#numpy Repositories
Entdecke 146 aktive Open-Source-GitHub-Repositories, die mit #numpy getaggt sind und insgesamt 765,321 Sterne gesammelt haben (durchschnittlich 5,241 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist pytorch/pytorch mit 105,764 Sternen.
Insgesamt 146 Repositories
Tensoren und dynamische neuronale Netzwerke in Python mit starker GPU-Beschleunigung
Die '30 Tage Python'-Programmierherausforderung ist eine Schritt-für-Schritt-Anleitung, um die Programmiersprache Python in 30 Tagen zu lernen. Diese Herausforderung kann auch mehr als 100 Tage dauern. Folgen Sie Ihrem eigenen Tempo. Auch diese Videos könnten hilfreich sein: https://www.youtube.com/channel/UC7PNRuno1rzYPb1xLa4yktw
Python-Notebooks für Data Science: Deep Learning (TensorFlow, Theano, Caffe, Keras), scikit-learn, Kaggle, Big Data (Spark, Hadoop MapReduce, HDFS), matplotlib, pandas, NumPy, SciPy, Python-Grundlagen, AWS und verschiedene Befehlszeilen.
Materialien und IPython-Notebooks für "Python for Data Analysis" von Wes McKinney, veröffentlicht von O'Reilly Media
🤗 Die größte Drehscheibe für einsatzbereite Datensätze für KI-Modelle mit schnellen, einfach zu bedienenden und effizienten Werkzeugen zur Datenmanipulation
Abu Quantitative Trading System (Aktien, Optionen, Futures, Bitcoin, Machine Learning) Open-Source-Quantitative-Trading basierend auf Python, Quantitative-Investment-Architektur
Ein leistungsstarker, null Overhead, erweiterbarer Python-Compiler mit integrierter NumPy-Unterstützung
Künstliche Intelligenz Lernkarte, Zusammenstellung von fast 200 praktischen Fällen und Projekten, kostenlose Begleitbücher, Einstieg ohne Vorkenntnisse, berufliche Praxis! Enthalten: Python, Mathematik, Machine Learning, Data-Analyse, Deep Learning, Computer Vision, Natural Language Processing, PyTorch, tensorflow, machine-learning, deep-learning, data-analysis, data-mining, mathematics, data-science, artificial-intelligence, python, tensorflow, tensorflow2, caffe, keras, pytorch, algorithm, numpy, pandas, matplotlib, seaborn, nlp, cv usw. beliebte Bereiche
Ein Open-Access-Buch zur wissenschaftlichen Visualisierung mit Python und Matplotlib
Kostenloses Online-Lehrbuch mit Jupyter-Notebooks für den fast.ai-Kurs Computational Linear Algebra
Flexible und leistungsstarke Tensor-Operationen für lesbaren und zuverlässigen Code (für PyTorch, JAX, TF und andere)
《Python für Data Analysis · 2. Auflage》
Schnelle, korrekte Python-JSON-Bibliothek mit Unterstützung für Dataclasses, Datetimes und NumPy
MegEngine ist ein schnelles, skalierbares, einfach zu bedienendes Deep-Learning-Framework mit Unterstützung für automatische Differenzierung.
TFDS ist eine Sammlung von Datensätzen, die für die Verwendung mit TensorFlow, Jax, ... bereit sind.
Grundlagen des maschinellen Lernens: Lineare Algebra, Analysis, Statistik & Informatik
Schnelle Datenvisualisierungs- und GUI-Tools für wissenschaftliche/technische Anwendungen
Python Kalman-Filterung und optimale Schätzbibliothek. Implementiert Kalman-Filter, Partikelfilter, Erweiterten Kalman-Filter, Unscented Kalman-Filter, g-h (Alpha-Beta), Kleinste Quadrate, H-Unendlich, Glätter und mehr. Hat ein Begleitbuch 'Kalman and Bayesian Filters in Python'.
Dies sind die handschriftlichen Notizen von Andrew NG auf Coursera.
100 Datenrätsel für Pandas, von kurz und einfach bis super knifflig (60% vollständig)
Probabilistisches Programmieren mit NumPy, angetrieben von JAX für Autograd und JIT-Kompilierung auf GPU/TPU/CPU.
Mars ist ein tensorbasierter einheitlicher Rahmen für die Berechnung großer Datenmengen, der numpy, pandas, scikit-learn und Python-Funktionen skaliert.
Verfeinern und quantisieren Sie die unordentliche AI-Pixelkunst zu sauberen, perfekten Pixeln.
Dieses Repository hilft Ihnen, Python und Machine Learning von Grund auf zu lernen.
Beherrschen Sie die Grundlagen des maschinellen Lernens, Deep Learning und mathematischen Optimierens, indem Sie wichtige Konzepte und Modelle von Grund auf mit Python aufbauen.
Ein Python-Modul für die wissenschaftliche Analyse von 3D-Daten basierend auf VTK und NumPy
Häufig gestellte Fragen
Welches ist das beliebteste #numpy-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#numpy-Projekt auf GitHub ist pytorch/pytorch mit 105,764 Sternen. Tensoren und dynamische neuronale Netzwerke in Python mit starker GPU-Beschleunigung
Welche Programmiersprachen werden in #numpy-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #numpy-Projekten auf GitHub sind Python, Jupyter Notebook, C++, JavaScript die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #numpy-Repositories berechnet?
Wir verfolgen 146 aktive Open-Source-Repositories, die mit #numpy getaggt sind (500+ Sterne), mit insgesamt 765,321 Sternen und durchschnittlich 5,241 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.