Awesome GitHub RepositoriesDeep Learning Reference Implementations

This project is a collection of optimized scripts, deployment patterns, and reference implementations designed for scaling and accelerating state-of-the-art AI models. It serves as a multi-domain model zoo and a distributed training framework, providing PyTorch reference implementations for training and deploying models on GPU-accelerated infrastructure. The repository distinguishes itself through an optimization suite focused on NVIDIA GPU hardware, utilizing automatic mixed precision and specialized math modes to increase training speed and throughput. It provides enterprise deployment patt

This project is a collection of TensorFlow 2.x machine learning tutorials and practical code examples. It serves as a deep learning implementation guide for constructing diverse neural network architectures, including convolutional, recurrent, and generative networks. The repository provides templates and examples for several specialized domains, including computer vision for image classification and object detection, natural language processing for text generation and language understanding, and generative AI for synthesizing data using adversarial networks and autoencoders. It also includes

هذا المشروع عبارة عن مجموعة شاملة من الموارد التعليمية والمناهج المنظمة لتعلم الذكاء الاصطناعي والتعلم العميق. يوفر منهجاً لتعلم الآلة يتكون من مواد محاضرات ودفاتر ملاحظات تفاعلية تركز على تنفيذ النماذج باستخدام إطار العمل PyTorch. يتبع التصميم التعليمي نهج "الكود أولاً"، حيث يقوم الطلاب بتنفيذ نماذج عملية قبل دراسة الرياضيات النظرية الكامنة وراءها. يتم تقديم المنهج عبر مستندات قابلة للتنفيذ تجمع بين الكود الحي، والمعادلات، والنصوص السردية لتوجيه عملية تنفيذ ونشر الشبكات العصبية. يتضمن المشروع أتمتة لتوفير بيئات التعلم العميق على خوادم محلية أو سحابية. ويستخدم إدارة التبعيات مع تثبيت الإصدارات لضمان تنفيذ دفاتر الملاحظات بشكل متسق عبر بيئات الحوسبة المختلفة.

هذا المشروع عبارة عن مورد تعليمي للتعلم العميق يتكون من تطبيقات نماذج PyTorch وأمثلة كود. يوفر نصوصاً برمجية ودفاتر Python وظيفية لبناء وتدريب وتحسين الشبكات العصبية باستخدام الحوسبة القائمة على الموترات. يتضمن المستودع تطبيقات لتصميم طبقات شبكة مخصصة ووظائف خسارة، بالإضافة إلى أمثلة لسير عمل التعلم بالنقل التي تحمل أوزان نموذج مدربة مسبقاً لتسريع التطوير. يغطي الكود المصدري مجموعة واسعة من قدرات التعلم العميق، بما في ذلك تدريب الشبكة العصبية، وتصميم مكونات النموذج المخصص، وتنفيذ معماريات متعددة الطبقات للتعرف على الأنماط المعقدة في مجموعات البيانات.

هذا المشروع هو نموذج تنبؤ بالسلاسل الزمنية تم تنفيذه بلغة Python و Keras. هو نظام تعلم عميق مصمم للتنبؤ بالقيم المستقبلية في مجموعات البيانات المتسلسلة عن طريق تدريب شبكات عصبية طويلة قصيرة المدى (LSTM) على البيانات الرقمية التاريخية. يركز التنفيذ على تحليل البيانات المتسلسلة، وتحديداً تطبيق هذه النماذج على التنبؤ بسوق المال للتنبؤ بحركات الأسعار والاتجاهات. تغطي البنية معالجة البيانات من خلال توسيع ميزات min-max وتحويلات النافذة المنزلقة. تستخدم خلايا شبكة عصبية متكررة مع آليات بوابة للتبعيات طويلة المدى وتوظف الانتشار العكسي عبر الزمن لحساب التدرج.

This project is a structured TensorFlow deep learning curriculum and an interactive machine learning course delivered through Jupyter Notebooks. It serves as a technical guide and model zoo providing reference implementations for neural networks and machine learning algorithms. The curriculum focuses on practical implementations of computer vision, including object detection, semantic segmentation, and style transfer. It also provides tutorials for natural language processing, specifically covering word embeddings and encoder-decoder architectures for sequence modeling. The material covers t

This project serves as a comprehensive educational resource and curriculum for mastering machine learning and deep learning within the Python data science ecosystem. It provides a structured collection of tutorials and code examples designed to guide users through the end-to-end process of building, training, and deploying predictive models. The material focuses on practical implementation, covering the construction of machine learning pipelines that integrate data processing, feature engineering, and model training. It distinguishes itself by offering hands-on guidance for complex domains, i

This project is a deep learning framework designed for facial landmark detection. It functions as a computer vision library that provides the necessary routines to locate precise points on human faces within images by generating spatial probability maps. The architecture distinguishes itself through high-resolution parallel branching, which maintains detailed visual representations throughout the entire network. By utilizing multi-scale feature fusion, the model repeatedly exchanges information across these parallel streams to integrate fine-grained spatial details with broader semantic conte