"interactive-learning"

📦 開源專案

microsoft/AI-For-Beginners

AI-For-Beginners：人工智慧初學者教程 — AI-For-Beginners 提供了全面而系統的 AI 教學內容，涵蓋了 CNN、GAN、NLP 等領域，讓初學者能夠快速上手 AI 的基礎知識。這個教程使用 Jupyter Notebook 作為主要工具，讓學習者能夠實際操作和實踐。通過這個教程，學習者可以掌握 AI 的基本概念和技術，為未來的學習和工作奠定堅實的基礎

Jupyter Notebook★ 52.2k⑂ 10.6kai-ml

☆

d2l-ai/d2l-zh

d2l-zh：深度学习中文教程 — d2l-zh 项目提供了一个深度学习的中文教程，包括计算机视觉、机器学习和自然语言处理等主题。该项目已被70多个国家的500多所大学用于教学。通过 d2l-zh，读者可以轻松学习和讨论深度学习的相关知识。

Python★ 78.8k⑂ 12.3kai-ml

☆

MiniMax-AI/skills

skills：人工智慧技能開發 — skills是一個開源項目，提供了一個基於C#的技能開發框架，讓開發者可以輕鬆地創建和集成人工智慧技能。這個項目的目的是提供一個簡單和靈活的方式來開發和應用人工智慧技能。同時，skills也提供了一個強大的API，讓開發者可以輕鬆地擴展和自定義技能

C#★ 13k⑂ 1.1kother

☆

vadimdemedes/ink

ink：交互式命令行應用程式的 React — ink 提供了一個簡單的方式來建立交互式的命令行應用程式，讓開發者可以使用 React 的方式來設計和實現命令行介面。這個庫可以幫助開發者建立更複雜和更具交互性的命令行工具。同時，ink 也支持 flexbox 和其他 advanced 的 CSS 屬性，讓開發者可以更容易地設計和實現複雜的命令行介面

TypeScript★ 39.3k⑂ 1kweb

☆

JushBJJ/Mr.-Ranedeer-AI-Tutor

Mr.-Ranedeer-AI-Tutor：個人化學習體驗 — Mr.-Ranedeer-AI-Tutor 利用 GPT-4 技術提供可定制的個人化學習體驗，讓學習者可以根據自己的需求和興趣進行學習。這個項目的目的是為學習者提供一個高效和有效的學習平台，幫助他們達到學習目標。同時，Mr.-Ranedeer-AI-Tutor 也為教育機構和教師提供了一種新的教學工具，能夠提高教學效率和學生參與度

★ 29.6k⑂ 3.3kai-ml

☆

haotian-liu/LLaVA

LLaVA：視覺指令調整模型 — LLaVA是一個基於視覺指令調整的模型，旨在達到GPT-4V級別的能力，並超越它。它利用視覺和語言的多模態學習，實現了更強大的視覺語言學習能力。這個模型的開發對於聊天機器人和多模態學習領域具有重要意義

Python★ 24.9k⑂ 2.8kai-ml

☆

gradio-app/gradio

gradio：機器學習應用程式開發工具 — gradio允許用戶使用Python輕鬆建立和分享機器學習模型的界面，支援數據分析、數據視覺化和深度學習等功能。這個庫可以幫助開發者快速部署機器學習模型，提高開發效率。同時，gradio也提供了一個簡單易用的界面，讓用戶可以輕鬆地與機器學習模型進行交互

Python★ 43.1k⑂ 3.5kdata

☆

coqui-ai/TTS

TTS：文字轉語音工具包 — TTS 是一個基於 Python 的深度學習工具包，提供了多種文字轉語音的模型和技術，包括 Glow-TTS、HiFiGAN 和 MelGAN 等，能夠用於研究和生產環境。TTS 的優點在於其高質量的語音合成和靈活的配置選項。TTS 的應用包括語音合成、語音轉換和語音克隆等領域

Python★ 45.7k⑂ 6.2kai-ml

☆

camel-ai/owl

owl：優化工作力學習 — owl是一個優化工作力學習框架，旨在提高多代理系統在實際任務自動化中的效率和性能。它通過優化代理之間的協調和溝通來實現這一目標。owl的開發對於提高自動化任務的智能化和效率具有重要意義

