"interactive-learning"

📦 开源项目

microsoft/AI-For-Beginners

AI-For-Beginners：人工智能入门教程 — AI-For-Beginners 项目旨在让初学者快速掌握人工智能的基础知识，通过 12 周、24 课的课程安排，涵盖了机器学习、深度学习、计算机视觉等领域。该项目使用 Jupyter Notebook 作为教学工具，帮助学习者快速上手。通过学习 AI-For-Beginners，学习者可以快速掌握人工智能的基础知识，并能够应用于实际项目中

Jupyter Notebook★ 52.2k⑂ 10.6kai-ml

☆

d2l-ai/d2l-zh

d2l-zh：深度学习中文教程 — d2l-zh 提供了一个深度学习的中文教程，涵盖了计算机视觉、机器学习和自然语言处理等方面的内容。该项目使用 Python 语言编写，适合中文读者学习和讨论深度学习。它已被全球70多个国家的500多所大学用于教学，具有重要的教育价值和影响力。

Python★ 78.8k⑂ 12.3kai-ml

☆

MiniMax-AI/skills

skills：人工智能技能开发库 — skills是一个开源的C#库，用于开发和集成人工智能技能。它提供了一种简单的方式来创建和管理AI能力，使得开发者可以更加容易地将AI集成到自己的应用程序中。通过使用skills，开发者可以快速构建智能应用，提高用户体验

C#★ 13k⑂ 1.1kother

☆

vadimdemedes/ink

ink：交互式命令行应用的React框架 — ink提供了一个简单的方式来构建交互式命令行应用，使用React的组件化和声明式编程模式。它使得开发命令行界面变得更容易和高效。ink的出现填补了命令行应用开发的空白，提供了一个强大的工具来创建复杂的交互式命令行应用

TypeScript★ 39.3k⑂ 1kweb

☆

JushBJJ/Mr.-Ranedeer-AI-Tutor

Mr.-Ranedeer-AI-Tutor：个性化学习体验 — Mr.-Ranedeer-AI-Tutor利用GPT-4技术为用户提供个性化的学习体验。它允许用户自定义学习内容和方式，提高学习效率和效果。这种个性化学习方式对于现代教育具有重要意义。

★ 29.6k⑂ 3.3kai-ml

☆

haotian-liu/LLaVA

LLaVA：视觉指令调优模型 — LLaVA 是一个基于视觉指令调优的模型，旨在实现与 GPT-4V 相同甚至更高的能力。它通过将视觉和语言信息相结合，实现了多模态学习和推理的能力。这种模型在多模态任务中具有重要意义，能够更好地处理视觉和语言信息。

Python★ 24.9k⑂ 2.8kai-ml

☆

gradio-app/gradio

gradio：机器学习应用构建工具 — gradio允许用户快速构建和分享机器学习应用，支持多种数据分析和可视化功能。它提供了一个简单易用的界面，能够让开发者轻松部署机器学习模型。同时，gradio也支持Python Notebook和UI组件，能够满足不同开发者的需求。

Python★ 43.1k⑂ 3.5kdata

☆

coqui-ai/TTS

TTS：深度学习文本转语音工具包 — TTS是一个基于深度学习的文本转语音工具包，支持多种语音合成模型和声码器，包括Glow-TTS、HiFiGAN和MelGAN等。它已在研究和生产环境中得到广泛应用，能够生成高质量的语音。TTS的主要特点包括支持多说话人语音合成、声码器和语音合成模型的选择等

Python★ 45.7k⑂ 6.2kai-ml

☆

camel-ai/owl

owl：优化的工作力学习 — owl提供了一种优化的工作力学习方法，用于提高多智能体系统在任务自动化中的性能和效率。通过使用owl，开发者可以更容易地创建智能辅助系统，并提高任务自动化的准确性和速度。owl的优化算法和多智能体系统使其成为任务自动化领域的一个重要工具

Python★ 19.9k⑂ 2.3kai-ml

☆

rohitg00/ai-engineering-from-scratch

ai-engineering-from-scratch：从零开始的AI工程实践 — ai-engineering-from-scratch项目提供了一个从零开始学习和构建AI应用的平台，涵盖了机器学习、深度学习、计算机视觉等多个领域。通过该项目，开发者可以学习到AI工程的基础知识和实践经验。同时，该项目还涉及了LLM、NLP、强化学习等前沿技术

