Jupyter Notebook Repositories
Insgesamt 1,614 Repositories
Labs und Demos für Kurse der GCP-Schulung (http://cloud.google.com/training).
AIInfra (KI-Infrastruktur) bezeichnet die KI-Systeme von der zugrunde liegenden Hardware wie Chips bis hin zum Software-Stack der oberen Schicht, die das Training und die Inferenz großer KI-Modelle unterstützen.
Enthält Lösungen und Notizen für die Spezialisierung auf maschinelles Lernen von der Stanford University und Deeplearning.ai - Coursera (2022) von Prof. Andrew NG
Code-Beispiele, die auf cloud.google.com verwendet werden
Evidently ist ein Open-Source-Framework für ML- und LLM-Observability. Bewerten, testen und überwachen Sie jedes KI-gestützte System oder jede Datenpipeline. Von tabellarischen Daten bis zu Gen AI. Über 100 Metriken.
Repo zur Begleitung meines Kurses über die Beherrschung von LLM-Engineering
Notebooks und Code für das Buch "Introduction to Machine Learning with Python"
22 Prompt-Engineering-Techniken mit praktischen Jupyter-Notebook-Tutorials, von grundlegenden Konzepten bis zu fortgeschrittenen Strategien zur Nutzung von LLMs.
Eine Reihe von großen Sprachmodellen, die von den Entwicklern von @01-ai von Grund auf trainiert wurden
Buch_3_《Mathematische Elemente》 | Die Iris-Buch: Von Arithmetik bis maschinelles Lernen; Online gestellt; Willkommen zu weiteren Korrekturen, Studenten mit vielen Korrekturen erhalten auch Buchgeschenke!
LLM Zoomcamp – ein kostenloser Online-Kurs über praxisnahe Anwendungen von LLMs. In 10 Wochen lernen Sie, wie Sie ein KI-System aufbauen, das Fragen zu Ihrer Wissensdatenbank beantwortet. Hier anmelden 👇🏼
LLM-gestützte Multi-Agenten-Persona-Simulation zur Verbesserung der Vorstellungskraft und für Geschäftseinblicke.
Ein Large-Model-Wissensaustausch, den jeder verstehen kann, ein Muss vor den Vorstellungsgesprächen für LLMs im Frühling/Herbst, damit Sie sich mühelos mit den Interviewern unterhalten können.
Sammlung von Notebooks über quantitative Finanzen mit interaktivem Python-Code.
H2O ist eine Open-Source-, verteilte, schnelle und skalierbare Machine-Learning-Plattform: Deep Learning, Gradient Boosting (GBM) & XGBoost, Random Forest, Generalized Linear Modeling (GLM mit Elastic Net), K-Means, PCA, Generalized Additive Models (GAM), RuleFit, Support Vector Machine (SVM), Stacked Ensembles, Automatic Machine Learning (AutoML) usw.
Eine kuratierte Liste von Notebooks und Bibliotheken für angewandtes Machine Learning und Data Science in verschiedenen Branchen (von @firmai)
Buch 1: "Programmieren ist nicht schwer" | Irischen Buch: Von Addition, Subtraktion, Multiplikation und Division bis hin zu maschinellem Lernen; bitte kritisiert und korrigiert uns!
Flax ist eine Neural-Network-Bibliothek für JAX, die für Flexibilität konzipiert ist.
OpenMMLab Multimodales Advanced, Generatives und Intelligentes Erstellungstoolbox. Entsperren Sie die Magie 🪄: Generative-KI (AIGC), benutzerfreundliche APIs, toller Model-Zoo, Diffusionsmodelle für Text-zu-Bild-Generierung, Bild-/Video-Restaurierung/Verbesserung usw.
Quantitative Forschung - Brokerage's Metallurgical Engineering Research Report Reconstruction
Eine Bibliothek für adversariale Beispiele zum Erstellen von Angriffen, Aufbau von Verteidigungen und Benchmarking beider