Adakah anda seorang jurutera AI, tertanya -tanya bagaimana untuk mencapai sumber yang boleh meletakkan kemahiran anda untuk ujian praktikal? Mungkin sukar untuk mencari penyelesaian yang tepat untuk anda, berdasarkan jumlah maklumat yang banyak di luar sana. Oleh itu, kami membentangkan senarai ini dari semua repositori GitHub LLM setiap jurutera AI yang sepatutnya mengenali. Ini bukanlah tugasan semata -mata dalam akademik; Ini adalah projek-projek dunia sebenar yang dibangunkan oleh pakar dari Microsoft, Karpathy, dan komuniti sumber terbuka.

Sama ada anda hanya memasuki dunia pembelajaran mesin, jauh ke dalam model bahasa yang besar, atau menggunakan agen AI ke dalam pengeluaran, repositori ini menyediakan kod mudah, projek berpandu, dan domain industri untuk diterokai. Dalam erti kata lain, dari belajar membina untuk menggunakan, fikirkan ini sebagai panduan anda untuk pergi lebih bijak, lebih cepat, dan lebih baik dengan AI.

Jadual Kandungan

• Pembelajaran Mesin Untuk Pemula
• AI untuk pemula
• Rangkaian Neural: Zero ke Hero
• Pelaksanaan kertas pembelajaran yang mendalam
• Dibuat dengan ml
• Model bahasa yang besar
• Teknik Rag Lanjutan
• Ejen AI untuk pemula
• Ejen ke arah pengeluaran
• Hub Kejuruteraan AI
• Kesimpulan
• Soalan yang sering ditanya

1. Pembelajaran Mesin untuk Pemula

Pembelajaran Mesin untuk Pemula adalah pelan pembelajaran 12 minggu yang dicipta oleh Microsoft yang mengajar asas-asas pembelajaran mesin dengan data dunia nyata dan perpustakaan Scikit-learn. Ia secara sistematik dibentangkan sama dengan kursus kelas, dan termasuk pelajaran mengenai pembelajaran yang diawasi dan pembelajaran, klasifikasi, regresi, kluster, dan analisis siri masa yang tidak diselia. Setiap modul termasuk buku nota, aktiviti, dan kuiz jupyter interaktif untuk mengesahkan pemahaman. Repositori ini memecah konsep pembelajaran mesin yang rumit ke dalam topik yang lebih mudah dicerna, yang membolehkan individu mempelajari kemahiran berharga melalui amalan dan eksperimen.

Terbaik untuk:

• Pemula lengkap yang mahukan cara berstruktur untuk mula belajar tentang pembelajaran mesin.
• Pendidik yang mengajar Ml.
• Pelajar sendiri yang ingin belajar dari data sebenar dan membina portfolio.

Repositori Github: https://github.com/microsoft/ml-for-beginners

2. AI untuk pemula

AI untuk pemula adalah lanjutan dari asas ML untuk membawa pelajar ke AI, meneroka pembelajaran mendalam, pemprosesan bahasa semulajadi, model penglihatan komputer, dan transformer. Juga dicipta oleh Microsoft, ia adalah kursus 12 minggu yang menawarkan alat seperti pytorch dan tensorflow dan membolehkan pelajar mempelajari prinsip AI asas melalui amalan tangan dan makmal interaktif. Walaupun bekas itu memasuki prinsip algoritma, penekanan pada AI etika, penggunaan model, dan pertimbangan untuk pelaksanaan dunia nyata terdiri daripada akhir permohonan. Walaupun ia berfungsi dengan baik untuk mengimbangi kedua -dua, adalah yang terbaik untuk sesetengah pelajar yang beralih dari ML standard ke AI.

Terbaik untuk:

• Pelajar beralih dari ML ke AI
• Pemaju yang ingin menggantikan keperluan untuk bekerja dengan rangkaian saraf dan model pengubah
• Pelajar yang mahukan pengalaman dan pendedahan projek terhadap aplikasi AI moden

Repositori Github LLM: https://github.com/microsoft/ai-for-beginners

3. Rangkaian Neural: Zero ke Hero

Sambungan tangan ke dalam kerja dalaman pembelajaran mendalam yang dicipta oleh Andrej Karpathy, rangkaian saraf: Zero to Hero, memberi tumpuan kepada cara membina rangkaian saraf dan model gaya GPT dari awal dengan hanya menggunakan Python dan Numpy, tanpa perpustakaan peringkat tinggi. Karpathy mengambil konsep-konsep yang sukar seperti backpropagation, keturunan kecerunan, dan perhatian diri dan memecahkannya ke dalam pelajaran mudah untuk belajar dengan kod. Hadiah sebenar adalah pelaksanaan mini GPT yang menyempurnakan bagaimana transformer berfungsi pada tahap yang rendah.

