tensor-house

照着跑，就能把 AI 用到企业业务里

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署开源模型 🍴 复刻 509 🐛 待处理 14 👀 关注 58

GitHub ↗

GitHub 星标 ★ 1463

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，Apache-2.0 许可证，完全免费，可自行部署使用。

项目预览

tensor-house 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类开源模型

开发团队ikatsov

GitHubhttps://github.com/ikatsov/tensor-house

定价模式🏷️完全免费

价格说明开源项目，Apache-2.0 许可证，完全免费，可自行部署使用。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议Apache-2.0

主要语言Jupyter Notebook

技术栈/模型ai,customer-analysis,data-science,deep-learning,llm,machine-learning,marketing,models,personalization,reinforcement-learning,supply-chain

GitHub 星标★ 1463

上线时间2017-11-24 00:00:00

代码更新2024-01-24

仓库体积153.8 MB

本站数据更新2026-11-08

维护状态低维护

收录时间2026-08-09

浏览次数6

项目介绍

tensor-house 是一个面向企业场景的 AI/ML 参考实现集合，以 Jupyter Notebook 形式提供端到端的演示应用，覆盖营销、定价、供应链、智能制造等多个业务领域。它解决了企业用户在落地 AI 时缺乏可参考的完整示例的问题，每个 notebook 都包含从数据准备、特征工程、模型训练到评估部署的完整流程，并配有业务背景说明。项目核心能力在于提供可直接运行的代码模板，帮助数据科学家和业务分析师快速理解 AI 在具体业务问题中的应用方式，缩短从概念验证到生产部署的周期。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 1463

技术标签

ai data-science deep-learning llm machine-learning

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：入门约 10 分钟部署方式：本地安装 4 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

Python 环境（仓库以 Jupyter Notebook 形式提供内容，Python 为运行依赖）
Jupyter Notebook 或 JupyterLab（用于打开并运行示例 notebook）
Git（用于克隆仓库）
可选：深度学习/强化学习相关依赖（README 说明重点覆盖深度学习和强化学习方法，具体以各 notebook 为准）

安装与启动步骤

1克隆仓库

从 GitHub 拉取 tensor-house 源码到本地，得到全部参考 notebook 与示例数据。README 未给出安装命令，这一步为通用准备动作。
```
git clone https://github.com/ikatsov/tensor-house.git
```
2进入项目目录

切换到仓库根目录，后续启动 Jupyter 和查找 notebook 都在此目录下进行。
```
cd tensor-house
```
3准备 Jupyter 环境

安装 JupyterLab 以便打开 .ipynb 文件。README 未指定具体依赖清单，需按所运行 notebook 自行补充相应库。
```
pip install jupyterlab
```
4启动 Jupyter

在仓库目录下启动 JupyterLab，浏览器会自动打开文件浏览界面，即可按业务领域挑选 notebook 运行。
```
jupyter lab
```