Przejdź do treści

50+ repozytoriów GitHub, które zbierają o AI to, co najlepsze!

Obecnie uczenie maszynowe, głębokie uczenie i ogólnie sztuczna inteligencja to przedmioty o bardzo szerokim zainteresowaniu zarówno w środowisku akademickim, jak i przemysłowym. W związku z tym istnieją setki tysięcy stron internetowych dotyczących tej tematyki. Ciężko nadążać za wszystkimi nowościami, które pojawiają się w świecie uczenia maszynowego i AI. Do tej pory sporo wiedzy czerpałem z blogów, newsletterów, stron branżowych, StackoverFlow, Twittera, Kaggle czy Reddit. Natomiast od jakiegoś czasu coraz częściej zaglądam także na GitHub’a.

Z własnego doświadczenia powiem Wam, że repozytoria GitHub’a zbierające informacje o AI są jak ciasteczka z niespodzianką. Czasami trafimy na pyszną szarlotkę, a czasami trafi nam się zbuk. Nie ma co się zrażać, bo moim zdaniem są naprawdę cennymi zasobami, które mogą wspomóc naszą podróż w uczeniu maszynowym. Często nad jednym repozytorium pracuje i aktualizuje je po kilkadziesiąt (a nawet kilkaset) osób!

Aby Ci pomóc, udostępniałem w jednym miejscu listę wyselekcjonowanych repozytoriów na GitHub dla uczenia maszynowego i sztucznej inteligencji. Dla ułatwienia podzieliłem je na kilka kategorii.

Dodaj zakładkę do ulubionych – postaram się ją aktualizować jak tylko powstanie nowe ciekawe repozytorium! A jeśli znasz inne, które Cię zainteresowały i nie ma ich na liście, to daj mi znać, abym mógł je dopisać!

A tutaj też linki na GitHubie : https://github.com/MamczurMiroslaw/best_ai_knowledge_repos

BIBLIOTEKI

Awesome Machine Learning (⭐54k )

Zaczniemy od najbardziej znanego repozytorium, które aktualizowane jest przez ponad 500 osób i ma ponad 54 tysiące gwiazdek. Jest to wyselekcjonowana lista frame worków, bibliotek i oprogramowania (według języka) do uczenia maszynowego. Jeśli szukasz biblioteki do rozwiązania jakiegoś problemu i masz wątpliwości jak zacząć, to polecam poszukać inspiracji właśnie w tym miejscu.

Best of Machine Learning with Python (⭐9.5k)

W repozytorium znajdziesz starannie wyselekcjonowaną listę ponad 900 projektów open-source dla Pythona. Są one pogrupowane w ponad 30 kategorii i klasyfikowane na podstawie różnych metryk zbieranych z GitHub’a.

Awesome Python (⭐127k)

Python tylko w niewielkim stopniu jest wykorzystywany do uczenia maszynowego. Ma setki tysięcy innych zastosowań. Tutaj znajdziesz olbrzymią listę bibliotek i frameworków pythonowych.

PRACE NAUKOWE

Papers Reading Roadmap (⭐20k)

Jeśli jesteś nowicjuszem w obszarze Deep Learning, to pierwszym pytaniem, jakie możesz sobie zadać, jest „Od którego artykułu powinienem zacząć?” W tym repozytorium znajdziesz mapę drogową czytania artykułów dotyczących głębokiego uczenia.

Most Cited Deep Learning Papers (⭐23.7k)

W repozytorium znajdziemy najczęściej cytowane artykuły na różne tematy związane z głębokim uczeniem maszynowym, takie jak wykrywanie obiektów, segmentacja obrazu, przetwarzanie języka naturalnego, uczenie się przez wzmacnianie, modele sieci CNN, modele nienadzorowane, modele generatywne i wiele innych.

