#jupyter-notebook Repositories
Insgesamt 174 Repositories
Eine Rangliste von großartigen Jupyter Notebook-, Hub- und Lab-Projekten (Erweiterungen, Kernel, Tools). Wöchentlich aktualisiert.
Führen Sie ruff, isort, pyupgrade, mypy, pylint, flake8 und mehr auf Jupyter Notebooks aus
Eine Sammlung von Code-Schnipseln aus der Publikation Daily Dose of Data Science auf Substack: http://www.dailydoseofds.com/
Von KI unterstütztes Jupyter Notebook. Verwenden Sie KI, um Code-Zellen zu generieren und zu bearbeiten, Fehler automatisch zu beheben und mit Ihren Daten zu chatten
Einfache und flexible Fortschrittsleiste für Jupyter Notebook und Konsole
:keyboard: Eine kuratierte Liste toller Tools, Demos und Ressourcen, um über LaTeX hinauszugehen
Klassische Aerodynamik der Potentialströmung mit Python und Jupyter Notebooks
Eine Jupyter-Notebook-Servererweiterung, die Konfigurationsschnittstellen für Nbextensions bereitstellt.
Erstellen Sie mit einer einfachen Python-Syntax animierte Diagramme in Jupyter Notebook und ähnlichen Umgebungen.
Dieses Repository beherbergt den Code hinter dem Online-Buch "Coding for Economists".
Ein Buch, das von xiaolai mit Hilfe von ChatGPT und dessen TTS erstellt wurde
Produzieren und planen Sie Ihre Jupyter Notebooks so einfach, wie Sie sie geschrieben haben.
Ein CLI-Tool zum Konvertieren von CSV / Excel / HTML / JSON / Jupyter Notebook / LDJSON / LTSV / Markdown / SQLite / SSV / TSV / Google Sheets in eine SQLite-Datenbankdatei.
Bibliothek, die Jupyter Notebooks erweitert, um mit Apache TinkerPop, openCypher und RDF SPARQL zu integrieren.
LLM-Algorithmen und -Systeme praxisnah mit PyTorch, Triton und CUDA. „Tutorial zu LLM-Algorithmen und -Systemen“: Modellarchitekturen und Training, Post-Training, Inferenzbeschleunigung, Leistungs- und Operatoroptimierung – inklusive Notebook-Übungen, Antworterklärungen, Tests und Experimenten.
Eine kuratierte Liste praktischer Anwendungen von Business Machine Learning (BML) und Business Data Science (BDS) für Buchhaltung, Kunden, Mitarbeiter, Recht, Management und Betrieb (von @firmai)
Jupyter-Notebook mit PyTorch-Implementierung von Neural Ordinary Differential Equations
Analyse systematischer Handelsstrategien (z. B. Trendfolge, Carry und Mean-Reversion). Das Ergebnis wird regelmäßig aktualisiert.
Selenium-automatisierter Jupyter Notebook, der in Echtzeit mit Neovim synchronisiert wird.
Notebook-basiertes Buch "Einführung in Robotik und Wahrnehmung" von Frank Dellaert und Seth Hutchinson
Exportieren Sie Spotify-Playlists mithilfe der Web-API. Analysieren Sie diese im Jupyter-Notebook.
Praxisnahe, frameworkfreie Colab-Notebooks für das Skillset des AI Engineers / Forward Deployed Engineers (FDE) — Modell-APIs, strukturierte Ausgaben, Tool Calling, RAG, Evaluierungen als Kernrückgrat, Agenten (Schleifen von Grund auf, Tool-Design, Guardrails, MCP, Skills), Fine-Tuning vs. LoRA, Prompt-Injection/Sicherheit, LLMOps und kundenorientiertes Handwerk. Läuft über die kostenlose Groq-API.
Framework zum Erstellen einer benutzerdefinierten No-Code-Plattform. Kommt mit einer Flow-Based-Programmierumgebung und einer grafischen Benutzeroberfläche.
Jupyter Notebooks zum Lernen der PyRosetta-Plattform für die Vorhersage und Gestaltung biomolekularer Strukturen
Drag’n’drop Pivot-Tabellen und Diagramme für Jupyter/IPython Notebook, dank PivotTable.js
Programmgesteuert SVG-(Vektor-)Bilder, Animationen und interaktive Jupyter-Widgets erstellen
Vorhersage von Aktienkursen mit einem TensorFlow LSTM (Long Short-Term Memory) neuronalen Netzwerk für Zeitreihenvorhersagen
Ein leichtgewichtiges, Plug-and-Play-Benchmark-Kit für synthetische Daten. Vergleichen Sie Syncora mit anderen Generatoren (z. B. Gretel, MostlyAI), indem Sie CSVs einfügen und dann Fidelity- und Ähnlichkeitsmetriken automatisch berechnen. Funktioniert mit jedem Datensatz über einfache Dateibenennung, keine aufwändige Einrichtung erforderlich.