Gradient Descent in Mojo-多语言实现的梯度下降算法

一份整理了机器学习入门学习资源的列表，涵盖注意力机制、性能优化、量化、长上下文和分布式计算等方面的论文、视频及代码库。

这是一个用Python编写的GraphRAG算法的简化实现，仅包含1000行代码，旨在提供高效的结构化信息检索和知识图谱构建功能。

受Python启发的微型编程语言，旨在探索程序具备“时间旅行”能力的可能性，可回溯或预测未来状态。

Shumai是一个开源的、快速的、网络连接的可微分张量库，适用于TypeScript和JavaScript。

一个用于学习数据库系统的教程，帮助用户理解数据库的基本原理和实现。该项目实现了一个简单的关系数据库，支持基本的SQL查询，提供高效的数据存储和检索机制，并包含多个示例和测试用例，易于扩展和修改，适合初学者和有一定基础的开发者。

llm.mojo是Andrjey Karpathy将大型语言模型(LLM)最小化代码移植到Mojo编程语言的版本，旨在提供高效的模型推理和简化的学习体验。

系统设计面试的宝典，帮助求职者掌握大厂面试必备的系统设计知识，从基础到实战案例一应俱全

SynapseML是一个轻量级、可扩展的分布式机器学习库，旨在支持大规模数据处理和机器学习任务。它与Apache Spark紧密集成，提供多种机器学习算法和丰富的数据预处理工具，能够与Azure服务无缝对接，适合在多种数据源和输出格式中使用。

MLX 是 Apple 芯片上用于机器学习的阵列框架，由 Apple 机器学习研究团队提供。它提供了熟悉的 API 和强大的功能，支持多种计算模式和设备，旨在简化机器学习模型的构建与训练。

Taichi是一种嵌入在Python中的领域特定语言，旨在加速Python代码执行，使其运行速度接近C++甚至CUDA，提供高性能的计算能力，同时保持Python的灵活性和简洁性。它支持多种硬件平台，包括CPU和GPU，并内置自动微分功能，具有强大的并行计算能力，适合各类高性能计算任务。

Judi.jl是一个用于对向量、矩阵和张量表达式进行微分的库，支持高效的符号微分，提供简单易用的接口，适用于科学计算和机器学习领域的自动微分需求。

从零开始构建大型语言模型的学习记录，记录了一步步构建语言模型的过程，适合想要深入了解NLP和机器学习的爱好者。

课程资料由Brigham Frandsen教授的机器学习与因果推断课程提供，涵盖了基本概念、实践示例和代码实现，适合初学者和有经验的研究人员，包含丰富的学习资源和参考文献。

从自动微分开始完全从头开始GPT-2训练，一个快速且功能完备的深度学习库，使用Python和NumPy编写

HybridAI是一个创新的聊天机器人系统，结合了先进的AI功能和情感智能，提升了人类沟通的质量。它允许AI与人类共同管理聊天互动，提供更直观和引人入胜的交互体验。

AI Cards是一个利用先进AI技术的个性化假日卡片设计平台，旨在为个人和专业人士提供简便直观的卡片设计和发送解决方案。无论是忙碌的专业人士还是希望在假日问候中增添独特风格的人，AI Cards都能满足需求。

WisBot 是一个智能助手，能够理解你的数据和 Jupyter Notebook，适合数据科学家和机器学习工程师，执行从探索性数据分析到高级机器学习建模的任务。

这篇 88 页的论文由图灵奖获得者 Yoshua Bengio 共同撰写，是对意识科学理论以及当今人工智能堆栈中可能实现的系统调查。