machine-learning

LangKit: Bộ công cụ mã nguồn mở để giám sát Large Language Models (LLMs). Trích xuất tín hiệu từ prompt và response, đảm bảo an toàn và bảo mật. Tính năng bao gồm chất lượng văn bản, chỉ số mức độ liên quan và phân tích cảm xúc. Công cụ toàn diện để quan sát LLM.

Triển khai bất phụ thuộc framework cho các phương pháp độ nổi bật tiên tiến (XRAI, BlurIG, SmoothGrad và nhiều hơn nữa).

Tất cả bảng cheat sheet của Stanford: Trí tuệ nhân tạo, Transformers, LLMs, Deep Learning, Machine Learning, Xác suất, Thống kê, Đại số và Giải tích.

[ICLR 2025 Spotlight] Mã nguồn chính thức của "Time-MoE: Billion-Scale Time Series Foundation Models with Mixture of Experts"

Bộ công cụ nhận thức cho việc đào tạo và xác thực sim2real trong Unity

Công cụ chuyển đổi tệp ONNX sang LiteRT/TFLite/TensorFlow, mã nguồn gốc PyTorch (nn.Module), TorchScript (.pt), state_dict (.pt), Exported Program (.pt2) và Dynamo ONNX. Công cụ này cũng hỗ trợ chuyển đổi trực tiếp từ LiteRT sang PyTorch.

Phân tích sống còn với PyTorch

Trung tâm mô hình đã được huấn luyện trước cho Keras 3.

Molecular Sets (MOSES): Nền tảng đánh giá cho các mô hình tạo phân tử

[Sách-2021] Sách Practical MLOps của O'Reilly

Xây dựng AI agent từ những nguyên tắc cơ bản bằng cách sử dụng LLM cục bộ - không có framework, không có cloud API, không có suy luận ẩn.

Sparkling Water cung cấp tính năng của H2O bên trong cụm Spark

Ý tưởng của danh sách này là thu thập dữ liệu và thuật toán được chia sẻ xung quanh Mô hình biến dạng 3D (3D Morphable Models). Bạn được mời đóng góp vào danh sách này bằng cách tạo pull request. Danh sách ban đầu xuất phát từ hội seminar Dagstuhl về Mô hình biến dạng 3D https://www.dagstuhl.de/19102 vào tháng 3 năm 2019.

Thư viện cho các thao tác ma trận dày và thưa chuyên dụng, cùng các nguyên thủy deep learning.

Tài nguyên, ví dụ và hướng dẫn cho AI đa phương thức, RAG và các tác nhân sử dụng tìm kiếm vector và LLM

Giao diện R cho Apache Spark

OmniXAI: Thư viện dành cho AI có thể giải thích (Explainable AI)

Blog kỹ thuật thuật toán Machine Learning bằng Python, có nội dung gốc chất lượng! Có mã thực hành! [Để biết thêm nội dung, vui lòng theo dõi tài khoản chính thức WeChat "算法进阶"]

Chào mừng đến với kho lưu trữ Sách Điện Tử Khoa Học Dữ Liệu! Bộ sưu tập này cung cấp nhiều sách điện tử chất lượng cao về Khoa Học Dữ Liệu, Học Máy và AI. Hoàn hảo cho cả người mới bắt đầu và người học nâng cao, hãy khám phá các tài nguyên này để đào sâu kiến thức và kỹ năng của bạn.

Sách về Học máy Q và AI

Các mô hình Transformer từ BERT đến GPT-4, môi trường từ Hugging Face đến OpenAI. Các ví dụ về fine-tuning, huấn luyện và prompt engineering. Phần bổ sung với ChatGPT, GPT-3.5-turbo, GPT-4 và DALL-E bao gồm khởi động nhanh GPT-4, chuyển đổi giọng nói thành văn bản, văn bản thành giọng nói, tạo văn bản thành hình ảnh với DALL-E, Google Cloud AI, HuggingGPT và nhiều hơn nữa

Tập dữ liệu âm thanh AI (AI-ADS) 🎵, bao gồm Giọng nói, Âm nhạc và Hiệu ứng âm thanh, có thể cung cấp dữ liệu huấn luyện cho Generative AI, AIGC, huấn luyện mô hình AI, phát triển công cụ âm thanh thông minh và các ứng dụng âm thanh.

PyGCL: Thư viện PyTorch cho học đối lập đồ thị

Các mẫu TensorFlow Lite trên Unity

NequIP là một mã nguồn để xây dựng các thế năng tương tác giữa các nguyên tử có tính bất biến E(3).

Một trình biên dịch đa diện để biểu diễn các thuật toán song song dữ liệu nhanh và di động

Một Python Framework hiệu quả, có thể mở rộng và tối ưu hóa cho Deep Forest (2021.2.1)

Hướng dẫn cho cuộc thi Titanic: Machine Learning from Disaster của Kaggle. Minh họa các kỹ thuật xử lý, phân tích và trực quan hóa dữ liệu cơ bản. Hiển thị các ví dụ về kỹ thuật học máy có giám sát.

Mã nguồn cho mô hình hội thoại đầu cuối từ bài báo MultiWOZ (Budzianowski et al. 2018, EMNLP)