OMRNet是一个基于MobileNetV2的轻量级深度学习模型，用于光学标记识别。它能将答题卡选项分类为已填、空白或划掉，支持任意倾斜角度，解决了传统系统刚性及易出错的问题，适用于资源受限环境下的自动化阅卷场景。
摩根大通推出的Python培训项目，面向业务分析师和交易员。旨在通过Jupyter Notebook介绍数值计算和数据可视化，无需编程基础即可上手。内容侧重实用性演示，帮助非技术人员掌握复杂主题，支持在线云端实例体验。
这是一个包含35种生产级智能体AI架构的Python库和可运行教科书。它支持多LLM提供商，提供端到端实现、真实LLM输出及确定性选择机制，并附带涵盖17个任务的基准测试排行榜，用于对比评估不同架构性能。
EveryonesLLM是一个从零开始构建大语言模型的教程仓库。它通过一系列Jupyter Notebook章节，引导用户在Google Colab上逐步实现nanoGPT，涵盖数据加载、嵌入、层归一化等核心模块，适合希望深入理解LLM底层原理的学习者。
Made With ML 是一个机器学习实战教程，涵盖从实验设计、开发到生产部署及迭代的全流程。旨在帮助开发者构建可靠的生产级ML应用，结合软件工程最佳实践，提供实用指南与代码示例。
JetBot是基于NVIDIA Jetson Nano的开源教育AI机器人。它提供从基础运动到AI避障的教程，支持通过Web浏览器进行交互式编程。旨在以低成本（<150美元）为用户提供动手实践机会，帮助快速上手并创建新的AI项目。
该仓库展示数据分析师作品集，包含SQL、Python、Tableau、Excel及Hadoop等工具的项目。涵盖Instagram数据分析、纽约出租车记录处理、房屋数据清洗及疫情探索等案例，旨在通过实际项目演示数据处理与可视化能力。
FLOODPY是一个开源Python工具箱，用于绘制非城市洪水区域地图。它利用Sentinel-1 GRD时间序列数据，通过统计或ViT方法检测洪水。需提前知晓事件时间及空间范围。主要面向科研用途，基于Linux环境运行。
本书配套代码库，展示机器学习在算法交易中的实际应用。包含150多个Jupyter Notebook，涵盖数据工程、策略回测及深度学习模型构建，帮助用户利用ML优化交易策略并评估预测效果。
BuildingsBench是一个用于短期负荷预测的大规模预训练与基准测试平台。它提供合成数据集Buildings-900K、PyTorch数据加载器及多种基线模型，支持零样本预测和迁移学习评估，助力建筑能耗时间序列分析研究。
SQuADDS是用于超导量子硬件的设计与仿真数据库软件。它提供生成和模拟超导量子器件设计的完整工作流，支持预测不同几何结构下的哈密顿参数，旨在推动超导量子器件设计的研究进展。
CityGaussian系列提供基于高斯泼溅的大规模场景高质量重建与实时渲染方案。包含V1和V2版本，分别发表于ECCV 2024和ICLR 2025，旨在实现高效且几何准确的三维城市级场景重构，支持Web可视化查看。
CLIP是OpenAI开发的对比语言-图像预训练模型，能根据自然语言指令从图像中预测最相关的文本片段。它具备零样本学习能力，无需针对特定任务优化即可实现高精度图像分类与图文匹配，广泛应用于计算机视觉领域。
这是一个由Omar Santos维护的综合网络安全资源库，涵盖伦理黑客、漏洞研究、DFIR、AI安全及红蓝对抗等领域。提供脚本、工具、实验室构建指南、认证路线图及培训参考材料，旨在为安全从业者和学习者提供系统化的实战与理论支持。
Qbot是一个AI驱动的量化投资研究平台，支持完全本地部署。它提供自动交易、策略回测及数据分析功能，旨在帮助用户构建自动化交易系统。项目基于Python开发，适合对量化交易和人工智能应用感兴趣的用户进行本地化部署和研究实践。