Recommender System (⭐4.4k)

To repozytorium zawiera wyselekcjonowaną listę artykułów na temat systemów rekomendacji, w tym kompleksowe ankiety, ogólny system rekomendacji, system rekomendacji społecznościowych, system rekomendacji oparty na głębokim uczeniu się, problem zimnego startu w systemie rekomendacji, wydajny system rekomendacji, problem z eksploracją i eksploatacją w systemie rekomendacji i dużo więcej.

Deep Learning For Music (⭐2.3k)

Czy oprócz uczenia maszynowego interesujesz się muzyką? Jeśli tak to może zainteresować Cię ta lista, na której gromadzone są artykuły naukowe i przykłady wykorzystujące różne podejścia do głębokiego uczenia stosowane w muzyce.

Textual Adversarial Attack and Defense (⭐1.1k)

Fani AI w cyber znajdą tutaj ponad 120 dokumentów o atakach i obronie dla modeli NLP!

WIEDZA I KURSY O PODSTAWACH UCZENIA MASZYNOWEGO I AI

Homemade Machine Learning (⭐19.3k)

To repozytorium zawiera przykłady popularnych algorytmów uczenia maszynowego zaimplementowanych w Pythonie z objaśnieniem matematyki. Każdy algorytm ma interaktywne demo Jupyter Notebook, które pozwala bawić się danymi treningowymi, konfiguracjami algorytmów i natychmiast zobaczyć wyniki, wykresy i prognozy bezpośrednio w przeglądarce.

Foundation Of ML (⭐30k)

Korzystając z tego repozytorium szybko poznasz podstawy ML dzięki prostym objaśnieniom i wizualizacjom. Dowiedziesz się także, jak zastosować ML, aby zapewnić projektowi wartość biznesową!

100 Days of Machine Learning Challenge (⭐30k)

Podobno, aby wykształcić nawyk, trzeba go powtarzać przez kilkadziesiąt dni. Dzięki temu repozytorium możesz podjąć 100-dniowe wyzwanie! Zanurz się w uczeniu maszynowym i jak przetrwasz, to przyzwyczaisz się, aby każdego dnia poświęcić chwilkę na naukę czegoś nowego.

Machine Learning Notebooks (⭐24k)

W repozytorium znajdziesz pełną serię notatników Jupyter, które przeprowadzą Cię przez podstawy uczenia maszynowego i głębokiego uczenia w Pythonie przy użyciu Scikit-Learn i TensorFlow.

Machine Learning for Beginners (⭐36k)

Firma Microsoft stworzyła dla studentów bezpłatny kurs edukacyjny „Machine Learning For Beginners„, aby nauczyć ich podstaw uczenia maszynowego. Kurs został zatwierdzony przez MIT. Jest to 12-tygodniowy program zawarty w 26 lekcjach.

Machine Learning for Software Engineers (⭐26k)

Bardzo ciekawe repozytorium zbierające niekonwencjonalne podejście uczenia maszynowego. Twórca pokazuje swoją drogę, jak będąc Software Engineer, postanowił przebranżowić się do ML Engineera. Znajdziesz tutaj głównie praktyczne podejście ukierunkowane bardziej na wyniki niż na poznanie głębiej matematyki stojącej za uczeniem maszynowym.

ML Glossary (⭐2.5k)

Celem tego „słowniczka” jest prezentacja treści o uczeniu maszynowym w możliwie najbardziej przystępny sposób. Znajdziesz tutaj krótkie wyjaśnienia pojęć z zakresu matematyki i uczenia maszynowego wraz z wizualizacjami i przykładami kodu.

Interactive Tools (⭐1.2k)

Jest to jedno z ciekawszych repozytoriów na poszerzaniu wiedzy o uczeniu maszynowym. Znajdziesz tutaj interaktywne narzędzia i proste wizualizacje, które pomogą lepiej zrozumieć Berta, sieci konwolucyjne CNN, GAN, prawdopodobieństwo, statystykę oraz inne tematy związane z uczeniem maszynowym i deep learning.