Python★ 19.9k⑂ 2.3kai-ml

☆

rohitg00/ai-engineering-from-scratch

ai-engineering-from-scratch：從零開始的AI工程 — ai-engineering-from-scratch提供了一個從零開始學習和構建AI工程的平台，涵蓋了機器學習、深度學習、電腦視覺等多個領域，使用Python等語言實現。該項目旨在幫助開發者學習和構建自己的AI工程，同時也提供了一個分享知識和交流的平台。通過ai-engineering-from-scratch，開發者可以學習到AI工程的從零開始構建方法，提升自己的AI開發能力

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，涵盖了提示工程、上下文工程、RAG 和 AI 代理等领域。它提供了多种格式的内容，包括指南、论文、课程和笔记本，帮助开发者和研究人员更好地理解和应用这些技术。通过 Prompt-Engineering-Guide，开发者可以更轻松地构建和优化自己的 AI 模型

MDX★ 76.4k⑂ 8.4kai-ml

☆

labmlai/annotated_deep_learning_paper_implementations

annotated_deep_learning_paper_implementations：深度學習論文實現與註解 — annotated_deep_learning_paper_implementations是一個開源項目，提供了多個深度學習論文的實現和教程，涵蓋了transformers、optimizers、gans、reinforcement learning等領域。這個項目使用Python語言和PyTorch框架，提供了詳細的註解和教程，對於深度學習開發者和研究人員具有重要的參考價值。通過這個項目，開發者可以快速了解和實現最新的深度學習技術和算法

Python★ 67.1k⑂ 6.7kai-ml

☆

vwxyzjn/cleanrl

cleanrl：高品質單檔案實現的深度強化學習算法 — cleanrl 提供了一個簡單易用的深度強化學習算法實現，包含多種流行的算法，使用 Python 和 PyTorch 開發，適合研究人員和開發者使用。這個專案的目的是提供一個高品質的深度強化學習算法實現，方便研究人員和開發者快速開發和測試自己的模型。cleanrl 的實現簡單易懂，且具有良好的可擴展性

Python★ 10k⑂ 1.1kai-ml

☆

explosion/spaCy

spaCy：工業級自然語言處理 — spaCy 提供高效的自然語言處理功能，包括實體辨識、文本分類和標記化等，能夠有效地處理大量文本數據。它的優點在於高效、可擴展和易於使用，廣泛應用於各個領域的文本分析任務。因此，spaCy 成為了 Python 中最受歡迎的 NLP 庫之一

Python★ 33.7k⑂ 4.7kai-ml

☆

CherryHQ/cherry-studio

cherry-studio：AI 生產力工作室 — cherry-studio 提供了一個統一的平台，讓用戶可以訪問多個 AI 功能，包括智能聊天、自主代理和各種助手。這個工作室的目的是提高用戶的生產力和效率，讓他們可以更輕鬆地使用 AI 技術。同時，cherry-studio 也支持多個前沿的 LLMs，讓用戶可以體驗到最新的 AI 技術

TypeScript★ 48.6k⑂ 4.6kai-ml

☆

ultralytics/ultralytics

ultralytics：開源電腦視覺庫 — ultralytics 提供了強大的物體檢測和圖像分類功能，基於 PyTorch 實現，支持多種應用場景，如 CLI、電腦視覺、深度學習等。它的 YOLO 模型可以實現快速和準確的物體檢測，同時也支持姿勢估計、追蹤等功能。這個庫對於開發者來說是一個非常有用的工具，可以幫助他們快速開發電腦視覺應用

Python★ 59.4k⑂ 11.4kai-ml

☆

Unity-Technologies/ml-agents

ml-agents：機器學習代理工具包 — ml-agents 是一個基於 Unity 的開源工具包，使用 C# 語言開發。它可以讓遊戲和模擬作為環境，用於訓練智能代理，從而實現深度強化學習和模仿學習。這個工具包對於開發智能代理和實現機器學習有重要意義

C#★ 19.6k⑂ 4.5kai-ml

☆

openai/CLIP

CLIP：對比語言圖像預訓練 — CLIP是一種通過對比語言圖像預訓練的模型，能夠學習圖像和文字之間的關聯，從而實現圖像文字匹配等功能。這種模型對於多模態任務有重要意義，能夠廣泛應用於圖像識別、文字生成等領域。CLIP的出現標誌著人工智慧領域的一大突破

