Jupyter Notebook Repositories
Insgesamt 1,614 Repositories
Ein kleines Paket zum Erstellen von Visualisierungen von PyTorch-Ausführungsgraphen
Debugging, Überwachung und Visualisierung für Python Machine Learning und Data Science
Offizieller Code, der zur Entwicklung von Vision Transformer, SigLIP, MLP-Mixer, LiT und mehr verwendet wird.
Ein vollständiger Kurs zum Lernen von Bitcoin-Programmierung und -Nutzung ab dem Kommando
MIMIC Code Repository: Code, der von der Forschungsgemeinschaft für die MIMIC-Datenbankfamilie geteilt wird
Buch_7_《Maschinelles Lernen》 | Der Iris Data Set: Von Addition und Subtraktion bis Maschinelles Lernen; Kritik und Korrekturen sind willkommen.
KI und maschinelles Lernen mit Kubeflow, Amazon EKS und SageMaker
Dieses Repository ist eine kuratierte Sammlung praxisnaher Data-Science-Projekte, die speziell für Anfänger zugeschnitten sind. Ob Sie gerade erst mit Data Science beginnen oder Ihre Fähigkeiten stärken möchten, diese Projekte bieten einen praktischen und interaktiven Weg, um Ihr Wissen anzuwenden.
Dieses Repository enthält den Code zum Trainieren und Evaluieren von TRIBE v2, einem multimodalen Modell zur Vorhersage von Gehirnreaktionen
🔅 Shapash: Benutzerfreundliche Erklärbarkeit und Interpretierbarkeit zur Entwicklung zuverlässiger und transparenter Machine-Learning-Modelle
Alle Notizen und Materialien für den Kurs CS229: Maschinelles Lernen der Stanford University
Ein Open-Source-Python3-Tool mit kleinen Modellen zur Erkennung von Layouts, Tabellen, mathematischen Formeln (LaTeX) und Text in Bildern, das sie in das Markdown-Format konvertiert. Eine kostenlose Alternative zu Mathpix, die eine nahtlose Konvertierung visueller Inhalte in textbasierte Darstellungen ermöglicht. Über 80 Sprachen werden unterstützt.
Erfahren Sie, wie Sie produktionsreife ML-Anwendungen entwerfen, entwickeln, bereitstellen und iterieren.
Dieses Repository wurde erstellt, um Einsteigern im Machine Learning oder Personen, die sich auf ein Studium vorbereiten, zu helfen. (This repository is intended for helping those who are beginners in machine learning or preparing for study)
Implementierung von Dreambooth (https://arxiv.org/abs/2208.12242) mittels Textual Inversion (https://arxiv.org/abs/2208.01618) für Stable Diffusion (https://arxiv.org/abs/2112.10752). Tweaks konzentriert auf das Training von Gesichtern, Objekten und Stilen.
Intelligentes KI-Tool für mehrsprachige Video-Synchronisation/Übersetzung - Linly-Dubbing — „KI-gestützt, grenzenlose Sprachen“
Repository von Jupyter-Notebook-Tutorials für den Deep Learning Kurs an der Universität Amsterdam (MSc AI), Herbst 2023
Automatische Generierung von Visualisierungen und Infografiken unter Verwendung großer Sprachmodelle
100 Beispiele für Deep Learning, Deep Learning DL, Bildklassifizierung, Objekterkennung, Objektdetektion, Verarbeitung natürlicher Sprache NLP, Textklassifizierung, TensorFlow, PyTorch
Das Repository handelt von über 100 Python-Programmierübungsproblemen, die diskutiert, erklärt und auf verschiedene Weisen gelöst werden.
Eine Python-Bibliothek für die Visualisierung von Entscheidungsbäumen und die Modellinterpretation.
Sammeln klassischen Wissens und neuesten Technologien aus allen Aspekten von Android.
Kostenlose praktische digitale Forensik-Labore für Studenten und Fakultät
Ein Open-Source-Projekt, das sich dem Tracking und der Segmentierung beliebiger Objekte in Videos widmet, entweder automatisch oder interaktiv. Die primär verwendeten Algorithmen umfassen das Segment Anything Model (SAM) für die Key-Frame-Segmentierung und Associating Objects with Transformers (AOT) für effizientes Tracking und Propagationszwecke.
Lernen Sie, Ihren Second Brain KI-Assistenten mit LLMs, Agenten, RAG, Fine-Tuning, LLMOps und KI-Systemtechniken zu erstellen.
Offizielles Repository für „Eureka: Human-Level Reward Design via Coding Large Language Models“ (ICLR 2024)
Aufbau-Prozess eines kleinen Finanzwissensgraphen (neo4j / python / cypher / KG)
Jupyter Notebooks, um Ihnen bei der praktischen Arbeit mit Pinecone-Vektordatenbanken zu helfen
Hands-On-Large-Language-Models (hands-on-llms) auf Chinesisch übersetzt, erle ben Sie das Lernen von großen Sprachmodellen
Eine produktionsreife Reinforcement Learning KI-Agentenbibliothek, die vom Applied Reinforcement Learning Team bei Meta entwickelt wurde.
Behandelt Vortrainingsdaten, Tokenizer, Transformer, MoE, verteiltes Training, Skalierungsgesetze, Inferenz und Alignment. 6 aufeinander aufbauende Programmieraufgaben für das ganzheitliche Lernen von LLMs.