WIEDZA i KURSY O DEEP LEARING

Deep Learning Drizzle (⭐10k)

W repozytorium zostały zebrane bardzo ciekawe filmy na YouTube dotyczące Deep Learningu i ogólnej wiedzy o ML. Znajdziesz tutaj nietuzinkowe tematy, takie jak filmy o obrazach w medycynie czy grafowych sieciach neuronowych.

TensorFlow Tutorials (⭐41k)

Repozytorium dla osób, które chciałby zobaczyć, jak przygotować przykładowe projekty w Tensorflow. W tym miejscu znajdą całą listę wielu samouczków!

Deep Learning Paper Implementations (⭐8.6k)

Repozytorium stanowi zbiór prostych implementacji sieci neuronowych w PyTorch i powiązanych algorytmów. Implementacje są udokumentowane objaśnieniami i dodatkowymi uwagami dla łatwiejszego zrozumienia całości.

LearnOpenCV (⭐16k)

OpenCV to biblioteka, która pomaga stworzyć zoptymalizowane w czasie rzeczywistym projekty z uczenia maszynowego. Na tej liście znajdziemy ponad 100 artykułów OpenCV opartych na projektach i ich kody.

Machine Learning & Deep Learning Tutorials (⭐12k)

To repozytorium zawiera tematycznie wyselekcjonowaną listę setek samouczków, artykułów i innych zasobów dotyczących uczenia maszynowego i głębokiego uczenia się. Jeśli szukasz inspiracji do zapoznania się z nowym tematem, to na pewno znajdziesz ją tutaj.

KURSY BARDZIEJ ZAAWANSOWANE

Machine Learning From Scratch (⭐21k)

Kurs pokazuje jak samemu przy wykorzystaniu pakietu numpy zaimplementować modele od regresji liniowej po głębokie uczenie.

Practical Reinforcement Learning (⭐4.9k)

Dla mnie najbardziej tajemniczą dziedziną jest uczenie ze wzmocnieniem. W tym repozytorium znajdziesz otwarty 10-tygodniowy kurs na temat reinforcement learning.

Machine Learning Pipeline (⭐4.4k)

Tutaj mamy szczegółowy tutorial dotyczący uczenia maszynowego wprowadzający czytelników do całego pipeline’a uczenia maszynowego od podstaw. Nie jest to 30-minutowy samouczek, który uczy, jak „Trenować własną sieć neuronową”.

LISTY TUTORIALI, KURSÓW, KSIĄŻEK, ARTYKUŁÓW ITP.

Awesome Artificial Intelligence (⭐8.8k)

Kolejne repozytorium, w którym znajdziesz pokaźną listę kursów, książek, lekcji wideo o tematach sztucznej inteligencji.

Awesome Deep Learning (⭐19k)

Wyselekcjonowana lista niesamowitych samouczków Deep Learning, wykładów wideo, artykułów naukowych, blogów, zbiorów danych, struktur, badaczy, konferencji, narzędzi, projektów, bezpłatnych książek w formacie PDF i społeczności!

Computer Vision (⭐16k)

Dla tych, którzy przede wszystkim pasjonują się widzeniem komputerowym, to repozytorium jest obowiązkowym punktem programu ! Wszystko, co najważniejsze: książki, kursy, prace naukowe, narzędzia, zabiory danych, przetrenowane modele, tutoriale i blogi w jednym miejscu!

Awesome Deep Vision (⭐9.9k)

A gdyby było Wam jeszcze za mało materiałów o rozpoznawaniu obrazów, to tutaj znajdziecie drugą ciekawą listę dla tej części uczenia maszynowego!

Autonomous Vehicles (⭐1.8k)

Fanów wykorzystania CV do autonomicznych aut polecam to repozytorium. Znajdziesz tutaj najważniejsze informacje o fundamentach, kursach, artykuły, laboratoria badawcze, zbiory danych, oprogramowanie typu open source, sprzęcie, firmach i nawet prawie związanymi z pojazdami autonomicznymi.

