Awesome GitHub RepositoriesData Reducers

This project is a command-line processor designed for the parsing, filtering, and transformation of structured data streams. It functions as a declarative programming environment that treats data as immutable streams, allowing users to perform complex structural modifications through the composition of small, reusable functions. By utilizing a recursive tree traversal engine, the system enables the navigation, inspection, and modification of deeply nested hierarchical data structures. The engine distinguishes itself through a stream-oriented architecture that processes input records one by on

This library provides a comprehensive collection of modular building blocks and research-backed architectures for implementing vision transformers within the PyTorch framework. It serves as a centralized repository for constructing, training, and analyzing attention-based models, offering a wide array of specialized variants designed for image classification and visual representation learning. The project distinguishes itself through a focus on architectural efficiency and flexibility, supporting diverse input formats including non-square images and volumetric data like video. It incorporates

This project is an educational platform and tutorial series designed to teach the Go programming language through the practice of test-driven development. It provides a structured path for developers to master language fundamentals, concurrency, and standard library usage by building functional applications in small, verifiable increments. The core methodology centers on the test-driven development cycle, where failing tests are written before implementation to define requirements and ensure code correctness. This approach is applied across a wide range of practical scenarios, including the c

Vector is a high-performance observability data pipeline designed to collect, transform, and route logs, metrics, and traces across distributed infrastructure. It functions as a modular engine that decouples data ingestion from processing and transmission, utilizing a component-based architecture to connect diverse sources to multiple destinations. The project distinguishes itself through a focus on reliability and flow control. It implements backpressure-aware data movement to prevent data loss during traffic spikes and utilizes disk-backed event buffering to ensure durability during network

This is a Python machine learning library featuring a collection of core algorithms implemented from scratch to demonstrate foundational AI concepts. It provides a comprehensive toolkit for supervised learning, unsupervised learning, and neural network development. The project is distinguished by its custom implementation of a neural network framework, which includes multi-layer perceptrons with backpropagation, gradient descent, and weight regularization. It also includes a specialized anomaly detection toolkit that identifies outliers and rare events using Gaussian probability distributions

Cats هو مكتبة برمجة وظيفية في Scala ومكتبة فئات الأنواع (Type Class) مصممة لتنفيذ الأنماط الجبرية والتجريدات الوظيفية. توفر مجموعة موحدة من الواجهات ومجموعة أدوات معيارية من الأغلفة والحاويات الوظيفية لتمكين تعدد الأشكال المخصص والبرمجة العامة عبر أنواع متباينة. يعمل المشروع كمعيار للتجريد الوظيفي، ويقدم مجموعة محولات الموناد (Monad Transformer) لتركيب سياقات التأثير المتداخلة والتعامل مع تأثيرات جانبية حسابية متعددة داخل خط أنابيب واحد. كما يتيح بناء لغات خاصة بالمجال (DSL) مضمنة من خلال تمثيل منطق البرنامج كهياكل بيانات يتم تفسيرها بشكل منفصل عن تعريفاتها. تغطي المكتبة مجالات قدرة واسعة بما في ذلك معالجة البيانات الجبرية لدمج وتقليل القيم، وإدارة الحالة الآمنة للأنواع، ومعالجة الأخطاء الوظيفية لإضفاء الطابع الرسمي على تراكم الأخطاء والتعافي منها. كما توفر أدوات لإدارة الحسابات ذات التأثير وتوسيع أنواع المجموعات القياسية بقدرات وظيفية. تتضمن المكتبة آليات للتحقق من القوانين الجبرية لضمان التزام مثيلات فئات الأنواع بالخصائص الرياضية.

This project is a collection of educational resources and reference implementations for neural network development using TensorFlow. It serves as a comprehensive learning course, machine learning curriculum, and practical implementation guide for building deep learning architectures. The codebase provides instructional materials and examples covering a wide range of model types, including convolutional neural networks for image classification, recurrent networks and long short-term memory cells for sequential data, and autoencoders for generative modeling. It also includes implementations for

Text2Video-Zero هو نموذج وإطار عمل لتحويل النص إلى فيديو مصمم لتوليف تسلسلات فيديو متسقة زمنياً من مطالبات نصية. يعمل كمولد فيديو بدون تدريب مسبق (zero-shot)، حيث يعيد استخدام نماذج انتشار الصور المدربة مسبقاً لإنشاء محتوى فيديو دون الحاجة إلى تدريب إضافي على مجموعات بيانات الفيديو. يتضمن النظام مولد فيديو مشروطاً يسمح بالتوليد الموجه باستخدام خرائط العمق أو الحافة أو الوضع للتحكم في التخطيط الهيكلي والحركة. كما يوفر قدرات تحرير فيديو قائمة على النص لتعديل نمط أو محتوى مقاطع الفيديو الموجودة من خلال تعليمات اللغة الطبيعية. لإدارة المتطلبات الحسابية، ينفذ المشروع استدلالاً محسناً لذاكرة GPU. يتم تحقيق ذلك من خلال تقنيات مثل دمج الرموز وتقسيم الإطارات لتقليل استخدام VRAM أثناء عملية التوليد.

This project is a data mining algorithm library and machine learning reference implementation. It provides a collection of tools for performing classification, clustering, and association rule mining, as well as a toolkit for nature-inspired optimization. The library includes specialized utilities for graph and sequence mining, enabling the extraction of frequent subgraphs and sequential patterns. It also features a dimensionality reduction utility that uses rough set theory to remove redundant attributes from datasets. The project covers a broad range of analytical capabilities, including n

This repository is an educational collection of implementations and research notes focused on deep learning architectures and optimization techniques. It provides modular code examples designed to demonstrate foundational and advanced concepts in machine learning, ranging from basic neural network structures to complex training strategies. The project distinguishes itself by offering practical implementations of specialized research methods, including capsule-based feature aggregation, gradient direction decoupling, and self-normalizing weight regularization. These materials allow for the stu