Aprendizaje automático · GitHub

Sistema de trading cuantitativo Abu (acciones, opciones, futuros, Bitcoin y aprendizaje automático), una arquitectura de trading e inversión cuantitativos de código abierto basada en Python.

Libro interactivo de aprendizaje profundo con código para múltiples frameworks, matemáticas y discusiones. Adoptado en 500 universidades de 70 países, entre ellas Stanford, el MIT, Harvard y Cambridge.

Aprende a desarrollar, desplegar e iterar aplicaciones de ML de nivel de producción.

Standardized Distributed Generative and Predictive AI Inference Platform for Scalable, Multi-Framework Deployment on Kubernetes

• 🧮 Optimized Backends: Support for vLLM and llm-d for optimized performance for serving LLMs
• 📌 Standardization: OpenAI-compatible inference protocol for seamless integration with LLMs

Streamlit — Una forma más rápida de crear y compartir aplicaciones de datos.

Real-ESRGAN tiene como objetivo desarrollar algoritmos prácticos para la restauración general de imágenes y vídeos.

an architecture for neural network inference in real-time audio applications

• Real-time Safe Execution: Ensures deterministic runtimes suitable for real-time audio applications
• Thread Pool Management: Utilizes a static thread pool to avoid oversubscription and enables efficient parallel inference

OpenPose: biblioteca de detección de puntos clave de múltiples personas en tiempo real para la estimación del cuerpo, el rostro, las manos y los pies

• 15, 18 or 25-keypoint body/foot keypoint estimation, including 6 foot keypoints. Runtime invariant to number of detected people.
• 2x21-keypoint hand keypoint estimation. Runtime depends on number of detected people. See OpenPose Training for a runtime invariant alternative.

Traductor de manga basado en el aprendizaje automático, escrito en Rust.

• Multi-format project management for raster images, archives, and PDFs with page sequencing
• Selective pipeline for detection, OCR, translation, and inpainting at page or project scope

Materiales de laboratorio del MIT 6.S191: Introducción al aprendizaje profundo

Lectura en profundidad, párrafo a párrafo, de artículos clásicos y recientes sobre aprendizaje profundo.

Implementa paso a paso desde cero un LLM de razonamiento con PyTorch

Open Source AI Accelerator Research Platform Standard / 开源推理研究平台

Silero VAD: pre-trained enterprise-grade Voice Activity Detector

• Stellar accuracy Silero VAD has excellent results on speech detection tasks.
• Fast One audio chunk (30+ ms) takes less than 1ms to be processed on a single CPU thread. Using batching or GPU can also improve performance considerably. Under certain conditions ONNX may even run up to 4-5x faster.

【Tres años de entrevistas, cinco años de entrevistas simuladas】Plataforma de recursos para entrevistas de ingenieros de algoritmos de AIGC, LLM y AI Agent. Incluye conocimientos prácticos y experiencias para entrevistas y pruebas escritas en AIGC, modelos de lenguaje de gran escala, AI Agents, inteligencia corpórea, aprendizaje profundo tradicional, visión por computador, procesamiento del lenguaje natural, conducción autónoma, aprendizaje automático, aprendizaje por refuerzo, minería de macrodatos, modelos del mundo, metaverso, AGI y otras áreas de la industria de la IA, además de conocimientos fundamentales vigentes a lo largo de los ciclos.

Stock AI Trader: una plataforma integral para aprender y realizar trading simulado y en vivo. Incluye conceptos básicos de bolsa, estrategias, LLM, minería de factores, ML/DL/RL, redes de grafos, HFT, despliegue en C++ y código de JoinQuant.

• 🏦 One-Stop Platform - Full-process coverage from learning and simulation to live trading
• 📈 Diverse Strategies - LLMs, alpha mining, traditional strategies, ML, DL, RL, GNN, high-frequency trading

🐸💬 - un kit de herramientas de aprendizaje profundo para la síntesis de voz, ampliamente probado en investigación y producción

• Text2Spec models (Tacotron, Tacotron2, Glow-TTS, SpeedySpeech).
• Speaker Encoder to compute speaker embeddings efficiently.

Learn ML engineering for free in 4 months! Register here 👇🏼