Awesome GenAI
1.0.0
Eine kuratierte Liste von Ressourcen für generative KI. Dazu gehören Tutorials, Beispiele und Tools, die Ihnen beim Erlernen und Erstellen generativer KI-Modelle helfen.
| Ressource | Beschreibung |
|---|---|
| Kaggle-Notizbücher | ? Kaggle : Greifen Sie auf eine umfangreiche Sammlung von Datensätzen, Notizbüchern und Modellen zu. Nehmen Sie an Wettbewerben teil und arbeiten Sie mit einer Community von Datenwissenschaftlern zusammen, um Ihre Fähigkeiten zu verbessern. |
| Gesichtsräume umarmen | ? Hugging Face Spaces : Entdecken Sie Artikel, Modelle und interaktive Räume für die Verarbeitung natürlicher Sprache. Teilen und implementieren Sie Ihre eigenen Modelle mit der Community. |
| Streamlit-Galerie | Streamlit-Galerie : Entdecken Sie eine Vielzahl wunderschöner Web-Apps, die mit Streamlit erstellt wurden. Erfahren Sie, wie Sie ganz einfach interaktive Datenanwendungen erstellen. |
| LangChain-Kochbücher | LangChain-Kochbuch : Finden Sie Rezepte und Beispiele für den Einstieg in LangChain. Erfahren Sie, wie Sie Sprachmodelle effektiv erstellen und bereitstellen. |
| LangGraph-Beispiele | ? LangGraph-Beispiele : Tauchen Sie ein in Beispiele, die die Fähigkeiten von LangGraph veranschaulichen. Verstehen Sie, wie Sie graphbasiertes Lernen mit Sprachmodellen integrieren können. |
| LangChain-Anleitungen | LangChain-Anleitungen : Detaillierte Schritt-für-Schritt-Anleitungen für die Verwendung von LangChain in verschiedenen Anwendungen. Perfekt für Anfänger und Fortgeschrittene gleichermaßen. |
| Beispiele für Tannenzapfen | ? Pinecone-Beispiele : Praktische Beispiele, die zeigen, wie die Vektordatenbank von Pinecone zum Erstellen skalierbarer und schneller Ähnlichkeitssuchanwendungen verwendet wird. |
| Im Trend auf GitHub | Trend auf GitHub : Bleiben Sie mit den beliebtesten Repositories in Python und LLM-Themen (Large Language Model) auf dem Laufenden. Entdecken Sie neue Projekte und Ideen. |
| Zukünftige Werkzeuge | Future Tools : Ein umfassendes Verzeichnis von Tools und Ressourcen, die die Zukunft von KI und Technologie gestalten. Finden Sie die neuesten Innovationen und Trends. |
| Dafür gibt es eine KI | ? Dafür gibt es eine KI : Ein umfangreiches Verzeichnis von KI-Tools, kategorisiert nach ihren Anwendungen. Finden Sie ganz einfach KI-Lösungen für verschiedene Aufgaben. |
| Tolle LLMOps | Awesome LLMOps : Eine kuratierte Liste von Ressourcen zur Verwaltung und Optimierung großer Sprachmodelle. Lernen Sie Best Practices für Bereitstellung und Wartung kennen. |
| Beste KI-Wissensrepositorys | ? Beste KI-Wissensrepositorys : Eine Sammlung der besten Repositories für KI-Wissen und -Forschung. Ideal für Studenten und Berufstätige, die ihr Verständnis vertiefen möchten. |
| Papiere mit Code | ? Artikel mit Code : Greifen Sie auf hochmoderne KI-Forschungspapiere mit Code-Implementierungen zu. Perfekt für Forscher und Praktiker, die innovative Arbeiten reproduzieren und darauf aufbauen möchten. |
| Tolle LangChain | ? Awesome LangChain : Eine kuratierte Liste von Ressourcen, Tools und Tutorials für LangChain. Bleiben Sie über die neuesten Entwicklungen und Community-Projekte auf dem Laufenden. |
| Fantastische Python-Datenwissenschaft | Awesome Python Data Science : Eine kuratierte Liste von Python-Bibliotheken und Ressourcen für Data Science. Verbessern Sie Ihre Fähigkeiten in den Bereichen Datenanalyse und maschinelles Lernen. |
| LLM-Kurs | ? LLM-Kurs : Umfassende Kursmaterialien zum Erlernen großer Sprachmodelle. Beinhaltet Vorträge, Aufgaben und Projektideen. |
| LLMs von Grund auf | LLMs von Grund auf : Erfahren Sie, wie Sie große Sprachmodelle von Grund auf erstellen. Verstehen Sie die Grundlagen und Implementierungsdetails. |
| ZenML-Projekte | ? ZenML-Projekte : Beispielprojekte mit ZenML zur Optimierung Ihrer maschinellen Lernabläufe. Erfahren Sie, wie Sie ZenML in Ihre ML-Pipelines integrieren. |
