Jupyter Notebook Repositories
Insgesamt 1,614 Repositories
Konvertieren Sie beliebigen Text in ein Wissensdiagramm. Dies kann für Graph Augmented Generation oder wissensbasiertes QnA verwendet werden.
Sammlung nützlicher Data-Science-Themen zusammen mit Artikeln, Videos und Code
Eine Sammlung von Anleitungen und Beispielen für die offenen Gemma-Modelle von Google.
Eine moderne Anki-Benutzerdefinierte Planung basierend auf dem Free Spaced Repetition Scheduler-Algorithmus
Eigene Datensätze annotieren, eigene Algorithmen für künstliche Intelligenz trainieren, bewerten, testen und bereitstellen
OmniGen2: Erforschung zur Fortgeschrittenen Multimodalen Generierung. https://arxiv.org/abs/2506.18871
Qwen3-omni ist ein nativ durchgängiges, omnimodales LLM, das vom Qwen-Team bei Alibaba Cloud entwickelt wurde und Text, Audio, Bilder und Video verstehen sowie Sprache in Echtzeit generieren kann.
TimeGPT-2.1: Produktionsreifes, vortrainiertes Foundation-Modell für Zeitreihen zur Prognose und Anomalieerkennung. Ein generativer, vortrainierter Transformer für Zeitreihen, der mit über 100 Milliarden Datenpunkten trainiert wurde. Mit nur wenigen Codezeilen kann es präzise Vorhersagen in verschiedenen Bereichen wie Einzelhandel, Stromversorgung, Finanzen und IoT treffen 🚀.
Qwen2.5-Omni ist ein End-to-End-multimodales Modell des Qwen-Teams von Alibaba Cloud, das Text, Audio, Bilder, Videos verstehen und Echtzeit-Spracherzeugung durchführen kann.
Die Jupyter-Notebooks hinter meinem O'Reilly-Bericht „A Whirlwind Tour of Python“
Textenerkennung (optische Zeichenerkennung) mit Deep-Learning-Methoden, ICCV 2019
Dies ist ein Buch über die Phi-Modellfamilie, um mit Phi-Modellen zu beginnen. Phi ist eine Familie von Open-Source-KI-Modellen, die von Microsoft entwickelt wurden. Phi-Modelle sind die leistungsfähigsten und kostengünstigsten verfügbaren Small Language Models (SLMs) und übertreffen Modelle gleicher Größe und nächstgrößerer Modelle in einer Vielzahl von Benchmarks für Sprache, Schlussfolgerung, Codierung und Mathematik.
Buch_2_《Die Schönheit des Sehens》 | Iris-Buch: Von Addition, Subtraktion, Multiplikation und Division bis hin zu maschinellem Lernen, Ihre Kritik ist willkommen.
Eine Reihe von Jupyter-Notebooks, die die "12 Schritte zu Navier-Stokes" http://lorenabarba.com/ vorstellen
Einführung in PyTorch, Online-Lesezugang unter: https://datawhalechina.github.io/thorough-pytorch/
Buch_5_《Statistik auf den Punkt gebracht》 | Die Iris-Buch: Von grundlegenden Operationen zu maschinellem Lernen; auf Lager!
Chinesische NLP-Lösungen (große Modelle, Daten, Modelle, Training, Inferenz)
Grounded SAM 2: Beliebiges in Videos mit Grounding DINO, Florence-2 und SAM 2 am Boden verfolgen und nachverfolgen
GTSAM ist eine Bibliothek von C++-Klassen, die Glättung und Kartierung (SAM) in Robotik und Computer Vision implementiert und dabei Faktorgraphen und Bayes'sche Netze als zugrundeliegendes Paradigma verwendet, anstatt auf dünnbesetzte Matrizen zurückzugreifen.
Eine Sammlung wissenschaftlicher Methoden, Prozesse, Algorithmen und Systeme zum Erstellen von Geschichten und Modellen.
Dies sind die handschriftlichen Notizen von Andrew NG auf Coursera.
🚀 Kuratierte Sammlung erstaunlicher Python-Skripte von den Grundlagen bis zu fortgeschrittenen Skripten für Automatisierungsaufgaben.
Bringung stabiler Diffusionsmodelle in Webbrowser. Alles läuft im Browser ohne Serverunterstützung.
"Mathematik ist nicht schwer" - "Lineare Algebra ist nicht schwer", Bände 1 und 2, 66 Themen abgeschlossen; willkommen zu Kritik und Korrekturen.
felixges Notizen zu den verschiedenen verfügbaren Go-Profiling-Methoden.
Vorlesungen über wissenschaftliches Rechnen mit Python als IPython-Notebooks.
Schritt-für-Schritt-Anleitung für die Huggingface Transformers Kursvideos, die gleichzeitig auf Bilibili und YouTube aktualisiert werden
Open-Source und robuste Bilderkennungsmodelle mit starker Grundlage.
Schnelle Einführung in KI-Theorie und angewandte Praxis: Grundlagen, Transformer, NLP, ML, DL, Wettbewerbe. Enthält reichlich Kommentare und Datensätze, damit jeder es verstehen und nachbilden kann.
[CVPR 2022] Thin-Plate Spline Motion Model für Bildanimation.
Neuronale Netze und Deep Learning: Fallbeispiele und Praxis, zweite Auflage: 10 Kapitel PyTorch-Praxis, Notebooks, Tests und ein E-Book.
Alle Kursmaterialien für den Zero to Mastery Machine Learning and Data Science Kurs.
Einstiegskurse in Deep Learning, Fortgeschrittene Kurse, Spezialkurse, akademische Fälle, industrielle Praxisbeispiele, Deep-Learning-Wissens-Enzyklopädie und Interview-Fragenbank Der Kurs, Fall und das Wissen von Deep Learning und KI
🛠 All-in-one webbasiertes IDE, spezialisiert auf Machine Learning und Data Science.
Kausale Inferenz für die Mutigen und Wahrhaftigen. Ein unbeschwerter, aber dennoch rigoroser Ansatz, um etwas über Erfolgsschätzung und Kausalität zu lernen.
Ein Datensatz besteht aus 15.140 ChatGPT-Prompts von Reddit, Discord, Websites und Open-Source-Datensätzen (einschließlich 1.405 Jailbreak-Prompts).