Pen and Paper Exercises in Machine Learning-机器学习习题集，助力理解与练习

本项目是图宾根大学2023年夏季学期'概率机器学习'课程的材料，包括理论与实践的结合，适合学习和研究概率机器学习的学生和研究者。

MosaicML 提供的示例项目，旨在帮助用户更好地理解和使用其机器学习工具和框架。该项目包含多种模型训练示例，特别是针对大型语言模型（LLM）的应用。通过高效的资源管理和优化建议，集成了 FSDP（Fully Sharded Data Parallel）以提升训练性能，并提供详细的文档和使用指南，方便开发者快速上手。

Dataflowr Notebooks是一组用于数据科学和机器学习任务的Jupyter笔记本，旨在提供可重用的代码示例和模板，帮助用户高效进行数据分析和模型开发。

这是一个面向中文读者的深度学习教科书，每一小节都是可以运行的 Jupyter 记事本，配套视频，旨在通过实践教授深度学习的基础和进阶知识。学习者可以自由修改代码和参数，获取及时反馈，积累深度学习的实战经验。该项目已被全球70多个国家的500多所大学用于教学。

这个 repo 收集了一些大厂在数据科学和机器学习方面的论文和技术博客，包括 Google、Amazon、Netflix、Airbnb 等等，目前 repo 的 star 数 21.4k

Python机器学习库

Cebra是一个先进的人工智能工具，旨在彻底改变复杂时间序列数据的分析和解读。它专注于揭示数据变异中的隐藏结构，能够同时处理行为数据和神经数据，展示了其在桥接观察行为与神经活动之间的能力。Cebra能够从小鼠视觉皮层的活动解码重建观看的视频，展现出其在行为和神经活动之间的强大连接能力。

《Pen and paper exercises in machine learning》是由爱丁堡大学信息学院的Michael U. Gutmann编写的机器学习练习册。本书包含一系列配有详细解答的习题，旨在通过纸笔练习帮助读者深入理解机器学习的理论和概念。习题内容主要聚焦于无监督方法、推断与学习，适合已熟悉机器学习理论和概念的读者。习题来源于作者在赫尔辛基大学和爱丁堡大学的教学实践。

Crack Quants GPT是专为CAT 2023考试准备的个性化助手，帮助用户在量化能力部分取得优异成绩。它提供专业的指导和练习，以提高用户的数学技能和解题能力。

Translatotron 3 是由 Google 研究团队开发的直接语音到语音翻译系统，通过自监督和对抗学习从未标记的语音和文本数据中学习，无需成对数据。系统结合了掩码自编码器、无监督嵌入映射和反向翻译三种技术，实现了无监督语音到语音翻译。其在某些公共数据集上的表现优于基线级联系统，并能保留非语言信息如停顿、语速和说话者身份，展示了无监督翻译的巨大潜力。

这是一个无监督的词汇和定义提取技术，利用自然语言处理技术自动从给定文本中提取词汇及其定义，适用于各种文本类型。

这是一个基于PyTorch的去噪扩散概率模型系列教程，包含了丰富的示例和教程，适用于生成模型的研究。项目支持多种去噪扩散概率模型的变体，旨在帮助用户深入理解和应用这一前沿技术。

康奈尔大学的Applied Machine Learning课程的执行课程笔记和幻灯片（2024年秋季版），讲授机器学习、数据挖掘和信号处理中的关键概念。

self_talk是一个专注于无监督常识问答的项目，通过自对话机制生成和验证答案，旨在提升AI模型的推理和理解能力。该项目利用内部对话来优化决策过程，特别适用于处理模糊或复杂的查询。

GFlow是一个从单目视频恢复4D世界的框架，旨在在没有相机参数和多视角视频输入的情况下重建动态4D场景。该项目利用2D先验信息（如深度和光流）将视频提升为4D显式表示，并能够在无监督的情况下从场景中分割移动物体，同时提供每帧的相机姿势以支持新视图渲染。