3D Machine Learning (⭐7.9k)

Tworzenie modeli 3D przy wykorzystaniu uczenia maszynowego to moim zdaniem bardzo skomplikowana sprawa. Na szczęście, jeśli zajmujesz się tym tematem, to na pomoc przychodzi to repozytorium. Obejmuje kursy, zbiory danych dla modeli 3D, prace badawcze do szacowania pozycji 3D, klasyfikację pojedynczych obiektów, wykrywanie wielu obiektów, semantyczną segmentację obiektów, rekonstrukcję geometrii 3D, metody oparte na modelach parametrycznych morfowalnych, metody uczenia się oparte na szablonach, analiza i synteza materiałów i nie tylko.

Satellite Imagery (⭐3.1k)

Jeśli lubisz zdjęcia satelitarne jak Reksio szynkę, to wówczas spodoba Ci się to repozytorium. Zawiera informacje o różnych technikach głębokiego uczenia się i uczenia maszynowego, które są stosowane do typowych problemów związanych z analizą obrazów satelitarnych.

Awesome NLP (⭐13k)

Potężna lista materiałów związanych z NLP. Znajdziesz tutaj treści do czytania, filmy, kursy, książki, biblioteki podzielone na języki programowania, zbiory danych, podsumowania trendów i badań wybitnych laboratoriów zajmujących się przetwarzaniem języka naturalnego (NLP).

Awesome Reinforcement Learning (⭐7.7k)

To repozytorium to starannie dobrany zbiór wykładów, książek, ankiet, artykułów, prac dyplomowych, samouczków czy platform edukacyjnych typu Open Source związanych z uczeniem się przez wzmacnianie.

Awesome TensorFlow (⭐16k)

Jeśli jesteś większym fanem Tenforflow niż Pytorcha, to na tej liście znajdziesz dokumenty, kursy, tutoriale, filmy, artykuły, społeczności, książki i więcej w całości poświęconych Tensorflowowi!

Awesome Pytorch (⭐13k)

…jak wyżej, lecz tym razem dla fanów PyTorcha?.

Gans applications (⭐4.2k)

Jeśli szukasz inspiracji do stworzenia własnej sieci GAN, to możesz zerknąć do tego repozytorium! Masz w nim sporo przykładów aplikacji z GAN takie jak: postarzanie twarzy, zmiana obrazu w Anime itp. Znajdziesz tutaj również listę linków do tutoriali, aby lepiej poznać ten rodzaj sieci.

Awesome ML for Cyber Security (⭐4.2k)

Jako że przez jakiś czas sam wykorzystywałem AI w cybersecurity (i mam nadzieję, że w przyszłości jeszcze do tego wrócę), to tutaj zamieszczam bardzo ciekawą listę niesamowitych narzędzi i zasobów związanych z wykorzystaniem uczenia maszynowego w cyberbezpieczeństwie.

Machine Learning for Cyber Security (⭐1.1k)

I jeszcze jedna starannie dobrana lista narzędzi i zasobów związanych z wykorzystaniem uczenia maszynowego dla cyberbezpieczeństwa.

WDRAŻANIE MODELI AI NA PRODUKCJI

Awesome MLOps (⭐7.9k)

Tutaj znajdziesz wyselekcjonowane przez ekspertów (zajmujących się na co dzień tematem MLOPS) podstawowe materiały, społeczności, blogi, artykuły, filmy, artykuły i książki.

Applied Machine Learning (⭐20k)

Zastanawiasz się, jak wdrożyć swój projekt ML? W tym repozytorium znajdziesz artykuły i linki do blogów i dowiesz się, jak zrobiły to inne organizacje takie jak Google, Netflix, Amazon, Facebook i wiele innych.

Prroduction Machine Learning (⭐11.5k)

To repozytorium zawiera listę bibliotek open source, które pomogą Ci wdrożyć, monitorować, wersjonować, skalować i zabezpieczać uczenie maszynowe w środowisku produkcyjnym. Zawiera między innymi informacje o 44 bibliotekach dotyczących wyjaśniania modeli!

