machine-learning

在任何AI基础设施上运行、管理和扩展AI工作负载。使用统一系统访问和管理所有AI计算资源（Kubernetes、17+云平台或本地部署）。

机器学习容器

一套关于前沿计算机视觉模型与技术的教程合集，涵盖从ResNet等基础架构到YOLO11、RT-DETR、SAM 2、Florence-2、PaliGemma 2和Qwen2.5VL等尖端模型的全方位探索。

借助Segment Anything等卓越模型提供的AI支持，实现轻松数据标注

本仓库旨在为机器学习/AI技术面试提供备考指南

H2O是一个开源、分布式、快速且可扩展的机器学习平台：支持深度学习、梯度提升、XGBoost、随机森林、广义线性模型、K均值聚类、主成分分析、广义可加模型、规则拟合、支持向量机、堆叠集成、自动机器学习等。

灵活强大的框架，用于管理多个AI智能体并处理复杂对话

Evidently 是开源的机器学习和大语言模型可观测性框架。评估、测试并监控任何AI驱动系统或数据流水线。从表格数据到生成式AI，涵盖100多项指标。

包含吴恩达教授2022年斯坦福大学与Deeplearning.ai联合推出的Coursera机器学习专项课程解答与笔记

可扩展且灵活的工作流编排平台，无缝统一数据、机器学习和分析技术栈。

在线AI与数据平台 https://vespa.ai

面向多模态AI的开放式湖仓格式。仅需两行代码即可从Parquet转换，实现百倍速随机访问、向量索引与数据版本管理。兼容Pandas、DuckDB、Polars、Pyarrow及PyTorch，并持续扩展集成生态。

分布式查询引擎，为任何模态和规模的数据处理提供简单可靠的解决方案

一份实用的五页机器学习速查表，适用于考试复习、面试准备及各类中间需求。

面向 Kubernetes 可扩展多框架部署的标准化分布式生成式与预测式 AI 推理平台

RF-DETR是由Roboflow开发的实时目标检测与分割模型架构，在COCO数据集上达到最优水平，专为微调设计

简易分布式机器学习

一种模型驱动的方法，仅需几行代码即可构建 AI 智能体。

使用PyTorch和Scikit-Learn进行机器学习的代码仓库

一个由AI驱动的数据科学智能体团队，助您以10倍速度完成常见数据科学任务。

《Machine Learning Systems: Design and Implementation》 (V2 is launching soon）

专为大型语言模型推理与智能体打造的闪电式强化学习框架。

适用于NVIDIA Jetson和JetPack-L4T的机器学习容器

数据科学/机器学习面试准备：速查表、书籍、问题与作品集合集