Python★ 38.3k⑂ 6.4kai-ml

☆

dair-ai/Prompt-Engineering-Guide

Prompt-Engineering-Guide：提示工程指南 — Prompt-Engineering-Guide 是一个全面性的资源集合，包括指南、论文、教程、笔记本和资源，涵盖提示工程、上下文工程、RAG 和 AI Agents 等方面。该项目旨在帮助开发者和研究人员更好地理解和应用这些技术。同时，Prompt-Engineering-Guide 也为 AI 领域的开发和研究提供了重要的参考价值。

MDX★ 76.4k⑂ 8.4kai-ml

☆

labmlai/annotated_deep_learning_paper_implementations

annotated_deep_learning_paper_implementations：深度学习论文实现及注释 — annotated_deep_learning_paper_implementations 项目为深度学习爱好者提供了丰富的学习资源，包括 60 多个深度学习论文的实现和注释。该项目涵盖了多个领域，包括 transformers、优化器、GANs 和强化学习等。通过该项目，开发者可以更好地理解深度学习的原理和应用，提高自己的开发技能。

Python★ 67.1k⑂ 6.7kai-ml

☆

vwxyzjn/cleanrl

cleanrl：高质量的深度强化学习算法实现 — cleanrl提供了多种深度强化学习算法的实现，包括PPO、DQN、C51、DDPG、TD3、SAC和PPG等。这些算法都是在一个单文件中实现的，具有研究友好的特性。cleanrl的实现基于Python和PyTorch，能够与Gym和WandB等流行的机器学习库进行集成。

Python★ 10k⑂ 1.1kai-ml

☆

explosion/spaCy

spaCy：工业级自然语言处理库 — spaCy是一个强大的Python库，用于自然语言处理（NLP），提供了高性能的文本处理能力，包括命名实体识别、语言模型和文本分类等功能。它的工业级设计使其成为许多应用中的首选NLP库。同时，spaCy也支持多种语言，包括英语、西班牙语、法语等

Python★ 33.7k⑂ 4.7kai-ml

☆

CherryHQ/cherry-studio

cherry-studio：人工智能生产力工作室 — cherry-studio是一个人工智能生产力工作室，提供智能聊天、自主代理和300多个助手。它可以统一访问边缘LLM技术，如codex和deepseek，帮助开发者提高生产力。通过使用cherry-studio，开发者可以更高效地完成任务，并利用AI技术的优势

TypeScript★ 48.6k⑂ 4.6kai-ml

☆

ultralytics/ultralytics

ultralytics：开源计算机视觉库 — ultralytics 库提供了多种计算机视觉功能，包括目标检测、图像分类、实例分割、姿势估计等。它基于 PyTorch 框架，支持 CLI 和 Hub 功能，能够满足不同用户的需求。ultralytics 库的开源性和强大的功能使其成为计算机视觉领域的重要工具。

Python★ 59.4k⑂ 11.4kai-ml

☆

Unity-Technologies/ml-agents

ml-agents：机器学习代理工具包 — ml-agents 提供了一个机器学习代理工具包，用于在 Unity 游戏和模拟中训练智能代理。该工具包支持深度强化学习和模仿学习，能够让开发者创建更智能的代理。ml-agents 的开源性质使其成为机器学习和游戏开发领域的重要工具

C#★ 19.6k⑂ 4.5kai-ml

☆

openai/CLIP

CLIP：对比语言图像预训练 — CLIP 通过对比语言图像预训练，能够学习图像和文本之间的语义关系，从而实现图像和文本的跨模态检索和理解。这种技术在计算机视觉和自然语言处理领域具有重要意义。CLIP 的应用包括图像搜索、图像描述生成等

Jupyter Notebook★ 34k⑂ 4kai-ml

☆

patchy631/ai-engineering-hub

ai-engineering-hub：人工智能工程中心 — ai-engineering-hub 项目为开发者提供了有关 LLMs、RAGs 和真实世界 AI 代理应用的详细教程和资源。通过 Jupyter Notebook 的形式，开发者可以轻松学习和应用这些技术。同时，ai-engineering-hub 也涉及了机器学习、MCP 等相关主题，帮助开发者更好地理解和应用人工智能技术。

