Jupyter Notebook Repositories
Insgesamt 1,614 Repositories
[3DV 2026] „SceneGen: 3D-Szenengenerierung aus einem Einzelbild in einem einzigen Feedforward-Durchlauf“
Präsentation der generativen KI von Google Cloud für Marketing-Szenarien über Anwendungs-Frontend, Backend und detaillierte Schritt-für-Schritt-Anleitungen zur Einrichtung und Nutzung generativer KI-Tools, einschließlich Beispielen für deren Einsatz bei der Erstellung von Marketingmaterialien wie Blogbeiträgen und Social-Media-Inhalten, nl2sql-Analyse und Kampagnenpersonalisierung.
Analysieren Sie unstrukturierte Daten mit Towhee, wie z. B. umgekehrte Bildersuche, umgekehrte Videosuche, Audioklassifizierung, Frage-Antwort-Systeme, Molekülsuchsysteme usw.
Python-zentriertes Mitlesen von Forecasting: Principles and Practice
Ein Python-Framework für Information-Retrieval-Experimente, aufbauend auf http://terrier.org/
Allgemeine Informationen zum Bachelor- und Masterstudium im Fachbereich Computertechnik der Technischen Universität Yıldız, Vorlesungsnotizen, Vorlesungsfolien und Beispielprojekte. Hier finden Sie Informationen zu den Abläufen und Details von Angeboten wie Praktika, Erasmus, Sommerschule und KOOP.
[Book-2020] Python For DevOps: Effektive Automatisierung rigoros lernen
Repository des Kurses Maschinelles Lernen von A bis Z mit R und Python
Zusammenstellung von AGI-Lernressourcen (hauptsächlich einschließlich LLM und AIGC), wird laufend aktualisiert...
[ICML 2024] LESS: Auswahl einflussreicher Daten für das gezielte Instruction Tuning
Dynamics 365 FastTrack-Implementierungsleitfäden
PyTorch-Version der neuronalen kollaborativen Filterung
Lernen Sie Apache Spark in Scala, Python (PySpark) und R (SparkR), indem Sie Ihren eigenen Cluster mit einer JupyterLab-Oberfläche auf Docker erstellen. :zap:
Test der Anpassung von DINOv2/3-Encodern für Vision-Aufgaben mit Low-Rank Adaptation (LoRA)
Sammlung von Skripten und Notebooks für die neuesten GPT OSS-Modelle von OpenAI
Deep-Learning-Tutorials für Einsteiger mit PyTorch und YouTube-Videos!
Der Virtuelle Kleiderassistent, eine maßgeschneiderte, einzigartige Implementierung von ViTON, ermöglicht es Benutzern, verschiedene Kleidungsstücke virtuell anzuprobieren.
Unterstützt von NVIDIA cuOpt: ein GPU-beschleunigtes Toolkit zur Portfoliooptimierung, mit dem sich Mean-CVaR- und Mean-Variance-Anlageworkflows mit CUDA-X Data Science erstellen, backtesten und skalieren lassen.
Echo-4o: Nutzung synthetischer Bilder proprietärer Modelle für verbesserte Bildgenerierung
Repository für meinen Kurs über generative KI und agentische KI in der Produktion
Dies ist der Code für Siraj Ravals Youtube-Video „I Built a Sports Betting Bot with ChatGPT“ (Ich habe einen Sportwetten-Bot mit ChatGPT gebaut).
[NeurIPS 2024] Code-Veröffentlichung für „Segment Anything without Supervision“
Eine kuratierte Sammlung meiner Forschungsprojekte zur quantitativen Finanzwissenschaft. Erforscht Sektorrotation, Multi-Faktor-Modelle und KI-gestützte Strategien (Machine Learning/Deep Learning) über hohe, mittlere und niedrige Frequenzen. Jedes Projekt enthält vollständigen Code und Analyse. Kontinuierlich aktualisiert.
Koreanischer Named-Entity-Recognizer mit KoBERT und CRF (BERT+CRF-basiertes Named-Entity-Recognition-Modell für Koreanisch)
Eine Bibliothek zur Entwicklung von tiefen generativen Modellen auf präzisere, intuitivere und erweiterbare Weise