B
Покроковий вступ до навчання з підкріпленням для початківців
X
Набір інструментів для пояснюваності моделей машинного навчання
P
Навчальний посібник з фізично-обґрунтованого глибинного навчання
R
Дослідження вбудовувань для табличних даних
D
Інструментарій для адаптації та узагальнення доменів
I
Добірка рішень для впровадження ШІ в iOS-застосунки
M
Повний навчальний план для опанування фундаментальних моделей
M
Уніфіковане мультимодальне навчання з Meta-Transformer
A
Кураторський список ресурсів для вивчення ШІ
K
Доповнення та розбір теорії машинного навчання
A
Добірка якісної літератури для вивчення штучного інтелекту
T
Найпопулярніші репозиторії з глибокого навчання
L
Бібліотека знань для самостійного вивчення штучного інтелекту
M
Інтерактивні експерименти з машинним навчанням
M
Навчання нейронної мережі на грі Flappy Bird
S
Автономна бібліотека машинного навчання на мові Go
A
Інтуїтивний візуальний конструктор моделей машинного навчання
H
Фреймворк для навчання з підкріпленням з готовими алгоритмами
D
Освітня платформа для створення автономних авто на базі Raspberry Pi
T
Вичерпний путівник з математики для опанування штучного інтелекту
D
Велика база знань з глибокого навчання та штучного інтелекту
C
Добірка університетських курсів з комп'ютерного зору
F
Відкрита книга для вивчення глибокого навчання
A
Інфраструктурні рішення для навчання та роботи ШІ
O
Інтеграція TensorFlow з C++ openFrameworks
Y
Виявлення облич на основі алгоритму YOLOv3
D
Платформа для машинного навчання на основі Kubernetes
B
Масштабування однобітних трансформерів для мовних моделей
T
Реалізація передової пам'яті для трансформерів на PyTorch
C
Навчальні завдання зі спеціалізації з генеративно-змагальних мереж
L
Створюйте застосунки на базі мовних моделей мовою Ruby
T
Реалізація мовних моделей з доступом до зовнішніх інструментів
H
Просте налаштування та використання NLP-моделей
C
Реалізація методу Classifier Free Guidance для нейромереж
I
Передова нейромережа для прогнозування часових рядів
C
Майданчик для проведення змагань з машинного навчання
A
Агент для гри DOOM на основі штучного інтелекту
M
Реалізація архітектури MMDiT для сучасних моделей дифузії
T
Методи абстрактивного підсумовування тексту з прикладами в Google Colab
G
Середовище для навчання ШІ у грі StarCraft
E
Реалізація E(n)-еквіваріантних графових нейронних мереж на PyTorch
L
Ефективний оптимізатор Lion для навчання нейронних мереж у PyTorch
T
Бібліотека для інтеграції машинного навчання з базою даних TypeDB
R
Модульний фреймворк глибокого навчання з підкріпленням для StarCraft II
R
Ефективна архітектура Transformer Reformer, реалізована на PyTorch
D
Навчання поведінці роботів через латентну уяву
P
Автономна навігація для мініатюрних дронів на базі глибокого навчання
N
Сім функцій на JavaScript для розуміння принципів навчання нейронів
R
Навчайте роботів маніпулювати обʼєктами за допомогою глибокого навчання
A
Найкращі літні школи зі штучного інтелекту та машинного навчання