您是AI工程師，想知道如何獲得可以將您的技能進行實際測試的資源？根據(jù)那里的大量信息，可能很難為您尋找正確的解決方案。因此，我們介紹了每個AI工程師都應(yīng)該熟悉的所有十個GitHub LLM存儲庫的列表。這些不僅僅是學(xué)術(shù)界的任務(wù)；這些是由Microsoft，KarPathy和開源社區(qū)的專家開發(fā)的實際項目。

無論您只是進入機器學(xué)習(xí)的世界，深入大型語言模型，還是將AI代理部署到生產(chǎn)中，這些存儲庫都提供簡單的代碼，指導(dǎo)項目和行業(yè)領(lǐng)域以探索。換句話說，從學(xué)習(xí)到構(gòu)建到部署，都可以將其視為您的指南，以使AI更聰明，更快，更好。

目錄

• 初學(xué)者的機器學(xué)習(xí)
• AI針對初學(xué)者
• 神經(jīng)網(wǎng)絡(luò)：零對英雄
• 深度學(xué)習(xí)論文實施
• 用ML制成
• 動手大語言模型
• 高級抹布技術(shù)
• 初學(xué)者的人工智能代理商
• 代理人生產(chǎn)
• AI工程中心
• 結(jié)論
• 常見問題

1。初學(xué)者的機器學(xué)習(xí)

初學(xué)者的機器學(xué)習(xí)是一個由微軟制定的為期12周的學(xué)習(xí)計劃，該計劃通過現(xiàn)實世界數(shù)據(jù)和Scikit-Learn庫來教授機器學(xué)習(xí)的基礎(chǔ)知識。它是系統(tǒng)地布置的，類似于課堂課程，其中包括有關(guān)監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)，分類，回歸，聚類和時間序列分析的課程。每個模塊包括交互式j(luò)upyter筆記本，活動和測驗以確認理解。該存儲庫將復(fù)雜的機器學(xué)習(xí)概念分解為更易消化的主題，使個人可以通過練習(xí)和實驗學(xué)習(xí)寶貴的技能。

最適合：

• 希望開始學(xué)習(xí)機器學(xué)習(xí)的結(jié)構(gòu)化方法的完整初學(xué)者。
• 正在教學(xué)的教育工作者。
• 希望從真實數(shù)據(jù)中學(xué)習(xí)并建立投資組合的自我學(xué)習(xí)者。

github存儲庫： https：//github.com/microsoft/ml-for-beginners

2。初學(xué)者的AI

初學(xué)者的AI是ML基礎(chǔ)的擴展，可將學(xué)生帶入AI，探索深度學(xué)習(xí)，自然語言處理，計算機視覺模型和變形金剛。這也是Microsoft創(chuàng)建的，這是一個為期12周的課程，提供了Pytorch和Tensorflow之類的工具，可讓學(xué)生通過動手實踐和互動實驗室學(xué)習(xí)基礎(chǔ)AI原理。前者深入研究算法原則，但重點是道德AI，模型部署以及對現(xiàn)實世界實施的考慮因素包括應(yīng)用程序的終結(jié)。盡管可以平衡兩者，但最好對于某些從標(biāo)準(zhǔn)ML過渡到AI的學(xué)生。

最適合：

• 從ML過渡到AI的學(xué)生
• 想要取代與神經(jīng)網(wǎng)絡(luò)和變壓器模型一起工作的開發(fā)人員
• 想要經(jīng)驗和項目接觸現(xiàn)代AI應(yīng)用程序的學(xué)生

GitHub LLM存儲庫： https：//github.com/microsoft/ai-for-beginners

3。神經(jīng)網(wǎng)絡(luò)：零對英雄

動手深入研究Andrej Karpathy，神經(jīng)網(wǎng)絡(luò)創(chuàng)建的深度學(xué)習(xí)的內(nèi)部運作：零對英雄，專注于如何僅使用Python和Numpy從頭開始構(gòu)建神經(jīng)網(wǎng)絡(luò)和GPT風(fēng)格的模型，而沒有高級庫。 karpathy采用了諸如反向傳播，梯度下降和自我注意力之類的困難概念，并將它們分解為易于學(xué)習(xí)代碼的易于學(xué)習(xí)課程。真正的獎項是迷你-GPT實施，該實施涉及變形金剛在低級別的功能。

