deep-learning

(⌐■_■) - Pembelajaran Penguatan Mendalam (Deep Reinforcement Learning) yang menginstrumentasi bettercap untuk peretasan WiFi.

ModelScope: wujudkan konsep Model-sebagai-Layanan (Model-as-a-Service).

Pemrograman probabilistik universal mendalam dengan Python dan PyTorch

Panduan Hello AI World untuk menerapkan jaringan inferensi deep-learning dan primitif deep vision dengan TensorRT dan NVIDIA Jetson.

Kumpulan contoh dan tutorial machine learning.

Panduan wawancara deep learning (mencakup matematika, machine learning, deep learning, computer vision, natural language processing, dan SLAM, dll.)

Cara termudah untuk melayani aplikasi dan model AI - Membangun API inferensi model, antrean tugas, aplikasi LLM, pipeline multi-model, dan banyak lagi.

Materi Lab untuk MIT 6.S191: Pengantar Deep Learning

Visi robot, robot seluler, VS-SLAM, ORB-SLAM2, deteksi objek deep learning, yolov3, deteksi perilaku, opencv, PCL, machine learning, mengemudi otonom.

Perangkat AI untuk Pencitraan Kesehatan

EmotiVoice 😊: Mesin TTS Multi-Suara dan Terkontrol-Prompt

Toolkit yang dapat diperluas untuk finetuning dan inferensi Large Foundation Models. Large Models untuk Semua.

Penjelasan Visual Transformer: Pelajari Cara Kerja Model Transformer LLM dengan Visualisasi Interaktif

Implementasi Imagen, Neural Network Text-to-Image dari Google, di PyTorch.

BoxMOT: Modul pelacakan multi-objek SOTA Python dan C++ yang dapat dipasang, dengan dukungan untuk kotak pembatas yang sejajar sumbu dan berorientasi

Paket model CTR berbasis deep-learning yang mudah digunakan, modular, dan dapat diperluas.

Pustaka Python Stanford NLP untuk tokenisasi, segmentasi kalimat, NER, dan penguraian berbagai bahasa manusia

Implementasi RLHF (Reinforcement Learning with Human Feedback) di atas arsitektur PaLM. Pada dasarnya seperti ChatGPT tetapi menggunakan PaLM

Berisi Solusi dan Catatan untuk Machine Learning Specialization oleh Stanford University dan Deeplearning.ai - Coursera (2022) oleh Prof. Andrew NG

Panduan terperinci dan disesuaikan untuk mahasiswa sarjana atau siapa pun yang ingin mendalami bidang AI dengan fondasi yang kuat.

Koleksi Variational Autoencoders (VAE) dalam PyTorch.

:fire: Pustaka penjajaran wajah 2D dan 3D yang dibuat menggunakan PyTorch

Menghitung turunan dari kode NumPy secara efisien.

H2O adalah platform Machine Learning sumber terbuka yang terdistribusi, cepat, dan dapat diskalakan: Deep Learning, Gradient Boosting (GBM) & XGBoost, Random Forest, Generalized Linear Modeling (GLM dengan Elastic Net), K-Means, PCA, Generalized Additive Models (GAM), RuleFit, Support Vector Machine (SVM), Stacked Ensembles, Automatic Machine Learning (AutoML), dll.

OpenMMLab Multimodal Advanced, Generative, and Intelligent Creation Toolbox. Buka keajaiban 🪄: Generative-AI (AIGC), API yang mudah digunakan, model zoo yang luar biasa, model difusi, untuk pembuatan teks-ke-gambar, restorasi/peningkatan gambar/video, dll.

Menjadi peneliti/insinyur AI/ML yang mahir dengan buku teks tidak konvensional yang mencakup matematika, komputasi, dan ML dengan pendekatan intuitif.

Tutorial pengantar sistem rekomendasi, baca daring di: https://datawhalechina.github.io/fun-rec/

PaddlePaddle High Performance Deep Learning Inference Engine for Mobile and Edge (Mesin Inferensi Deep Learning Performa Tinggi PaddlePaddle untuk Seluler dan Edge)

Flower: Kerangka Kerja AI Terfederasi yang Ramah

Terjemahan Mesin Neural Sumber Terbuka dan Model Bahasa (Besar) di PyTorch