オープンソース。新しい可能性。

AutoKerasは、Keras上に構築されたオープンソースのAutoMLライブラリで、画像、テキスト、構造化データタスクの深層学習モデル探索を自動化します。

Made With MLは、プロダクション向けの機械学習アプリケーションの設計・開発・デプロイ・反復を教えるオープンソースのコースおよびリポジトリで、MLOps、テスト、サービング、CI/CD、継続的学習をカバーしている。

Colossal-AIはHPC-AI Techが提供するオープンソースの分散ディープラーニングフレームワークで、並列トレーニング戦略、メモリ管理、推論加速機能により大規模AIモデルのコスト削減と効率化を実現する。

『Build a Large Language Model (From Scratch)』の公式コードリポジトリ。GPT系モデルの事前学習と微調整を段階的にPyTorchで実装し、ノートブックと演習を提供。

fastaiはPyTorchベースのディープラーニングライブラリであり、迅速な開発を可能にするハイレベルコンポーネントと、研究やカスタマイズのためのローレベルコンポーネントの両方を提供します。

FiftyOneは、高品質なデータセットとコンピュータビジョンモデルを構築するためのオープンソースツールです。視覚化、ラベリング、評価、キュレーションなどの機能を提供し、PyTorch、Hugging Face、Ultralyticsなどのライブラリと統合されています。

PyTorchは、GPU加速によるテンソル計算と、テープベースのautogradシステムに基づく柔軟なディープニューラルネットワークフレームワークを提供するオープンソースの機械学習ライブラリです。

Keras 3は、JAX、TensorFlow、PyTorch、またはOpenVINOを使用してモデルの構築とトレーニングが可能なマルチバックエンド対応のディープラーニングフレームワークです。

PlanckGPTは、一般消費者向けノートPCでゼロから学習できる約5.4億パラメータの小型GPT言語モデルです。Fineweb-eduで事前学習し、チャット微調整も可能です。

PyroはPyTorch上に構築された柔軟でスケーラブルな深層確率プログラミングライブラリであり、普遍的な確率モデルと自動推論をサポートします。

『AI Engineering from Scratch』は、APIラッパーではなく第一原理からAIエンジニアリングを教える無料・MITライセンスのカリキュラム兼リファレンスマニュアル。20フェーズ・523レッスン（約342時間）で、Python・TypeScript・Rust・Juliaによる実装を収録。各レッスンは数学ベースの自作、フレームワーク利用、再利用成果物の作成で構成され、AIチューター機能やClaude認定試験対策も備える。

YOLO11やSAM 3など61本のコンピュータビジョンチュートリアル集。物体検出、セグメンテーション、OCRなどをカバーし、Google Colabなどで直接実行可能。

機械学習と深層学習のコード例とチュートリアルを集めたリポジトリで、オンラインコースに付随する教材です。線形回帰から強化学習、NLP、コンピュータビジョン、生成AIまで幅広いトピックをカバーしています。

X-AnyLabelingは、画像・動画・テキスト・マルチモーダルデータのAI支援アノテーションに対応する軽量なクロスプラットフォームデスクトップアプリです。多数の深層学習モデルや多様な描画・タスク機能、COCO/VOC/YOLOなど多形式の入出力、Windows/Linux/macOSでの利用に対応します。

変異起点のCRISPR設計フレームワーク。SpCas9ヌクレアーゼ、塩基編集、プライム編集を単一の型定義インターフェースで統合し、校正済み不確実性と集団を考慮したオフターゲットレポートを伴う、ランク付けされた編集候補を提示します。

TensorFlowは、機械学習のためのエンドツーエンドのオープンソースプラットフォームであり、ML搭載アプリケーションの構築とデプロイのための柔軟なツールとライブラリのエコシステムを提供します。

Ultralyticsは、物体検出、セグメンテーション、分類などのコンピュータビジョンタスク向けに、最先端のYOLOモデルスイートを提供しています。

DeepSpeedは、大規模モデルのトレーニングと推論を簡単、効率的、かつ効果的に行うために設計されたディープラーニング最適化ライブラリです。

Microsoftの「Artificial Intelligence for Beginners」は、12週間・24レッスンの無料オープンソースカリキュラム。ニューラルネットワークや深層学習、コンピュータビジョン、自然言語処理、トランスフォーマー、倫理などを網羅し、Jupyterノートブックやラボを通じて実践的に学べる。

Hugging Face Transformersは、テキスト、ビジョン、オーディオ、マルチモーダルタスクに対応した機械学習用モデル定義フレームワークです。100万以上の学習済みチェックポイントを備え、推論と学習のための統一APIを提供します。