| Ashish Patels Projekte | Ashish Patels Projekte : Entdecken Sie eine große Auswahl an KI- und ML-Projekten, die von Ashish Patel aufgelistet wurden. Beinhaltet Projekte zu maschinellem Lernen, Deep Learning, Computer Vision und NLP mit Code. |
| LlamaIndex-Beispiele | ? LlamaIndex-Beispiele : Beispiele, die zeigen, wie LlamaIndex zum effizienten Abrufen und Indizieren von Informationen verwendet wird. |
| CrewAI-Beispiele | CrewAI-Beispiele : Praktische Beispiele für den Einsatz von CrewAI zur Verbesserung der Teamzusammenarbeit und Produktivität in KI-Projekten. |
| JY Chias Blog | ✍️ JY Chias Blog : Aufschlussreiche Blogbeiträge über KI, maschinelles Lernen und Datenwissenschaft. Erhalten Sie praktische Tipps und Wissen von einem erfahrenen Profi. |
| DataCamp-Spickzettel | ? DataCamp-Spickzettel : Praktische Spickzettel für Datenwissenschaft und KI-Konzepte. Perfekt zum schnellen Nachschlagen und Überarbeiten. |
| Beispiele für Qdrant-Dokumentation | Qdrant-Dokumentationsbeispiele : Beispiele für die Verwendung der Vektorsuchfunktionen von Qdrant. Erfahren Sie, wie Sie Vektorsuchanwendungen erstellen und bereitstellen. |
| MLflow-Beispiele | ? MLflow-Beispiele : Praktische Beispiele für die Verwendung von MLflow zur Verwaltung Ihrer maschinellen Lernexperimente. |
| Kometenbeispiele | ☄️ Comet-Beispiele : Beispiele für die Verwendung von Comet zum Verfolgen, Vergleichen und Optimieren Ihrer maschinellen Lernexperimente. |
| W&B-Beispiele | ?️ Beispiele für Gewichtungen und Verzerrungen : Beispiele für die Verwendung von Gewichtungen und Verzerrungen zur Verbesserung Ihrer ML-Experimente mit Tracking-, Visualisierungs- und Kollaborationstools. |
| Perfekte Rezepte | ? Prefect-Rezepte : Rezepte und Beispiele für die Verwendung von Prefect zur Orchestrierung und Verwaltung Ihrer Daten-Workflows. |
| Beispiele für Dickhäuter | ? Pachyderm-Beispiele : Beispiele für die Verwendung von Pachyderm zur Versionierung und Verwaltung Ihrer Data-Science-Pipelines. |
| Amazon SageMaker-Beispiele | ☁️ Amazon SageMaker-Beispiele : Praktische Beispiele für die Verwendung von Amazon SageMaker zum Erstellen, Trainieren und Bereitstellen von Modellen für maschinelles Lernen in großem Maßstab. |
| Microsoft Autogen-Notebooks | ? Microsoft Autogen Notebooks : Notebooks für die Verwendung von Microsoft Autogen zur Automatisierung der Generierung synthetischer Daten und Modelle. |
| Heuhaufen-Tutorials | ? Haystack-Tutorials : Tutorials zur Verwendung von Haystack zum Aufbau leistungsstarker Suchsysteme mit modernstem NLP. |
| Generative KI für Einsteiger | ? Generative KI für Anfänger : Ein Leitfaden für Anfänger zum Verstehen und Erstellen generativer KI-Modelle. |
| Leitfaden zur Anregung | Prompting Guide : Ein umfassender Leitfaden zum Erstellen effektiver Prompts, um die Leistung Ihrer KI-Modelle zu verbessern. |
| NVIDIA NeMo-Beispiele | NVIDIA NeMo-Beispiele : Beispiele für die Verwendung von NVIDIA NeMo zum Erstellen, Trainieren und Bereitstellen von Konversations-KI-Modellen. |
| Umreißt Beispiele | ✏️ Outlines-Beispiele : Beispiele für die Verwendung von Outlines zum Erstellen strukturierter Datenextraktions-Workflows. |
| Generative KI von Google Cloud | ☁️ Google Cloud Generative AI : Ressourcen und Beispiele zum Erstellen generativer KI-Modelle in Google Cloud. |
| Beispiele für Umarmungsgesichtstransformatoren | Beispiele für Hugging Face Transformers : Beispiele für die Verwendung von Hugging Face Transformers zur Implementierung modernster NLP-Modelle. |
| e2b-Kochbuch | e2b-Kochbuch : Beispiele und Rezepte aus dem e2b-Kochbuch, die Ihnen den Einstieg in verschiedene KI- und ML-Aufgaben erleichtern. |
| Google Colab-Notizbücher | Google Colab Notebooks : Erstellen und teilen Sie Jupyter-Notebooks mit kostenlosem Zugriff auf GPUs. Perfekt zum Experimentieren mit KI-Modellen und zur Zusammenarbeit mit anderen. |
Danke fürs Lesen. Wenn Sie diese Liste nützlich fanden, folgen Sie Izam Mohammed für mehr ❤️.