最適合：

• 想要從第一原則中學(xué)習(xí)深入學(xué)習(xí)的工程師和研究人員
• 想要從頭開始實施神經(jīng)網(wǎng)絡(luò)的人
• 喜歡看低級代碼的好奇學(xué)習(xí)者

github存儲庫： https：//github.com/karpathy/nn-zero-to-hero

4。深度學(xué)習(xí)論文實施

這是最新深度學(xué)習(xí)論文的Pytorch實現(xiàn)的策劃集合，包括gan，變形金剛，擴散模型等。我們的目標(biāo)是協(xié)助希望邁出下一步的開發(fā)人員，而不僅僅是閱讀深度學(xué)習(xí)論文并推動實施文章。每個模型都已清楚，簡潔地實現(xiàn)，這通常與本文所述的結(jié)果相同。借助此存儲庫，工程師可以在生成AI和計算機視覺的領(lǐng)域中復(fù)制實驗，了解發(fā)明并擴展現(xiàn)代最先進的體系結(jié)構(gòu)。

最適合：

• 重現(xiàn)領(lǐng)先的ML論文的最先進結(jié)果
• 使用實際代碼學(xué)習(xí)新體系結(jié)構(gòu)
• 擴展或修改先進的深度學(xué)習(xí)模型

Github LLM存儲庫： https：//github.com/lucidrains

5。用ML制造

用ML制成的是為從設(shè)計和開發(fā)到部署和監(jiān)視的整個機器學(xué)習(xí)生命周期創(chuàng)建的完整課程。由Goku Mohandas建造的，由ML制成，重點介紹了數(shù)據(jù)版本（DVC），連續(xù)集成，測試ML管道，通過API為模型服務(wù)以及監(jiān)視生產(chǎn)中的ML系統(tǒng)。它還包括圍繞負責(zé)人的AI和可重復(fù)性的概念。這是一個真正的MLOPS訓(xùn)練營，尤其是對從事生產(chǎn)系統(tǒng)工作的工程師來說很有價值。

最適合：

• MLOPS和AI工程師在現(xiàn)實世界中部署ML系統(tǒng)
• 建立大規(guī)模ML基礎(chǔ)設(shè)施的團隊
• 想要獲得端到端ML的學(xué)習(xí)體驗的學(xué)習(xí)者

AI工程師的GitHub存儲庫： https：//github.com/gokumohandas/made-with-ml

6。大型語言模型

動手LLMS是用于構(gòu)建和調(diào)整大型語言模型的工作流程。該倉庫擴展了流行的O'Reilly書，并具有用于探索令牌化，注意力，變壓器塊，抹布（檢索輔助生成），嵌入和評估方法的筆記本的用戶交互性。它使用擁抱面孔變壓器和蘭鏈集成為開發(fā)具有完全可解釋性和模塊化，現(xiàn)實世界應(yīng)用的現(xiàn)實應(yīng)用程序（例如聊天機器人，摘要和文檔QA系統(tǒng)）的基礎(chǔ)。

最適合：

• 工程師正在將LLMS實施到有形的現(xiàn)實世界中。
• 將為特定域任務(wù)微調(diào)模型的開發(fā)人員。
• 研究人員正在調(diào)查迅速的策略和評估指標(biāo)。

基于AI的GitHub存儲庫： https：//github.com/pinecone-io/handbook-llms

7。高級抹布技術(shù)

該存儲庫包含30多個檢索增強生成（RAG）方法的改編，例如Hyde，GraphRag和更復(fù)雜的切塊方法。它的使用支持了通過不同的嵌入模型，矢量商店，文檔拆分，重新計算和性能基準(zhǔn)測試進行實驗的能力。社區(qū)可以使用文檔和查詢類型作為性能標(biāo)準(zhǔn)來揭示各種方法的搜索，以揭示每種情況最合適的方法，從而優(yōu)化LLM驅(qū)動的搜索和QA解決方案。

最適合：

• 正在為行業(yè)設(shè)計和建造抹布系統(tǒng)的AI工程師
• 試圖使知識檢索過程更快的同時保持質(zhì)量完整的團隊
• 對矢量搜索，混合和圖形方法進行比較研究的科學(xué)家

github存儲庫： https：//github.com/nirdiamant/rag_techniques

8。初學(xué)者的AI代理商

Microsoft的這一新的用戶友好型回購是對AI代理的學(xué)習(xí)者的簡介，AI代理是由LLMS提供支持的自主系統(tǒng)，可以計劃，決定和采取行動。該存儲庫有11個經(jīng)驗實驗室 - 全部使用Autogen，Langchain，OpenAI API等來執(zhí)行多步，多轉(zhuǎn)彎任務(wù)，調(diào)用工具，搜索知識并與其他代理商協(xié)作的代碼代理。每個實驗室都以清晰且可重現(xiàn)的方式介紹了動作計劃，工具鏈，內(nèi)存和及時工程的概念。

