Jupyter Notebook Repositories
Insgesamt 1,614 Repositories
[SIGGRAPH Asia 2023] Rerender A Video: Zero-Shot Text-Guided Video-zu-Video-Übersetzung
📚 „Deep Agents in Action“ — Erstellt von einem offiziellen LangChain-Botschafter, ein vollständiger Leitfaden zum Aufbau produktionsreifer KI-Agenten von Grund auf, basierend auf dem LangChain / LangGraph-Ökosystem.
Die Drehscheibe für EleutherAIs Arbeit an Interpretierbarkeit und Lerndynamiken
Ein Open-Source-Framework zur Erkennung von Audio-Schlagwörtern (oder Phrasen) mit Schwerpunkt auf Leistung und Einfachheit.
Dieses Projekt ist ein quantitativer Open-Source-Kurs, der den Menschen helfen kann, schnell quantitatives Finanzwissen und die Fähigkeit zur quantitativen Entwicklung mit Python zu erwerben.
[Legacy] Daten- und KI-Notebook-Vorlagenkatalog, organisiert nach Tools und nach dem IMO-Framework (Input, Modell, Output) für einfache Nutzung und Auffindbarkeit.
Multi-Agenten-Systeme, Speicher, Planung, Reasoning-Schleifen
[ACL 2024] Ein einfach zu bedienendes Framework zur Wissensbearbeitung für LLMs.
Dies ist der Code des Buches "Lerne Deep Learning mit PyTorch"
100 Datenrätsel für Pandas, von kurz und einfach bis super knifflig (60% vollständig)
Lernpfade und Wissenszusammenfassungen für maschinelles Lernen und Deep Learning
Eine Datengenerierungspipeline zur Erstellung von semi-realistischen synthetischen Multi-Objekt-Videos mit reichhaltigen Annotationen wie Instanzsegmentierungsmasken, Tiefenkarten und optischem Fluss.
Eine Bibliothek zum Debuggen/Inspektieren von Machine-Learning-Klassifikatoren und Erklären ihrer Vorhersagen
Ein Crashkurs in sechs Episoden für Softwareentwickler, die Machine-Learning-Praktiker werden möchten.
Bayesian Optimierung & Reinforcement Learning-Bibliothek, entwickelt vom Huawei Noah's Ark Lab
Eine Open-Source-Datenprotokollierungsbibliothek für maschinelle Lernmodelle und Datenpipelines. 📚 Bietet Einblicke in Datenqualität und Modellleistung im Laufe der Zeit. 🛡️ Unterstützt datenschutzfreundliche Datenerfassung, um Sicherheit und Robustheit zu gewährleisten. 📈
Eine Closed-Loop-Lernplattform für Computer Vision, auf der Code interaktiv online ausgeführt werden kann. Lernen Sie den geschlossenen Kreislauf "Praktische Computer Vision: Algorithmen und Anwendungen" chinesisches E-Book, Quellcode, Community-Austausch für Leser (wird kontinuierlich aktualisiert ...) 📘 Online-E-Book https://charmve.github.io/computer-vision-in-action/ 👇Projekt-Homepage
🎁 Über 7.400.000 Unsplash-Bilder für Forschung und maschinelles Lernen verfügbar gemacht
📊⚽ Eine Sammlung von Fußballanalyseprojekten, Daten und Analysen von Edd Webster (@eddwebster), einschließlich einer kuratierten Liste öffentlich verfügbarer Ressourcen, die von der Fußballanalyse-Community veröffentlicht wurden.
Buch_6_"Der Weg der Daten" | Iris Buch: Von Addition, Subtraktion, Multiplikation und Division bis hin zu maschinellem Lernen; wir freuen uns über Kritik und Korrekturen! Studenten, die viele Fehler korrigieren, erhalten ein Exemplar des Buches als Dankeschön!
Einfache Berechnung von Clip-Embeddings und Aufbau eines Clip-Retrieval-Systems damit
Die chinesische Übersetzung von The Elements of Statistical Learning (ESL), Code-Implementierungen und Lösungen zu den Übungsaufgaben.
Beispiele, End-to-End-Anleitungen und Anwendungen, die mit den Liquid AI Foundational Models (LFM) und dem LEAP SDK erstellt wurden
FLUX, Stable Diffusion, SDXL, SD3, LoRA, Feinabstimmung, DreamBooth, Training, Automatic1111, Forge WebUI, SwarmUI, DeepFake, TTS, Animation, Text zu Video, Tutorials, Anleitungen, Vorträge, Kurse, ComfyUI, Google Colab, RunPod, Kaggle, Notizbücher, ControlNet, TTS, Stimmklonen, KI, KI-Nachrichten, ML, ML-Nachrichten, Nachrichten, Tech, Tech-Nachrichten, Kohya, Midjourney, RunPod
Jupyter-Notebooks und andere Ressourcen für Think Python von Allen Downey, veröffentlicht von O'Reilly Media.
Code für "LoFTR: Detector-Free Local Feature Matching with Transformers", CVPR 2021, T-PAMI 2022
Benchmarking der komplexen Schlussfolgerungsfähigkeit großer Sprachmodelle mit Chain-of-Thought-Prompting
TradeMaster ist eine Open-Source-Plattform für quantitatives Trading, die durch bestärkendes Lernen ermöglicht wird :fire: :zap: :rainbow:
Liste von Papieren, Code und Experimenten, die Deep Learning für Zeitreihenprognosen verwenden
Das Repository für den YouTube-Kurs von freeCodeCamp, Algorithmic Trading in Python
Medusa: Ein einfaches Framework zur Beschleunigung der LLM-Generierung mit mehreren Dekodierköpfen
Umfassende Ressourcen zu Generative AI, einschließlich einer detaillierten Roadmap, Projekten, Anwendungsfällen, Vorbereitung auf Vorstellungsgespräche und Codierungsvorbereitung.