machine-learning

列出可能的资料来源，协助准备数据科学/机器学习面试，频繁更新

Towhee 是一个致力于简化神经数据处理流水线的框架

PennyLane 是一个用于量子计算、量子机器学习和量子化学的开源量子软件平台。从灵感到实现，创建有意义的量子算法。

干净、稳健且统一的 PyTorch 实现，涵盖热门深度强化学习（DRL）算法（Q-learning、Duel DDQN、PER、C51、Noisy DQN、PPO、DDPG、TD3、SAC、ASL）

🦦 Otter，基于 OpenFlamingo（DeepMind 的 Flamingo 开源版本）的多模态模型，训练于 MIMIC-IT，展示了改进的指令跟随和上下文学习能力。

🔥 机器学习笔记本

学习如何设计、开发、部署与迭代生产级 ML 应用

Google TensorFlow 的 .NET Standard 绑定，用于在 C# 和 F# 中开发、训练与部署机器学习模型

OP Vault ChatGPT：使用 OP Stack（OpenAI + Pinecone 向量数据库）为 ChatGPT 提供长期记忆。上传自定义知识库文件（PDF、txt、epub 等），使用简易 React 前端

加速深度学习研发

用于音频与音乐分析、特征提取的库。

Book_7_《机器学习》 | 鸢尾花书：从加减乘除到机器学习；欢迎批评指正

Lazy Predict 可协助快速构建多个基础模型，无需大量代码，并能了解哪些模型表现最佳，无需参数调优

以 Rust 编写的 Apache Spark 无缝替代方案，统一了批处理、流处理和计算密集型 AI 工作负载。

AI 研究员计划清单

”数学不难“ 之 《线性代数不难》上下册，66话题完册；欢迎批评指正

ROOT 的官方仓库：以科学方式分析、存储和可视化大数据

Python 套件，用于表格数据的 AutoML，包含特征工程、超参数调节、解释与自动文档化

基于 JAX 的神经网络库

为机器学习初学者或准备进行学习的同学设计的仓库。(This repository is intented for helping whom are interested in machine learning study)

从零开始构建现代 LLM。逐行注释。用五岁小孩也能听懂的方式解释。

🔅 Shapash：用户友善的可解释性与可解读性工具，协助开发可靠且透明的机器学习模型

Determined 是一个开源机器学习平台，简化分布式训练、超参数调优、实验跟踪和资源管理。支持 PyTorch 和 TensorFlow。

精心策划的数据科学资源链接集合

开源深度学习框架，使用最先进的Physics-ML方法构建、训练与微调模型

Dreambooth（https://arxiv.org/abs/2208.12242）实现，透过 Textual Inversion（https://arxiv.org/abs/2208.01618）于 Stable Diffusion（https://arxiv.org/abs/2112.10752）。调整重点在于训练面部、物件与风格。

📚 OpenVINO™ 的 Jupyter notebook 教学。

Compute Library 是一套针对 Arm CPU 与 GPU 优化的计算机视觉与机器学习函数，采用 SIMD 技术

Python 时序分析机器学习工具包

隔离人声、鼓、低音和其他乐器音轨，从任何歌曲中提取