Jupyter Notebook★ 34k⑂ 4kai-ml

☆

patchy631/ai-engineering-hub

ai-engineering-hub：人工智慧工程應用 — ai-engineering-hub 是一個提供人工智慧工程應用的教程平台，涵蓋了 LLMs、RAGs 和真實世界 AI agent 應用的內容。這個平台使用 Jupyter Notebook 作為教程的語言，提供了豐富的教程和資源。通過 ai-engineering-hub，開發者可以學習到如何應用人工智慧技術解決真實世界的問題

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：人工智慧項目集 — 500-AI-Machine-learning-Deep-learning-Computer-vision-NLP-Projects-with-code 項目收集了多個人工智慧領域的項目，包括機器學習、深度學習、電腦視覺和NLP。這些項目均附帶代碼，供開發者學習和研究。通過這些項目，開發者可以快速入門人工智慧領域，了解各種技術的實現細節。

★ 35.4k⑂ 7.3kai-ml

☆

AUTOMATIC1111/stable-diffusion-webui

stable-diffusion-webui：基於網頁的穩定擴散模型界面 — stable-diffusion-webui是一個基於Python和Gradio的網頁應用，允許用戶使用Stable Diffusion模型進行圖像生成、圖像到圖像的轉換和文本到圖像的轉換。這個工具提供了一種簡單的方式來使用深度學習模型進行創意工作。同時，它也支持圖像的上采樣和編輯等功能

Python★ 164.2k⑂ 30.5kai-ml

☆

floodsung/Deep-Learning-Papers-Reading-Roadmap

Deep-Learning-Papers-Reading-Roadmap：深度學習論文指南 — Deep-Learning-Papers-Reading-Roadmap 提供了一份全面性的深度學習論文列表，幫助開發者和研究人員快速掌握這項技術的最新進展和應用。這個路線圖涵蓋了多個領域的論文，包括圖像識別、自然語言處理和強化學習等。通過這個路線圖，讀者可以更好地理解深度學習的基礎概念和應用場景。

Python★ 39.5k⑂ 7.3kai-ml

☆

open-webui/open-webui

open-webui：人性化 AI 界面 — open-webui 是一个開源項目，提供了一個簡單易用的 AI 界面，讓用戶可以輕鬆地與 AI 模型交互。它支持多種 AI 平台，包括 Ollama 和 OpenAI API 等，讓用戶可以根據自己的需求選擇合適的 AI 服務。open-webui 的出現使得 AI 技術更容易被大眾接受和使用

Python★ 145.2k⑂ 21kai-ml

☆

liuzhuang13/DenseNet

DenseNet：密集連接卷積神經網絡 — DenseNet是一種創新的神經網絡架構，通過密集連接的方式提高了網絡的表達能力和訓練效率。這種架構可以用於圖像分類、物體偵測等任務，具有廣泛的應用前景。DenseNet的提出對深度學習領域具有重要的影響

Lua★ 4.9k⑂ 1.1kai-ml

☆

microsoft/generative-ai-for-beginners

generative-ai-for-beginners：初學者生成式 AI 入門 — generative-ai-for-beginners 是一個幫助初學者入門生成式 AI 的專案，通過 21 個課程，涵蓋了從基礎到高級的生成式 AI 應用，包括使用 Azure、OpenAI 等平台和技術，如 chatgpt、dall-e、transformers 等。這個專案讓初學者可以快速上手生成式 AI 的開發，為其提供了一個很好的起點。同時，這個專案也展示了生成式 AI 在語言模型、圖像生成等領域的強大能力

Jupyter Notebook★ 112.9k⑂ 60.7kai-ml

☆

GokuMohandas/Made-With-ML

Made-With-ML：機器學習應用開發指南 — Made-With-ML 專案是一個全面性的機器學習開發指南，涵蓋了從資料工程到自然語言處理等多個領域，使用者可以學習如何使用 Python、PyTorch 和 Ray 來開發和部署機器學習模型。這個專案對於想要將機器學習應用於實際生產環境的開發者具有重要意義。通過這個專案，開發者可以學習如何提高機器學習模型的質量和效率，同時也可以學習如何使用 MLOps 來管理和維護機器學習模型