Terbaik untuk:

• Jurutera dan penyelidik yang ingin belajar tentang pembelajaran mendalam dari prinsip pertama
• Orang yang ingin melaksanakan rangkaian saraf dari awal
• Pelajar yang ingin tahu yang suka melihat kod peringkat rendah

Repositori Github: https://github.com/karpathy/nn-zero-to-hero

4. Pelaksanaan kertas pembelajaran mendalam

Ini adalah koleksi pelaksanaan pytorch dari kertas pembelajaran mendalam terkini, termasuk GAN, transformer, model penyebaran, dan banyak lagi. Matlamat kami adalah untuk membantu pemaju yang ingin mengambil langkah seterusnya di luar membaca kertas pembelajaran mendalam dan terus maju dengan melaksanakan artikel. Setiap model telah dilaksanakan dengan jelas dan ringkas yang sering mencapai hasil yang sama seperti yang dirujuk di dalam kertas. Dengan repositori ini, jurutera boleh menghasilkan semula eksperimen, memahami ciptaan, dan memperluaskan arsitektur canggih moden dalam bidang AI generatif dan penglihatan komputer.

Terbaik untuk:

• Menghasilkan hasil canggih dari kertas ML yang terkemuka
• Mempelajari seni bina baru dengan kod sebenar
• Memperluaskan atau mengubah model pembelajaran mendalam yang maju

Repositori Github LLM: https://github.com/lucidrains

5. Dibuat dengan ml

Dibuat dengan ML adalah kurikulum lengkap yang dibuat untuk keseluruhan kitaran hayat pembelajaran mesin dari reka bentuk dan pembangunan untuk penempatan dan pemantauan. Dibina oleh Goku Mohandas, dibuat dengan ML memberi tumpuan kepada kemahiran praktikal seperti versi Data Versioning (DVC), integrasi berterusan, menguji saluran paip ML, model berkhidmat melalui API, dan pemantauan sistem ML dalam pengeluaran. Ia juga termasuk konsep -konsep di sekitar AI dan kebolehulangan yang bertanggungjawab. Ini adalah bootcamp MLOPS yang benar dalam kotak, terutamanya berharga kepada jurutera yang bekerja pada sistem pengeluaran.

Terbaik untuk:

• Jurutera MLOPS dan AI yang menggunakan sistem ML di dunia nyata
• Pasukan membina infrastruktur ML berskala besar
• Pelajar yang ingin mendapatkan pengalaman berorientasikan projek ML akhir-ke-akhir

Repositori Github untuk Jurutera AI: https://github.com/gokumohandas/made-with-ml

6. Model bahasa besar tangan

Hands-on LLMS adalah aliran kerja untuk membina dan menala model bahasa yang besar. Repo memperluaskan buku O'Reilly yang popular, dan ia mempunyai interaktiviti pengguna untuk buku nota yang meneroka tokenisasi, perhatian, blok pengubah, RAG (generasi bantuan pengambilan), embeddings, dan kaedah penilaian. Ia menggunakan Transformers Face dan Integrasi Langchain yang memeluk untuk menyediakan asas bagi pembangunan aplikasi dunia nyata dengan interpretasi penuh dan modulariti, aplikasi dunia nyata seperti chatbots, summarizers dan dokumen QA Systems.

Terbaik untuk:

• Jurutera melaksanakan LLM ke dalam aplikasi yang nyata dan nyata.
• Pemaju yang akan menyesuaikan model untuk tugas domain tertentu.
• Penyelidik sedang menyiasat strategi segera dan metrik penilaian.

Repositori GitHub berasaskan AI: https://github.com/pinecone-io/handbook-llms

7. Teknik Rag Lanjutan

Repositori ini mengandungi lebih daripada 30 penyesuaian kaedah generasi pengambilan semula (RAG), seperti hyde, graphrag, dan pendekatan yang lebih kompleks untuk chunking. Penggunaannya menyokong keupayaan untuk membuat eksperimen dengan model penyembuhan yang berbeza, kedai vektor, pemisahan dokumen, pengalihan semula, dan penandaarasan prestasi. Masyarakat boleh menjalankan pencarian kaedah yang berbeza untuk mendedahkan pendekatan yang paling sesuai untuk setiap kes, menggunakan jenis dokumen dan pertanyaan sebagai kriteria prestasi, dan dengan itu mengoptimumkan carian yang didorong oleh LLM dan penyelesaian QA.

Terbaik untuk:

• Jurutera AI yang merancang dan membina sistem kain untuk industri
• Pasukan yang berusaha membuat proses pengambilan pengetahuan lebih cepat sambil mengekalkan kualiti utuh
• Saintis yang membuat kajian perbandingan pendekatan carian vektor, hibrid dan grafik

Repositori Github: https://github.com/nirdiamant/rag_techniques

8. Ejen AI untuk pemula

Repo mesra pengguna baru ini dari Microsoft adalah pengenalan untuk pelajar kepada ejen AI, yang merupakan sistem autonomi yang dikuasakan oleh LLM dan boleh merancang, memutuskan, dan bertindak atas perkara. Repo ini mempunyai 11 makmal pengalaman-semua menggunakan Autogen, Langchain, Openai API, dan lain-lain, kepada ejen kod yang boleh menjalankan tugas berbilang langkah, pelbagai giliran, memohon alat, mencari pengetahuan, dan bekerjasama dengan agen lain. Setiap makmal memperkenalkan konsep dalam perancangan tindakan, alat pengganti, memori, dan kejuruteraan segera dengan cara yang jelas dan boleh dihasilkan.

