오픈 소스. 새로운 가능성.

아부 퀀트 거래 시스템(abu)은 Python 기반의 오픈소스 퀀트 투자 프레임워크로, 미국 주식, A주, 홍콩 주식, 선물, 옵션 및 비트코인 등 시장을 지원하며, 타이밍 전략 개발, 백테스트, 포지션 관리, 머신러닝 최적화와 다양한 기술적 분석 모델을 내장하고 있습니다.

DeepEval은 RAG 파이프라인, 에이전트, 챗봇을 포함한 AI 애플리케이션의 단위 테스트를 위해 설계된 오픈 소스 LLM 평가 프레임워크입니다.

AI Infra Bench는 vLLM을 시작으로 실제 AI 인프라 엔지니어링 작업에서 최첨단 모델의 성능을 평가하는 벤치마크로, CPU 및 GPU 작업(버그, 기능, 성능 변경, 리팩터링, 테스트)을 포함합니다.

DeepSpeed는 대규모 모델의 학습과 추론을 쉽고 효율적이며 효과적으로 만들기 위해 설계된 딥러닝 최적화 라이브러리입니다.

AI 기초 학습을 위한 Microsoft의 12주, 24강 무료 커리큘럼: 신경망, 딥러닝, 컴퓨터 비전, NLP, 트랜스포머, 윤리, 실습 노트북, 퀴즈, 랩 포함.

Freqtrade는 파이썬 기반 무료 오픈소스 암호화폐 트레이딩 봇으로, 백테스팅, 드라이런, ML 전략 최적화, FreqAI 적응형 예측, Telegram/WebUI 제어, 주요 현물·선물 거래소 지원 기능을 제공합니다.

Hugging Face Transformers는 텍스트, 비전, 오디오 및 멀티모달 작업을 위한 머신러닝 모델 정의 프레임워크입니다. 100만 개 이상의 사전 학습된 체크포인트와 함께 추론 및 학습을 위한 통합 API를 제공합니다.

AutoKeras는 Keras를 기반으로 구축된 오픈소스 AutoML 라이브러리로, 이미지, 텍스트, 정형 데이터 작업을 위한 딥러닝 모델 탐색을 자동화합니다.

MiniMind는 대규모 언어 모델(LLM)의 학습 진입 장벽을 낮추기 위한 오픈 소스 프로젝트로, 사용자가 매우 낮은 비용(약 3위안)과 짧은 시간(약 2시간) 내에 약 64M 파라미터의 초소형 언어 모델을 처음부터 학습시킬 수 있도록 지원합니다.

운영 의사결정(가격, 재고, 에너지, 대기열, 공급망)을 위한 강화학습 라이브러리. 31개 알고리즘, 타입 인터페이스, 고전적 기준선, 재현 가능한 벤치마크 제공.

Google Research에서 공개한 연구 코드와 데이터셋의 대규모 모음으로, 머신러닝, AI, 과학 컴퓨팅 프로젝트를 포괄합니다. 사용자는 전체 저장소를 클론하지 않고 개별 서브디렉터리를 다운로드할 수 있습니다.

Optuna는 머신러닝 전용 하이퍼파라미터 최적화 오픈소스 프레임워크로, define-by-run API를 통해 동적 탐색 공간 구성, 효율적 최적화, 확장성, 시각화 등을 지원합니다.

오픈소스 UFC 경기 예측 프로젝트: Elo 레이팅, 그래디언트 부스팅 앙상블 및 다중 작업 신경망 앙상블을 하나의 캘리브레이트된 스코어로 결합하고, 2018-2026년 동안 확장 윈도우 워크-포워드 평가로 검증하며, Streamlit 매치업 탐색기와 주간 자가 업데이트 데이터 파이프라인을 제공합니다.

프로그래밍 언어와 주제별로 정리된 머신러닝 프레임워크, 라이브러리, 소프트웨어의 큐레이션 목록으로, ML 도구를 탐색하는 연구자와 개발자에게 유용한 색인입니다.

Reinfors는 게임 시뮬레이션, 트리 검색, 에피소드 오케스트레이션, 배치 조립을 병렬 Rust 백엔드에서 실행하는 강화학습 프레임워크로, 추론 콜백을 통해 네트워크, 학습, 최적화 등 전체 제어는 사용자에 맡긴다.

NVIDIA Apex는 혼합 정밀도(AMP)와 분산 학습 유틸리티를 제공하는 PyTorch 확장이며, 옵티마이저·정규화·병렬화를 위한 선택적 C++/CUDA 융합 커널도 포함합니다.

Python을 사용하여 수학적 기초부터 실무 구현까지 지도 학습 머신러닝을 원리부터 가르치는 교육용 저장소입니다.

브라질 국가 común 교육 과정 기준(BNCC)에 대한 LLM 알루시네이션 벤치마크. 개방된 방법론과 공개 데이터로 모델이 공식 코드와 텍스트를 얼마나 허구적으로 생성하는지 측정하며, bncc.dev를 통한 grounding으로 문제가如何解决되는지 분석한다.

Eclipse DL4J는 JVM 기반 딥러닝 생태계로 Java, Scala, Kotlin 등을 지원합니다. Keras, TensorFlow, ONNX 모델 가져오기, ND4J 선형 대수, SameDiff 자동 미분, DataVec ETL을 포함하며 Windows, Linux, macOS에서 CPU/GPU로 동작합니다.

《动手学大模型》는 상하이교통대학 팀이 개발한 프로그래밍 실습 튜토리얼 시리즈로, 미세조정·배포, 프롬프트 학습, 지식 편집, 수학 추론, 모델 워터마크, 탈옥 공격, 스테가노그래피, 멀티모달 모델, GUI 에이전트, 에이전트 보안, RLHF 정렬 등 대모델 핵심 주제를 다루며, 강의 자료·튜토리얼·실행 가능한 스크립트를 무료로 제공합니다.