Jupyter Notebook★ 48.7k⑂ 7.7kai-ml

☆

asgeirtj/system_prompts_leaks

system_prompts_leaks： Anthropic 和 OpenAI 系統提示提取 — system_prompts_leaks 是一个开源项目，旨在提取和分享来自 Anthropic 和 OpenAI 的系统提示，包括 Claude 和 ChatGPT 等模型。该项目通过提供这些提示来帮助开发者和研究人员更好地理解和改进 AI 模型的性能。同时，项目还会定期更新，以确保用户能够获取最新的系统提示。

JavaScript★ 57k⑂ 9.4kai-ml

☆

BVLC/caffe

caffe：深度學習快速開放框架 — caffe是一個開源的深度學習框架，旨在提供快速和高效的神經網絡計算功能。它支持多種程式語言，包括C++、Python和MATLAB，同時也提供了豐富的API和工具，讓開發者可以輕鬆地使用和擴展。caffe的優勢在於其高性能和高擴展性，使其成為深度學習領域的一個重要工具

C++★ 34.6k⑂ 18.5kai-ml

☆

rasbt/LLMs-from-scratch

LLMs-from-scratch：從零開始實現類似ChatGPT的LLM — LLMs-from-scratch項目旨在使用PyTorch從零開始實現一個類似ChatGPT的LLM，通過一步一步的教程，讓開發者可以輕鬆地理解和實現LLM的原理。這個項目對於深度學習和自然語言處理領域的開發者具有重要的參考價值。同時，該項目也展示了使用PyTorch和Transformers等庫來實現LLM的可能性

Jupyter Notebook★ 99.1k⑂ 15.2kai-ml

☆

jondot/awesome-react-native

awesome-react-native：React Native 资源大全 — awesome-react-native 提供了丰富的 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。该项目旨在为 React Native 开发者提供一个便捷的资源汇集地。同时，awesome-react-native 也在不断更新，确保开发者能够及时获取最新的资源和信息。

JavaScript★ 35.7k⑂ 4kweb

☆

keras-team/keras

keras：人性化的深度學習框架 — keras 是一個高層神經網絡 API，能夠在 TensorFlow、PyTorch 和 JAX 等多個後端上運行。它提供了簡單易用的 API，讓用戶可以快速地構建和訓練神經網絡模型。keras 的出現使得深度學習技術更加民主化和易於使用

Python★ 64.2k⑂ 19.7kai-ml

☆

lfnovo/open-notebook

open-notebook：開源筆記本實現 — open-notebook 是一個開源實現的 Notebook LM，提供了更多的彈性和功能，讓用戶可以更輕鬆地進行筆記和學習。這個項目使用 TypeScript 開發，提供了更好的維護性和擴展性。通過 open-notebook，用戶可以更有效地管理自己的筆記和知識

TypeScript★ 35.6k⑂ 4.1kdata

☆

OpenRLHF/OpenRLHF

OpenRLHF：基於 Ray 的高效能代理式強化學習框架 — OpenRLHF 提供了一個易於使用、可擴展且高效能的框架，讓研究人員和開發人員可以快速地開發和部署強化學習模型。它基於 Ray，支援多種演算法和技術，包括 PPO、DAPO、REINFORCE++、VLM、TIS、vLLM 和 Async RL。OpenRLHF 的目標是提供一個高效能和可擴展的框架，讓強化學習可以更廣泛地應用於各個領域。

Python★ 9.7k⑂ 973ai-ml

☆

langfuse/langfuse

langfuse：開源AI工程平台 — langfuse是一個開源的AI工程平台，提供了一系列的工具和功能，包括LLM評估、可觀測性、度量、提示管理、遊樂場和數據集等，同時整合了多個熱門庫，如OpenTelemetry、LangChain、OpenAI SDK、LiteLLM等。這個平台可以幫助開發者更好地管理和優化他們的AI應用。同時，langfuse也支持自托管和多種開源庫的整合，提供了高可定制性和擴展性

TypeScript★ 31k⑂ 3.3kdevops

☆

lutzroeder/netron

netron：神經網路視覺化工具 — netron是一個視覺化工具，允許用戶瀏覽和分析神經網路、深度學習和機器學習模型。它支持多種模型格式，包括ONNX、PyTorch和TensorFlow。通過netron，用戶可以更好地理解模型的結構和運作，從而提高模型的性能和準確性

JavaScript★ 33.2k⑂ 3.2kai-ml

☆