最適合：

• AI代理商或代理工作流程的開發(fā)人員
• 想要開發(fā)基于動手代理的AI課程的教育者
• 黑客正在從頭開始建立自主任務(wù)代理

GitHub LLM存儲庫： https：//github.com/microsoft/ai-agents

9.代理生產(chǎn)的代理

生產(chǎn)代理是將AI代理從概念證明到生產(chǎn)的全面指南。我們將介紹用于編排，工具集成，錯誤處理，重試邏輯，安全性，內(nèi)存（REDIS，向量DBS）的實施模式，并與FastAPI和Docker部署。對可擴展代理系統(tǒng)的興趣正在增長，此存儲庫是將可靠和可擴展的代理工作流傳遞到行業(yè)的模板。

最適合：

• 開發(fā)人員在生產(chǎn)中部署AI代理
• 團隊建立全棧代理基礎(chǔ)設(shè)施
• 使用Langgraph，OpenIgent或Autogen的專業(yè)人士

GitHub LLM存儲庫： https：//github.com/nirdiamant/agents-towards-production

10。AI工程中心

AI Engineering Hub是跨LLM，抹布和自治代理的70個現(xiàn)實項目，教程和模板的巨大，精心策劃的集合。它是為想要通過實用，動手實踐的經(jīng)驗來提高技能的工程師而設(shè)計的。網(wǎng)站上的每個項目都有困難和類別標(biāo)簽，并鏈接到COLAB，參考和建議的自定義。該集線器是一個數(shù)字沙盒，用于學(xué)習(xí)您想嘗試的每個AI工具，準(zhǔn)備分叉和混音。

最適合：

• 建立Genai和基于代理的應(yīng)用程序的投資組合
• 以模塊化的方式練習(xí)高級LLM工作流程
• 嘗試新工具和框架

github存儲庫： https：//github.com/ashishps1/learn-ai-engineering

結(jié)論

為了擅長AI，您不能指望只閱讀論文或遵循教程；您需要使用適當(dāng)?shù)墓ぞ邩?gòu)建和迭代。我們討論過的GitHub LLM存儲庫是一個完整的軟件包。您可以從學(xué)習(xí)機器學(xué)習(xí)到實時與這些AI代理進行互動。如果您一直專注于深度學(xué)習(xí)，大語言模型（LLM），檢索功能的一代（RAG）和/或代理編排，那么您將有很多強大的現(xiàn)實世界項目可以借鑒。

查看它們，分叉代碼，修改模型并構(gòu)建自己的東西。在諸如AI之類的快速移動領(lǐng)域中，Active =學(xué)習(xí)，這些存儲庫是活躍的好方法。

常見問題

答：Github是大多數(shù)尖端AI工作在公共場合發(fā)生的地方。無論您是學(xué)習(xí)，原型制作還是調(diào)試，來自頂級工程師的現(xiàn)實代碼都是您找到的最佳資源。

答：一點也不。有些是初學(xué)者友好的，例如ML-For-Beginners和Ai-for-for-Beginners。他們通過解釋和練習(xí)來引導(dǎo)您完成概念，不需要博士學(xué)位。

答：是的，在大多數(shù)情況下，只需確保檢查每個存儲庫的許可即可。大多數(shù)是在麻省理工學(xué)院或Apache下開源的，它們允許個人和商業(yè)用途。

答：“初學(xué)者的ML”主要關(guān)注機器學(xué)習(xí)概念，例如回歸或分類。 “初學(xué)者的AI”更廣泛，包括NLP，計算機視覺甚至AI中的道德規(guī)范。

A.通過Andrej Karpathy查看NN-Zero-to-Hero。這是變形金剛和LLM從頭開始工作的最動手和清晰的崩潰之一。

答：您可以在Github上“觀看”回購以獲取通知，或者將其標(biāo)記以將其添加為書簽。如果您真的從事他們的工作，也可以關(guān)注存儲庫維護者。

以上是10 GitHub LLM存儲庫每個AI工程師都應(yīng)該知道-Analytics Vidhya的詳細內(nèi)容。更多信息請關(guān)注PHP中文網(wǎng)其他相關(guān)文章！