NLP Best Practices (⭐5.9k)

To repozytorium zawiera przykłady i najlepsze praktyki dotyczące budowania systemów NLP, dostarczanych jako notatniki Jupyter i funkcje narzędziowe. Repozytorium koncentruje się na najnowocześniejszych metodach i typowych scenariuszach, które są popularne wśród badaczy i praktyków zajmujących się problemami związanymi z tekstem i językiem.

PRZYKŁADY BRANŻOWE

Financial Machine Learning and Data Science (⭐2.5k)

Potężna dawka wiedzy dla osób wykorzystujących uczenie maszynowe w sprawach finansowych: od tworzenia modeli do akcji, po finansowe optymalizacje portfeli.

Machine Learning Applications in Industry (⭐6.2k)

Lista notatników i bibliotek stosowanych w uczeniu maszynowym i analizie danych w różnych branżach: zakwaterowanie, rolnictwo, budownictwo, administracja, produkcja, opieka medyczna i wiele innych.

XAI

Machine Learning Interpretability (⭐2.6k)

Explainable AI (XAI) to gałąź badań nad uczeniem maszynowym, której celem jest uczynienie różnych technik uczenia maszynowego bardziej zrozumiałymi. W repozytorium znajdziesz cenne źródłolinków dotyczących interpretacji uczenia maszynowego! Dodatkowo repozytorium to obejmuje kompleksowe przykłady oprogramowania, tutoriale, narzędzia do zarządzania środowiskiem uczenia maszynowego, bezpłatne książki, dokumenty rządowe, regulacyjne, artykuły, materiały z zajęć i wiele innych.

Awasome XAI (⭐37)

Podobnie w tym repozytorium znajdziesz również wyselekcjonowaną listę artykułów, metod, bibliotek i zasobów dotyczących XAI i Interpretable ML. Mimo że ma bardzo mało gwiazdek, uważam ją za wartą uwagi.

POZOSTAŁE

Public Datasets (⭐49k)

Masz problem ze znalezieniem danych? To repozytorium rozwiązuje ten problem! Zawiera listę wysokiej jakości otwartych zestawów danych do uczenia maszynowego, szeregów czasowych, NLP, przetwarzania obrazu i wiele, wiele innych!

Deep Learning Project Ideas (⭐6.3k)

Szukasz inspiracji do stworzenia własnego projektu w wolnym czasie? Zerknij na tę listę. Jest tutaj kilkadziesiąt pomysłów w podziale na dziedziny.

AI Expert Roadmaps (⭐19k)

Genialny sposób na zwizualizowanie jak może przebiegać rola i sposób zgłębiania wiedzy, aby zostać ekspertem w dziedzinie uczenia maszynowego lub inżynierii danych! Naprawdę polecam zerknąć (bez znaczenia, czy jesteś na początku drogi, czy już masz 10+ lat doświadczenia w AI).

NLP Machine Learning Surveys (⭐1.6k)

W tym repozytorium znajdziesz listę setek ankiet na temat przetwarzania języka naturalnego (NLP) i uczenia maszynowego (ML). Są one kategoryzowane według popularnych tematów.

Awesome AWS (⭐10k)

Jeśli używasz AWS lub dopiero będziesz się uczyć, to w tym repozytorium znajdziesz pomoc! Jest tutaj lista bibliotek Amazon Web Services (AWS), repozytoriów open source, przewodników, blogów i innych zasobów, które ułatwią Ci pracę.

Uff… To są najciekawsze repozytoria GitHub zbierające informacje o AI jakie znalazłem w sieci. Mam nadzieję, że skorzystasz z nich i znalazłeś coś dla siebie interesującego!

Pozdrawiam serdecznie,

podpis Mirek

Źródło zdjęcia strony tytułowej: https://besthqwallpapers.com

Dodaj komentarz

Twój adres e-mail nie zostanie opublikowany. Wymagane pola są oznaczone *

Spodobało Ci się? Udostępnij ten post w social mediach! ❤️❤️❤️