Terbaik untuk:

• Pemaju baru kepada ejen AI atau aliran kerja agentik
• Pendidik yang ingin membangunkan kurikulum AI berasaskan ejen tangan
• Penggodam membina ejen tugas autonomi dari bawah

Repositori Github LLM: https://github.com/microsoft/ai-agents

9. Ejen ke arah pengeluaran

Ejen ke arah pengeluaran adalah panduan yang baik untuk meletakkan ejen AI dari bukti konsep kepada pengeluaran. Kami akan merangkumi corak pelaksanaan untuk orkestrasi, integrasi alat, pemprosesan ralat, logik semula, keselamatan, memori (redis, vektor DBS), dan penempatan dengan Fastapi dan Docker. Kepentingan dalam sistem agentik berskala berkembang, dan repo ini berfungsi sebagai templat untuk kapal aliran kerja ejen yang boleh dipercayai dan berskala ke industri.

Terbaik untuk:

• Pemaju yang menggunakan ejen AI dalam pengeluaran
• Pasukan yang membina infrastruktur yang menonjol penuh
• Profesional menggunakan Langgraph, Openagents atau Autogen

Repositori Github LLM: https://github.com/nirdiamant/agents-towards-production

10. Hub Kejuruteraan AI

Hab Kejuruteraan AI adalah koleksi raksasa, yang dikendalikan oleh 70 projek dunia, tutorial, dan templat di seluruh LLM, RAG, dan ejen autonomi. Ia direka untuk jurutera yang ingin melanjutkan kemahiran mereka melalui pengalaman praktikal, tangan. Setiap projek di laman web ini mempunyai kesukaran dan penandaan kategori, dengan pautan ke colab, rujukan, dan adat yang dicadangkan. Hab adalah kotak pasir digital untuk mempelajari setiap alat AI yang pernah anda ingin cuba, bersedia untuk garpu dan remix.

Terbaik untuk:

• Membina portfolio aplikasi genai dan ejen
• Mengamalkan aliran kerja LLM lanjutan dalam fesyen modular
• Bereksperimen dengan alat dan kerangka baru

Repositori Github: https://github.com/ashishps1/learn-ai-engineering

Kesimpulan

Untuk mendapatkan kebaikan di AI, anda tidak boleh mengharapkan hanya membaca kertas atau mengikuti tutorial; Anda perlu membina dan melangkah dengan alat yang sesuai. Repositori GitHub LLM yang telah dibincangkan adalah pakej lengkap. Anda boleh pergi dari belajar tentang pembelajaran mesin untuk berinteraksi dengan agen AI ini dalam masa nyata. Sekiranya anda telah memberi tumpuan kepada pembelajaran mendalam, model bahasa yang besar (LLMS), generasi pengambilan semula (RAG) dan/atau orkestra ejen, anda mempunyai banyak projek dunia yang kuat untuk diteruskan.

Lihatlah mereka, garpu kod, ubah model, dan bina sesuatu yang anda sendiri. Dalam bidang yang bergerak pantas seperti AI, aktif = pembelajaran, dan repos ini adalah cara yang baik untuk menjadi aktif.

Soalan yang sering ditanya

A. GitHub adalah di mana kebanyakan kerja AI canggih berlaku di khalayak ramai. Sama ada anda belajar, prototaip, atau debugging, kod dunia sebenar dari jurutera teratas adalah sumber terbaik yang anda dapati.

A. Tidak sama sekali. Ada yang mesra pemula, seperti ML-for-beginners dan AI-For-Beginners. Mereka membimbing anda melalui konsep dengan penjelasan dan latihan, tidak diperlukan PhD.

A. Ya, dalam kebanyakan kes, pastikan untuk memeriksa lesen setiap repo. Kebanyakan sumber terbuka di bawah MIT atau Apache, yang permisif untuk kegunaan peribadi dan komersial.

A. "ML untuk pemula" memfokuskan kebanyakannya pada konsep pembelajaran mesin, seperti regresi atau klasifikasi. "AI for Beginners" lebih luas dan termasuk NLP, penglihatan komputer, dan juga etika dalam AI.

A. Lihat NN-Zero-to-Hero oleh Andrej Karpathy. Ia adalah salah satu pecahan yang paling tangan dan jelas tentang bagaimana transformer dan LLMs berfungsi dari awal.

A. Anda boleh "menonton" repo di GitHub untuk mendapatkan pemberitahuan, atau membintanginya untuk menanda buku itu. Anda juga boleh mengikuti penyelenggara repo jika anda benar -benar dalam kerja mereka.

Atas ialah kandungan terperinci 10 repositori github llm Setiap jurutera AI harus tahu - Analytics Vidhya. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!