artificial-intelligence

Mô hình hóa chuỗi thời gian xác suất bằng Python

Thư viện PyTorch để tăng tốc nghiên cứu học sâu 3D

Kho lưu trữ này là tập hợp các tài nguyên miễn phí để học Khoa học Dữ liệu.

Triển khai một LLM suy luận bằng PyTorch từ đầu, từng bước một.

Dự báo chuỗi thời gian với PyTorch

Kodezi Chronos là một mô hình ngôn ngữ chuyên gỡ lỗi, đạt kết quả tối tân trên SWE-bench Lite (80.33%) và độ chính xác sửa lỗi thực tế 67%, gấp hơn sáu lần so với GPT-4. Được xây dựng với Adaptive Graph-Guided Retrieval và Persistent Debug Memory. Mô hình sẽ ra mắt vào Quý 1 năm 2026 thông qua Kodezi OS.

Tôi tin rằng bạn, những học viên cao học và những người đang tìm việc - đối tượng chính mà cuốn sách này hướng tới - sẽ nhận được nhiều lợi ích khi đọc nó; tuy nhiên, tôi cũng hy vọng rằng ngay cả những nhà nghiên cứu giàu kinh nghiệm nhất cũng sẽ thấy nó vô cùng thú vị.

Bộ dữ liệu Trừu tượng và Suy luận (ARC)

Ngăn xếp phần mềm của Google DeepMind dành cho mô phỏng dựa trên vật lý và môi trường Reinforcement Learning, sử dụng MuJoCo.

Tăng cường dữ liệu cho NLP

Danh sách tổng hợp tài nguyên Python cho khoa học dữ liệu.

Danh sách tổng hợp các dự án, mô hình, công cụ và cơ sở hạ tầng AI thực sự mã nguồn mở tốt nhất. Cập nhật hàng ngày.

Hướng dẫn xây dựng hệ thống deep learning cấp độ sản xuất thực tế để triển khai trong các ứng dụng thế giới thực.

Thư viện python cho giao tiếp thời gian thực

🕵 Trí tuệ nhân tạo kiểm soát xã hội hành chính công | **Kho lưu trữ này không nhận được các bản cập nhật thường xuyên. Hãy xem README**

Triển khai cắm và chạy (plug-and-play) của Tree of Thoughts: Giải quyết vấn đề có chủ ý với các mô hình ngôn ngữ lớn giúp nâng cao khả năng suy luận của mô hình lên ít nhất 70%.

Sách "Mô hình ngôn ngữ lớn" tác giả: Triệu Hâm, Lý Quân Nghị, Châu Côn, Đường Thiên Nhất, Văn Kế Vinh

Tengine là một công cụ suy luận mô-đun, hiệu năng cao, gọn nhẹ dành cho thiết bị nhúng.

Kho lưu trữ bộ nhớ bền vững cục bộ cho các ứng dụng LLM bao gồm claude desktop, github copilot, codex, antigravity, v.v.

Tài nguyên kỹ thuật dành cho nhà phát triển AI để xây dựng ứng dụng, tác nhân và hệ thống sử dụng Oracle AI Database và các dịch vụ OCI

NeuralProphet: Một thư viện dự báo đơn giản

Triển lãm AI tạo sinh của MongoDB: tập hợp đầy đủ các ví dụ và ứng dụng mẫu bao gồm Truy xuất tăng cường thế hệ (RAG), tác nhân AI và các trường hợp sử dụng theo ngành.

Kho lưu trữ chứa các liên kết và tài nguyên về các chủ đề khác nhau trong Khoa học máy tính.

Làm chủ Trí tuệ Nhân tạo, Học máy, GenAI, Học Sâu, Khoa học Dữ liệu, Xử lý Ngôn ngữ Tự nhiên, Học Tăng cường và nhiều hơn nữa với kho lưu trữ toàn diện từ 0 đến 100 này.

Một gói Python để phân đoạn dữ liệu không gian địa lý bằng Segment Anything Model (SAM)

Một loạt các mô hình ngôn ngữ lớn được phát triển bởi Baichuan Intelligent Technology

Danh sách tổng hợp các hướng dẫn về Deep Learning / Artificial Intelligence và Machine Learning - mở rộng nhanh chóng sang các lĩnh vực AI/Deep Learning / Machine Vision / NLP và các lĩnh vực đặc thù ngành như Khí hậu / Năng lượng, Ô tô, Bán lẻ, Dược phẩm, Y tế, Chăm sóc sức khỏe, Chính sách, Đạo đức và nhiều hơn nữa.

TimeGPT-1: Mô hình nền tảng chuỗi thời gian được huấn luyện trước sẵn sàng cho sản xuất để dự báo và phát hiện bất thường. Transformer huấn luyện trước tạo sinh cho chuỗi thời gian được đào tạo trên hơn 100 tỷ điểm dữ liệu. Khả năng dự đoán chính xác các lĩnh vực khác nhau như bán lẻ, điện lực, tài chính và IoT chỉ với vài dòng mã 🚀.

Lượng tử hóa Vector (và Scalar) trong PyTorch

Một framework Python tối giản để xây dựng máy chủ suy luận AI tùy chỉnh với khả năng kiểm soát hoàn toàn logic, gom nhóm (batching) và khả năng mở rộng.