Jupyter Notebook★ 36.5k⑂ 6kai-ml

☆

ashishpatel26/500-AI-Machine-learning-Deep-learning-Computer-vision-NLP-Projects-with-code

500-AI-Machine-learning-Deep-learning-Computer-vision-NLP-Projects-with-code：机器学习和深度学习项目集合 — 500-AI-Machine-learning-Deep-learning-Computer-vision-NLP-Projects-with-code项目为开发者提供了一个全面而丰富的机器学习和深度学习项目集合，包括计算机视觉和NLP等领域的实现。该项目使用Python语言编写，涵盖了artificial-intelligence、deep-learning、machine-learning等多个主题。通过该项目，开发者可以快速找到并学习相关领域的项目代码，提高自己的开发效率和水平。

★ 35.4k⑂ 7.3kai-ml

☆

AUTOMATIC1111/stable-diffusion-webui

stable-diffusion-webui：基于网页的稳定扩散界面 — stable-diffusion-webui是一个开源项目，提供了一个简单易用的网页界面来访问stable diffusion模型，允许用户生成和编辑图像。它使用了PyTorch和Gradio等库来实现图像生成和编辑功能。该项目对于需要快速生成和编辑图像的用户来说非常有用

Python★ 164.2k⑂ 30.5kai-ml

☆

floodsung/Deep-Learning-Papers-Reading-Roadmap

Deep-Learning-Papers-Reading-Roadmap：深度学习论文阅读路线图 — Deep-Learning-Papers-Reading-Roadmap 为学习者提供了深度学习论文的阅读路线图，帮助他们更好地理解深度学习技术的发展和应用。该路线图涵盖了多个主题，包括 Python 编程语言和深度学习框架。通过阅读这些论文，学习者可以更深入地了解深度学习的原理和实践。

Python★ 39.5k⑂ 7.3kai-ml

☆

open-webui/open-webui

open-webui：用户友好的AI界面 — open-webui是一个开源项目，提供了一个简单易用的界面来与AI模型交互，支持Ollama、OpenAI API等。它使得用户可以轻松地使用AI功能，而无需复杂的编程知识。同时，open-webui也是一个自托管的解决方案，用户可以在自己的服务器上部署和使用。

Python★ 145.2k⑂ 21kai-ml

☆

liuzhuang13/DenseNet

DenseNet：密集连接卷积神经网络 — DenseNet是一种新的卷积神经网络架构，通过密集连接的方式提高了网络的学习能力和特征提取能力。这种架构在CVPR 2017上获得最佳论文奖，表明其在深度学习领域的重要性。DenseNet的设计可以应用于多种计算机视觉任务中

Lua★ 4.9k⑂ 1.1kai-ml

☆

microsoft/generative-ai-for-beginners

generative-ai-for-beginners：初学者生成式AI教程 — generative-ai-for-beginners项目为初学者提供了一个全面介绍生成式AI的平台，涵盖了从基础概念到实践应用的各个方面。通过这个项目，用户可以学习如何使用诸如Transformers、LLMs和Prompt Engineering等技术来构建自己的生成式AI模型。同时，这个项目也提供了对AI相关技术和工具的深入理解，例如Azure、ChatGPT、DALL-E和OpenAI等

Jupyter Notebook★ 112.9k⑂ 60.7kai-ml

☆

GokuMohandas/Made-With-ML

Made-With-ML：机器学习应用开发部署指南 — Made-With-ML 项目旨在帮助开发者学习如何开发、部署和迭代生产级机器学习应用，涵盖了数据工程、数据质量、深度学习等多个方面。通过该项目，开发者可以掌握机器学习应用的开发、部署和迭代流程，提高机器学习应用的质量和效率。同时，项目还涉及了 MLOps、自然语言处理、PyTorch 等热门技术。

