分类目录归档：开源项目

Awesome-Domain-LLM-收集和梳理垂直领域的开源模型、数据集及评测基准

评论
133 views

文档主要介绍了Awesome Domain LLM项目，该项目旨在收集和梳理垂直领域的开源模型、数据集及评测基准，推动大模型在各行各业的应用。 1. 模型分类 - 通用模型：整理了常用的开源通用模型，如LLaMA2、ChatGLM3 - 6B、Qwen、Baichuan2、InternLM等，包括模型大小、所属机构和相关论文。 - 领域模型 - 医疗领域：包含ChiMed - GPT、AlpaCare、Taiyi、MentalLLaMA、WiNGPT2等众多模型，分别介绍了其基于的基础模型、训练方式、功能特点等，部分模型还开源了相关数据集。 ...

Read more

FinGPT-金融自然语言处理NLP项目

评论
100 views

FinGPT 是一个开源的金融自然语言处理（NLP）项目，致力于通过 AI 技术解析和处理金融数据，为金融服务和量化研究提供支持。由 AI4Finance Foundation 开发，FinGPT 提供多个工具和模块，包括金融文本分类、情感分析和生成式预训练模型（GPT），适用于各种金融任务，例如新闻解读、市场预测和投资策略生成【10】【11】【12】。

该项目在 GitHub 上非常活跃，拥有详细的文档和代码示例，支持多种应用场景。项目地址是 FinGPT GitHub【10】【12】。

如果你对量化投资或金融 NLP 感兴趣，可以使用这个项目快速开展相关研究或应用开发。需要进一步了解...

Read more

LeRobot-机器人框架

评论
104 views

LeRobot 是由 Hugging Face 开发并托管在 GitHub 上的一个机器人框架，旨在通过提供工具、数据集和预训练模型，降低机器人研发的入门门槛。它主要关注模仿学习和强化学习，并为实际机器人应用提供支持。

核心功能：

  1. 预训练模型：

  2. 包括 ACT、Diffusion 和 TDMPC 等策略，可应用于 ALOHA、SimXArm 和 PushT 等环境。

  3. 模拟环境：

  4. 提供高仿真度的虚拟实验环境，方便在无硬件条件下进行机器人算法的测试与训练。

  5. 数据集管理：

  6. 提供工具将数据集转换为 LeRobot 格式，并支持本地和远程可视化操作。

  7. 框架支持：

  8. 基于 P...

Read more

开源低代码开发平台项目

评论
75 views

以下是一些GitHub上星数较多的开源低代码开发平台项目： 1. n8n：星数约22.4k，是免费且开源的工作流自动化工具，采用JavaScript/TypeScript编写，可轻松跨不同服务自动化任务，支持多种集成，能通过可视化界面配置工作流. 2. nocobase：星数约13.4k，是扩展性优先的开源无代码/低代码平台，基于Node.js，可用于构建业务应用和企业解决方案，提供CRUD操作、管理面板等功能，有丰富的插件和模板. 3. budibase：星数约11.3k，是可在数分钟内构建业务应用和工作流的低代码平台，支持多种数据库和技术，如PostgreSQL、MySQL等，提供可...

Read more

InStock股票系统-github

评论
125 views

stock股票.获取股票数据,计算股票指标,识别股票形态,综合选股,选股策略,股票验证回测,股票自动交易,支持PC及移动设备。

InStock股票系统，抓取每日股票、ETF关键数据，计算股票各种指标，识别K线各种形态，综合选股，内置多种选股策略， 支持选股验证回测，支持自动交易，支持批量时间，运行高效，支持PC、平板、手机移动设备显示， 同时提供Docker镜像方便安装，是量化投资的好帮手

InStock股票系统

...

Read more

stocksight-新闻情感分析-股票预测

评论
110 views

stocksight

文档

要构建一个结合 Elasticsearch、Twitter、新闻头条 和 Python 自然语言处理（NLP）与情感分析 的 股市分析与预测系统，我们可以集成多个技术，收集、处理和分析数据，以实现股价预测。以下是系统构建的整体流程：

系统组成部分：

  1. Elasticsearch：用于存储、索引和高效检索大量数据（如历史股价、新闻文章等）。
  2. Twitter API：用于收集实时关于股票的推文，有助于情感分析。
  3. 新闻 API：用于收集关于股票市场的新闻头条和文章。
  4. Python NLP 与情感分析：用于处理文本数据（新闻文章、推文），提取特征并进行情感分析。
  5. 股市...

Read more

Deep_Learning_Machine_Learning_Stock-github

评论
81 views

Deep_Learning_Machine_Learning_Stock

深度学习（Deep Learning，DL）和机器学习（Machine Learning，ML）在股市中的应用越来越广泛，它们能够处理海量数据并挖掘出传统分析方法难以发现的模式。 因此，ML和DL为长期投资者和短期交易者提供了有前景的投资机会和交易策略。以下是ML和DL在股票市场中的应用及其对长期投资者和短期交易者的影响：

1. 机器学习和深度学习对长期投资者的帮助

对于长期投资者，通常关注的是选择具有强大基本面和成长潜力的股票。机器学习和深度学习能够帮助投资者在这个过程中识别市场中的模式、预测股票表现，并优化投资...

Read more

Stock-Prediction-Models-股票价格预测模型

评论
82 views

Stock-Prediction-Models

要构建一个结合 机器学习（ML）模型、深度学习（DL）模型、交易机器人（Trading Bots） 和 模拟系统（Simulations） 的 股票预测系统，可以集成不同的预测模型、交易策略，并通过模拟评估其效果。下面是一个详细的流程，展示如何收集、处理和利用各种模型进行股票预测。

股票预测系统概述

股票预测的目标是利用历史数据、技术指标、情感分析等预测未来的股票价格或市场走向。整个系统可以包括以下几个组成部分：

  1. 数据收集与预处理
  2. 股票市场数据：历史股票数据（开盘价、收盘价、最高价、最低价、成交量等）。
  3. 情感数据：新闻头条、社交媒体推文、...

Read more