Jupyter Notebook Repositories
Insgesamt 1,614 Repositories
Das Open-Source-Repository für den Workshop „Kausale Modellierung im maschinellen Lernen“ bei Altdeep.ai @ www.altdeep.ai/courses/causalAI
Das Repository dient als Grundlage für sicheres bestärkendes Lernen.
Einfacher, aber nützlicher Python-Web-Scraping-Tutorial-Code.
LLM-Algorithmen und -Systeme praxisnah mit PyTorch, Triton und CUDA. „Tutorial zu LLM-Algorithmen und -Systemen“: Modellarchitekturen und Training, Post-Training, Inferenzbeschleunigung, Leistungs- und Operatoroptimierung – inklusive Notebook-Übungen, Antworterklärungen, Tests und Experimenten.
Dieses Projekt zielt auf die Erkennung von Video-Deepfakes mithilfe von Deep-Learning-Techniken wie RestNext und LSTM ab. Wir haben die Deepfake-Erkennung durch Transferlernen erreicht, wobei die vortrainierte RestNext-CNN verwendet wird, um einen Feature-Vektor zu erhalten. Anschließend wird die LSTM-Schicht mithilfe der Features trainiert. Weitere Details finden Sie in der Dokumentation.
Eine kuratierte Liste praktischer Anwendungen von Business Machine Learning (BML) und Business Data Science (BDS) für Buchhaltung, Kunden, Mitarbeiter, Recht, Management und Betrieb (von @firmai)
Python for Finance Cookbook, veröffentlicht von Packt
Notebooks, Codebeispiele, Beispiel-Apps und andere Ressourcen, die die Verwendung, Entwicklung und Verwaltung von Machine-Learning- und generativen KI-Workflows mit Google Cloud Vertex AI demonstrieren.
[MICCAI-Preis für junge Wissenschaftler 2019] [MedIA-Preis für die beste Publikation] Models Genesis: selbstüberwachtes Vortraining für medizinische 3D-Bilder. Lernt übertragbare Repräsentationen aus nicht annotierten CT- und MRT-Volumendaten und wird anschließend für nachgelagerte Segmentierungs- und Klassifikationsaufgaben feinabgestimmt. Keras- und PyTorch-Gewichte enthalten.
Ein Datensatz von Datensätzen zum Lernen, aus wenigen Beispielen zu lernen
Wenden Sie Diffusionsmodelle mit dem neuen Hugging Face diffusers-Paket an, um Musik anstelle von Bildern zu synthetisieren.
Feature Engineering ist der Prozess, Domain-Wissen zu nutzen, um Features aus Rohdaten mittels Data-Mining-Techniken zu extrahieren. Diese Features können verwendet werden, um die Leistung von Machine-Learning-Algorithmen zu verbessern. Feature Engineering kann als angewandtes Machine Learning selbst betrachtet werden.
Diese Sammlung von Jupyter-Notebooks soll Ihnen einen umfassenden Leitfaden zu verschiedenen KI-Werkzeugen und -Technologien bieten
Weg zu einer autodidaktischen Ausbildung in Data Science!
„EasyOffer“ ( <Sammlung von Interviewerfahrungen mit großen Modellen> ) ist ein Leitfaden für Sommerpraktika für große Modelle, der speziell für LLM-Babys entwickelt wurde und hauptsächlich einige häufige Code-Reißübungen von großen Unternehmen, Interviewerfahrungen von großen Unternehmen und häufige Denkaufgaben von großen Unternehmen für die Vorbereitung auf Sommerpraktika und den Herbst-Recruiting von großen Modellen aufzeichnet; ich bin ein Anfänger und lerne gerade...... Wenn Sie Fragen haben, korrigieren Sie mich jederzeit, liebe Meister, ich hoffe, jeder kann das gewünschte Angebot erhalten!
PyHessian ist eine Pytorch-Bibliothek für die zweiteilbasierte Analyse und das Training von Neuralen Netzwerken
Jupyter-Notebook mit PyTorch-Implementierung von Neural Ordinary Differential Equations
Analyse systematischer Handelsstrategien (z. B. Trendfolge, Carry und Mean-Reversion). Das Ergebnis wird regelmäßig aktualisiert.
:books: [.md & .ipynb] Serie zu Künstlicher Intelligenz & Deep Learning, einschließlich Mathematischer Grundlagen, Python-Übungen, NLP-Anwendungen usw. 💫 Praktische Anwendungen in KI und Deep Learning: Kapitel Mathematische Statistik | Kapitel Maschinelles Lernen | Kapitel Deep Learning | Kapitel Natürliche Sprachverarbeitung | Kapitel Werkzeugpraxis Scikit & TensorFlow & PyTorch | Branchenanwendungen & Kursnotizen
Aufmerksamkeitsbasierte Diffusionsattributionskarten zur Interpretation von Stable Diffusion.
Alle Antworten für Übungen aus Advances in Financial Machine Learning von Dr. Marco Lopez de Parodo.
Dies ist das Begleit-Repository des O'Reilly-Buches "Python for Excel".
Dies ist ein Multi-Agenten-Tutorial, das auf dem CAMEL-Framework basiert und darauf abzielt zu verstehen, wie man eine Agenten-Gesellschaft von Grund auf aufbaut!
[CVPR 2024] FRESCO: Räumlich-zeitliche Korrespondenz für Zero-Shot-Videoübersetzung
Von Grund auf implementiertes Sparse Mixture of Experts Sprachmodell, inspiriert von Andrej Karpathys makemore :)
Notebook-basiertes Buch "Einführung in Robotik und Wahrnehmung" von Frank Dellaert und Seth Hutchinson
Die Python-Bibliothek zum Erstellen von eigenständigen und interaktiven d3-Diagrammen.
Eine Open-Source-Bibliothek zur Interaktion und Verarbeitung von Radardaten, spezialisiert auf MIMO mmWave-Radars
Exportieren Sie Spotify-Playlists mithilfe der Web-API. Analysieren Sie diese im Jupyter-Notebook.