FreeMoCap

Бесплатная и открытая, независимая от аппаратного и программного обеспечения и ориентированная на минимальную стоимость исследовательская система захвата движения.

FreeMoCap может быть установлен и запущен в средах Python.

Доступен графический интерфейс пользователя.

Предоставляется документация и рекомендации.

📁 Language: #Python(76.4%), #JupyterNotebook(13.2%), #TypeScript(7.8%)

⭐️ Stars: 3.4к

➡️ Cсылка на GitHub

📱 @git_developer

Hands-On-Large-Language

Ранее была опубликована открытая книга «Практическое изучение больших моделей», которая доступно объясняет, как понимать и применять большие языковые модели — от базовых концепций до продвинутых.

Сегодня в её GitHub-репозитории появилось обновление: добавлены визуальные учебные материалы по LLM, которые помогают лучше понять сложные концепции ИИ.

Эти материалы продолжают визуальный стиль основной книги — с наглядными иллюстрациями объясняются продвинутые темы вроде Transformer и Mamba, делая абстрактные идеи интуитивно понятными.

Включены следующие ключевые темы:

🟡Подробная визуализация принципов работы Transformer в контексте LLM;

🟡Интуитивное объяснение технологии квантования моделей и её роли в эффективном развёртывании;

🟡Иллюстрации архитектуры Mamba и моделей на основе пространств состояний, раскрытие их преимуществ;

🟡Объяснение принципов систем экспертов (MoE) и их роли в масштабировании моделей;

🟡Визуальный разбор принципов генерации изображений в Stable Diffusion;

🟡Углублённый анализ DeepSeek-R1, способностей LLM к выводу (inference) и взаимодействию с агентными системами.

Перед изучением этих дополнительных материалов рекомендуется сначала ознакомиться с книгой «Практическое изучение моделей», чтобы лучше понять представленные концепции

📁 Language: #JupyterNotebook (100.0%)

⭐️ Stars: 9.2k

➡️ Cсылка на GitHub

📱 @git_developer

knowledge-graph-llms

Открытый инструмент на GitHub для автоматической генерации онтологических графов из текста — Knowledge Graph Generator — упрощает восприятие сложной информации.

Он использует LangChain и модель OpenAI GPT-4o для интеллектуального извлечения сущностей и связей из текста, создавая интерактивную визуализацию графа знаний.

Ключевые возможности:

🔸Поддержка как загрузки .txt файлов, так и прямого ввода текста
🔸Извлечение сущностей и отношений с помощью модели GPT-4o
🔸Генерация интерактивного графа знаний
🔸Возможность перетаскивания узлов, масштабирования, просмотра деталей при наведении
🔸Фильтрация по узлам и рёбрам графа
🔸Минималистичный веб-интерфейс на базе Streamlit

После установки зависимостей через pip и указания OpenAI API-ключа можно запустить приложение с графическим интерфейсом для визуального взаимодействия.

📁 Language: #JupyterNotebook (46.4%), #HTML (41.6%), #Python (12.0%)

⭐️ Stars: 359

➡️ Cсылка на GitHub

📱 @git_developer