Jupyter Notebook★ 48.7k⑂ 7.7kai-ml

☆

asgeirtj/system_prompts_leaks

system_prompts_leaks：提取的系统提示 — system_prompts_leaks项目旨在收集和更新来自多家AI公司的系统提示，包括Anthropic的Claude、OpenAI的ChatGPT和Google的Gemini等。该项目使用JavaScript语言，定期更新以跟踪最新的AI模型和技术。通过提供这些系统提示，system_prompts_leaks项目为AI开发者和研究人员提供了宝贵的资源

JavaScript★ 57k⑂ 9.4kai-ml

☆

BVLC/caffe

caffe：深度学习开源框架 — caffe是一个高性能的深度学习框架，支持多种神经网络架构和优化算法。它能够用于图像和语音识别、自然语言处理等领域，具有广泛的应用前景。caffe的开源性质使得开发者能够轻松地扩展和定制框架，以满足特定的需求。

C++★ 34.6k⑂ 18.5kai-ml

☆

rasbt/LLMs-from-scratch

LLMs-from-scratch：从零开始实现类似ChatGPT的LLM — LLMs-from-scratch项目旨在从零开始实现一个类似ChatGPT的LLM，使用PyTorch作为底层框架。该项目提供了详细的教程和实现细节，帮助开发者了解LLM的内部工作原理和实现细节。通过该项目，开发者可以更好地理解LLM的优势和局限性，并应用于实际的自然语言处理任务中

Jupyter Notebook★ 99.1k⑂ 15.2kai-ml

☆

jondot/awesome-react-native

awesome-react-native：React Native 资源集合 — awesome-react-native 提供了大量的 React Native 资源，包括组件、新闻、工具和学习材料，帮助开发者快速找到所需的资源。这个资源库是 React Native 开发者的宝藏，能够帮助他们提高开发效率和质量。同时，它也是一个开源的项目，欢迎开发者贡献和分享自己的资源。

JavaScript★ 35.7k⑂ 4kweb

☆

keras-team/keras

keras：深度学习库 — keras是一个高级神经网络API，能够运行在TensorFlow、PyTorch等多个后端上。它提供了简单易用的接口，能够让用户快速地构建和训练深度学习模型。通过使用keras，用户可以轻松地实现数据预处理、模型构建、训练和评估等功能

Python★ 64.2k⑂ 19.7kai-ml

☆

lfnovo/open-notebook

open-notebook：开源笔记本实现 — open-notebook 是一个使用 TypeScript 编写的开源笔记本 LM 实现，提供了更多的灵活性和功能。它允许用户自定义和扩展笔记本的功能，满足不同用户的需求。通过 open-notebook，用户可以更好地组织和管理自己的笔记和知识

TypeScript★ 35.6k⑂ 4.1kdata

☆

OpenRLHF/OpenRLHF

OpenRLHF：基于 Ray 的易用、可扩展和高性能的智能体 RL 框架 — OpenRLHF 框架支持多种算法，包括 PPO、DAPO、REINFORCE++、VLM、TIS、vLLM 和 Async RL，能够高效地处理大规模数据和复杂任务。该框架基于 Ray，具有高性能和可扩展性，适用于大型语言模型和视觉语言模型的训练和部署。同时，OpenRLHF 还支持从人类反馈中学习，能够提高模型的性能和鲁棒性

Python★ 9.7k⑂ 973ai-ml

☆

langfuse/langfuse

langfuse：开源AI工程平台 — langfuse是一个开源的AI工程平台，提供了LLM评估、可观察性、指标、提示管理、游乐场和数据集等功能。它与多个库和框架集成，包括OpenTelemetry、LangChain、OpenAI SDK和LiteLLM。langfuse的目标是为AI开发者提供一个统一的平台来评估、管理和优化他们的LLM模型。

TypeScript★ 31k⑂ 3.3kdevops

☆

lutzroeder/netron

netron：神经网络可视化工具 — netron支持多种框架，如TensorFlow、PyTorch和Keras，能够帮助开发者更好地理解和优化他们的模型。通过可视化模型的结构和参数，netron能够提高开发效率和模型性能。同时，netron也支持多种模型格式，如ONNX和CoreML

JavaScript★ 33.2k⑂ 3.2kai-ml

☆