Gradient Descent in Mojo开源项目 – 多语言实现的梯度下降算法

课程资料由Brigham Frandsen教授的机器学习与因果推断课程提供，涵盖了基本概念、实践示例和代码实现，适合初学者和有经验的研究人员，包含丰富的学习资源和参考文献。

从自动微分开始完全从头开始GPT-2训练，一个快速且功能完备的深度学习库，使用Python和NumPy编写

从零开始构建大型语言模型的学习记录，记录了一步步构建语言模型的过程，适合想要深入了解NLP和机器学习的爱好者。

Taichi是一种嵌入在Python中的领域特定语言，旨在加速Python代码执行，使其运行速度接近C++甚至CUDA，提供高性能的计算能力，同时保持Python的灵活性和简洁性。它支持多种硬件平台，包括CPU和GPU，并内置自动微分功能，具有强大的并行计算能力，适合各类高性能计算任务。

MLX 是 Apple 芯片上用于机器学习的阵列框架，由 Apple 机器学习研究团队提供。它提供了熟悉的 API 和强大的功能，支持多种计算模式和设备，旨在简化机器学习模型的构建与训练。

Judi.jl是一个用于对向量、矩阵和张量表达式进行微分的库，支持高效的符号微分，提供简单易用的接口，适用于科学计算和机器学习领域的自动微分需求。

JAX是由Google开发的开源数值计算库，专为研究者和开发者设计，结合了数值计算和机器学习。它支持自动微分与硬件加速，在Transformer模型训练中性能较PyTorch提升30%，广泛应用于AlphaFold等前沿研究。JAX通过XLA编译器优化计算图，支持并行计算和动态控制流，使代码既高效又灵活。

Autodidact是Matthew Johnson开发的一个教学性质的Autograd实现，旨在帮助用户理解和掌握自动微分的核心概念。该项目代码简洁明了，适合学习用途，能够处理基本的数学操作和函数，并深入揭示Autograd的内部工作原理。

tinygrad 是一个设计极简的深度学习框架，旨在提供 PyTorch 和 micrograd 之间的平衡。它以简洁性为特点，方便用户添加新的加速器，并支持推理和训练。tinygrad 实现了自动微分和张量库，并提供优化器和数据加载器等组件，支持神经网络的构建和训练。其核心优势在于极简的设计和强大的延迟执行能力，已成功用于训练 LLaMA 和 Stable Diffusion 等神经网络模型，支持在 GPU、TPU 和 FPGA 等多种加速器上运行。

Clay是一款革命性的工具，专注于数据丰富和个性化外展，帮助增长团队和企业简化潜在客户生成和客户关系管理的复杂过程。通过整合75+数据源和利用AI能力，Clay确保外展既个性化又高效，显著减少手动工作，提高工作效率。

Catime是一款专为Windows设计的倒计时工具，界面极简美观，支持番茄时钟功能。其透明界面和点击穿透特性使得用户在使用其他应用时不受干扰。工具支持调整大小和位置，提供47种字体选择，并可实时预览效果。Catime还支持快速预设和自定义时间输入，具备倒计时和正计时功能。此外，它提供了多种超时动作，如通知、锁屏、关机/重启和打开文件等。界面美化方面，Catime提供15种预设颜色，支持输入颜色值和使用调色板选择。

mcp-go是Model Context Protocol (MCP)的Go语言实现，旨在为LLM（大型语言模型）应用与外部数据源和工具的无缝集成提供强大支持。通过简化服务器管理和减少代码量，mcp-go帮助开发者快速构建高效的LLM应用。

DeepSeek是一家位于中国杭州的人工智能公司，专注于开发大型语言模型（LLMs）。公司成立于2023年7月，隶属于中国对冲基金High-Flyer。DeepSeek的核心产品包括一系列LLMs，涵盖对话、搜索、编程和推理功能。其模型在性能和成本效益上表现出色，特别是在推理任务和编程支持方面，能够与国际领先模型如OpenAI的GPT-4o媲美。DeepSeek的模型训练成本显著低于行业平均水平，例如V3模型的训练成本仅为600万美元，而OpenAI的GPT-4在2023年耗资1亿美元。2025年1月，DeepSeek推出了同名聊天机器人和DeepSeek-R1模型，迅速在全球AI领域崭露头角。

本小册子旨在帮助用户理解区块链的安全风险，并提供相应的自救措施，以避免在区块链环境中遭受欺诈和损失。

BRAiN Assistant 是一款基于AI的工具，能够实时搜索互联网信息，并从各种来源（如PDF、Word文档、文本文件和CSV文件）创建个性化知识库，提供准确的即时答案。