लिए कि सिफारिश एल्गोरिदम कैसे लागू किए जा सकते हैं, पुस्तक Practical Recommender Systems में उपयोग की जाने वाली एक django वेबसाइट।