《2000 Machine Learning Prompts》是一个全面的资源，旨在帮助爱好者学习和实验机器学习，使他们熟悉其功能和在不同上下文中的应用。
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。
MiniSearch是一个强大的机器学习工具，旨在简化用户探索和访问广泛的社区开发的机器学习应用的过程。它提供了无缝的体验，使用户能够轻松浏览和搜索特定的机器学习应用，同时促进社区成员之间的协作与知识共享。
本项目为2024年PyCon会议准备，提供关于现代深度学习基础知识及PyTorch的深入教程材料，旨在帮助参与者掌握深度学习的核心概念和实用技能。
kimi-k1.5 是月之暗面发布的多模态思考模型，具有强大的数学、代码、视觉多模态和通用能力，在短思考和长思考模式下均超越了多个 SOTA 模型。
该教程是连接基础微积分与深度学习实践的桥梁，适合希望摆脱“黑箱”使用框架、深入理解模型数学本质的开发者。
一个包含大约4675本中文科幻小说的语料库，可以用于中文科幻小说的人工智能研究。
Creative ML是一个基于JAX、PyTorch和Numpy的机器学习课程，提供丰富的实践示例和笔记本，适合初学者和有经验的研究者，涵盖创意机器学习的不同方面。
大规模机器学习是一个网站，提供来自顶尖科技公司的机器学习系统的见解，涵盖分布式训练、特征存储、设备模型部署、对抗样本的稳健性、行业角色等主题。
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。
ZenBytes是一个关于如何通过ZenML及其各种集成来实现MLOps的简单指南，提供全面的教程和文档，支持多种机器学习框架和工具，帮助数据科学家和工程师更好地协作和部署机器学习模型。
本项目提供600多个创意性提示，旨在帮助数据科学从业者提高技能、激发灵感，推动项目的卓越发展。无论是初学者还是经验丰富的专业人士，都能从中找到适合自己的成长路径，助力数据科学旅程的每一个阶段。
这是一本由李宏毅老师和Datawhale团队出品的电子书，整理了李老师的视频教程，涵盖深度学习的理论与实战，提供丰富的学习资源和配套代码，适合各层次的学习者。
Framer模板库Albacub是一个资源丰富的平台，旨在为用户提供和展示最佳的Claude艺术品，以便于在各种项目中使用。该库汇聚了多种高质量的模板和创意，帮助用户轻松找到适合自己需求的艺术作品，并在设计中加以应用。
SoraPrompts是一个收集Sora（OpenAI的文本到视频生成模型）提示和生成视频的目录与搜索引擎，旨在为使用Sora的创作者提供灵感。用户可以通过搜索或浏览不同类别来查找所需的提示，并将其作为自己项目的灵感。
openagent是一个模块化组件库和编排框架，受到微服务方法的启发，为开发人员提供构建强大、稳定和可靠的人工智能应用程序和实验性自主智能体所需的所有组件。它支持易于扩展和维护的设计，提升了系统的可伸缩性，适用于构建复杂的AI应用和自主智能体。
Python机器学习库
Refinery是一个开源的数据中心化集成开发环境，专注于自然语言处理，结合了程序化标注、广泛的数据管理和神经搜索能力。
